1. Introducción

En las últimas décadas, el mundo ha experimentado un aumento de la frecuencia y severidad de los desastres naturales (por ejemplo, IPCC, 2007; EM-DAT, 2015). Los desastres naturales causan daños físicos y socio-económicos a las personas a través de efectos directos e indirectos (Pelling et al, 2002; Haen y Hemrich, 2006). Según Harris (2010), se estima que los desastres naturales causan 100.000 muertes al año en el mundo. Guha-Sapir et al (2004) encontraron que el daño promedio mundial es de aproximadamente US$ 67 mil millones por año y el costo económico relacionado con los desastres naturales ha aumentado 14 veces desde la década de 1950.

La educación de los niños es uno de los factores clave para la formación de capital humano. El importante papel de las inversiones para educación en la infancia, así como el retorno a la educación ha sido subrayado en un gran número de estudios (por ejemplo, Becker, 1965; Schultz, 2002; Heckman, 2012; Campbell et al, 2014). Una preocupación reciente es el impacto adverso de los desastres naturales sobre el capital humano (Báez et al, 2010). Los desastres naturales pueden afectar a la educación de los niños a través de diferentes canales. En primer lugar, los desastres naturales pueden causar daños a la salud y pérdidas humanas para las familias, que afectan directamente a la educación de los niños. Varios estudios encontraron un efecto adverso de los desastres en la salud de los niños a largo plazo (por ejemplo, Hoddinott y Kinsey, 2001; Alderman et al, 2006; Maccini y yang, 2009). En segundo lugar, los desastres naturales destruyen las infraestructuras relacionadas con la educación, tales como escuelas y aulas, incrementando por ende el costo de la educación y reduciendo el acceso a la educación. Los sucesos extremos como las sequías prolongadas y las fuertes inundaciones pueden causar dificultades a los niños para acceder a las escuelas (Stein et al, 2003; Baez y Santos, 2008; y Baez et al, 2010). En tercer lugar, los desastres naturales pueden dar lugar a pérdidas económicas para los hogares. Una disminución en los ingresos podría hacer que los padres reduzcan el gasto en educación para sus hijos y recurran a la mano de obra infantil para obtener ingresos adicionales (por ejemplo, Grootaert y Kanbur, 1995; De Janvry et al, 2006).

A pesar de que existe un amplio consenso sobre los efectos nocivos de los desastres naturales en la educación de los niños, la magnitud del efecto depende en gran medida de las diferentes condiciones socioeconómicas. El impacto de los desastres naturales difiere entre las distintas naciones, regiones, comunidades e individuos, debido a las diferencias en sus exposiciones y vulnerabilidades frente a los desastres naturales (Clark et al, 1998). Las conclusiones empíricas sobre el impacto de los desastres naturales en la educación de los niños están mezcladas. Por ejemplo, Baez y Santos (2008) muestran que los terremotos de 2001 en El Salvador rural reducen la probabilidad de matriculación de los niños. Otros estudios, tales como Jensen (2000), Jacoby y Skoufias (1997), De Vreyera et al (2015) también encuentran un efecto negativo de los extremos de riqueza y las crisis de ingresos en la educación de los niños. Sin embargo, Baez y Santos (2007) no encuentran un efecto significativo de una tormenta tropical en la escolarización de los niños en Nicaragua. Maccini y yang (2009) incluso encuentran un efecto positivo de las precipitaciones termpranas en la educación y la salud de las mujeres a través de un efecto positivo en la producción de cultivos en Indonesia.

El hecho de que el efecto de los desastres naturales en la educación de los niños dependa de los diferentes contextos de los países exige más estudios empíricos para comprender mejor el efecto de los desastres naturales. Aunque hay un gran número de estudios sobre el impacto de los desastres naturales en la educación de los niños en países específicos, hay poca evidencia comparativa entre países. Una posible explicación es la escasez de datos sobre desastres y niños que sean comparables entre países. En este estudio, estimamos el efecto de los desastres naturales en el nivel educativo y la capacidad cognitiva de niños de 12 a 15 años en cuatro países de tres continentes, incluyendo Etiopía, India, Perú y Vietnam, utilizando un conjunto de datos de Niños del Milenio.

Se espera que el estudio tenga varias contribuciones empíricas principales. En primer lugar, compara el efecto de los desastres naturales en la educación de los niños y la capacidad cognitiva en los cuatro países utilizando un conjunto de datos comparables. En segundo lugar, este estudio compara el efecto en los niños de diferentes tipos de desastres naturales incluyendo sequías, inundaciones, heladas y granizos. En tercer lugar, además de la educación y las habilidades cognitivas, es también examinado el efecto de los desastres naturales sobre otros resultados de los niños, incluyendo el estado de salud y el gasto per cápita. Al observar las diferentes variables de resultado, somos más capaces de comprender el mecanismo del impacto de los desastres naturales en la educación de los niños.

En general, encontramos un efecto diferencial y negativo de los desastres naturales en la educación y la capacidad cognitiva de los niños. Encontramos que las inundaciones tienden a tener un efecto en la educación de los niños más negativo que las sequías, heladas y granizos. La exposición a inundaciones disminuye el número promedio de grados completados por niños en Etiopía, India y Vietnam en un 3,4%, 3,8% y 1,8%, respectivamente. Encontramos también una reducción en el gasto per cápita de los hogares debido a las inundaciones en Etiopía y Vietnam. Las pérdidas económicas podrían resultar en una disminución de la inversión educativa para niños. En la India, los niños que tienen experiencia con sequías, heladas y granizos tienden a tener menor capacidad cognitiva medida por el Test de Vocabulario en Imágenes Peabody y por los resultados de pruebas matemáticas. En Perú, el país más rico entre los cuatro países de nuestro estudio, la educación de los niños y la capacidad cognitiva no se ven afectados por los desastres naturales.

Las siguientes secciones de este documento se estructuran de la siguiente manera. La segunda sección presenta un marco teórico simple de los efectos de los desastres naturales en la educación de los niños. La tercera sección refiere al conjunto de datos y el análisis descriptivo de la exposición a los desastres naturales y la educación de los niños en Etiopía, India, Perú y Vietnam. Las secciones cuarta y quinta presentan el método econométrico y la estimación de resultados del impacto de los desastres naturales, respectivamente. Finalmente, en la sexta sección se presentan las conclusiones y algunas implicaciones políticas.

2. Marco Teórico

El desarrollo de los niños ha recibido una gran atención por parte de los investigadores (por ejemplo, Becker 1960, Becker y Lewis 1973, Becker y Tomes 1976). Los desastres naturales afectan a todos los aspectos de los hogares y pueden dañar la educación de los niños a través de un gran número de canales. En este estudio, para ilustrar el principal mecanismo del impacto de los desastres naturales en los niños, utilizamos un modelo simple de un solo periodo en el que se asume que los padres derivan su utilidad del tiempo de ocio t_L, calidad de los niños C, y consumo de materias primas Q. Para simplificar, la calidad de los niños es vista como la demanda de los padres por una ‘buena educación’, denotada por C_E, y ‘buena salud’, denotada por C_H, para sus hijos. La demanda de salud infantil depende de las condiciones de salud heredadas, denotada por s_H (Grossman, 1972; 2000), y podemos escribirla como un parámetro de la función de demanda de salud, es decir, los padres tienen que gastar más en atención médica para los niños si los niños tienen una menor condición heredada de salud (por ejemplo, los niños con discapacidad) y viceversa.

La función de utilidad de una familia, que se supone que es acumulativa, creciente, cóncava, y dos veces continuamente diferenciable, se puede expresar como sigue:

Para afrontar el consumo, la familia debe tener un nivel de ingresos Y, que consiste en el ingreso laboral y el ingreso no laboral. El ingreso laboral puede ser igual a las horas de trabajo, denotado por t_W, con el retorno por hora w. Para simplificar, el retorno por hora se asume que es o el salario de mercado o el ingreso de la producción familiar dividido por el número de horas de trabajo. El ingreso no laboral, denotado por I, incluye las transferencias públicas y privadas, los ingresos financieros, y otros ingresos exógenos tales como lotería y seguros.

Para simplificar, el tiempo total T de los padres consiste en el tiempo de trabajo y el tiempo de placer. De esta manera, el presupuesto del hogar es:

El hogar maximiza su utilidad sujeto a la restricción presupuestaria:

donde p denota el precio exógeno de artículos correspondientes. El problema de la maximización de la utilidad de los padres con un multiplicador de Lagrange λ se expresa como sigue:

Resolviendo las condiciones de primer orden, obtendremos la demanda de tiempo de ocio de los padres, educación y salud de los niños, tiempo de ocio, y consumo de otras materias primas en función de los precios, los ingresos por hora, la salud heredada, y el ingreso exógeno. La demanda de educación infantil se expresa de la siguiente manera:

Hay varios canales a través de los cuales los desastres naturales pueden afectar la educación de los niños. En primer lugar, los desastres naturales pueden reducir los ingresos del hogar. Numerosos estudios han encontrado un efecto adverso de los desastres naturales en los ingresos familiares y el crecimiento económico (por ejemplo, Dercon, 2004; Strömberg, 2007; Masozera et al, 2007; Strobl, 2012; Felbermayr y Gröschl, 2014; Arouri et al, 2015). Debido a los desastres naturales, los cultivos, el ganado y los bienes de producción de los hogares pueden ser dañados, y como resultado el ingreso por hora de los hogares w disminuye. Dado que la educación es un bien normal, su demanda será decreciente. El efecto negativo sobre la renta puede ser más grave si los desastres naturales causan pérdida de mano de obra para los hogares por muerte, lesiones y discapacidad. Los hogares pueden recibir transferencias de amigos y gobiernos, pero estas transferencias no pueden compensar la pérdida de ingresos causada por los desastres naturales.

En segundo lugar, el precio sombra de ‘buena educación’ refleja el acceso a la educación que a su vez depende de la distancia a la escuela, la calidad de la escuela, como maestros y servicios educativos. Los desastres naturales pueden aumentar el precio sombra de la educación al dañar la infraestructura relacionada con la educación, como escuelas y aulas. Los resultados empíricos muestran que los acontecimientos extremos, como largas sequías y fuertes inundaciones, pueden causar daños a las escuelas y mayores dificultades para que los niños puedan acceder a la escuela (Stein et al, 2003; Baez y Santos, 2008; y Báez et al, 2010). El aumento del precio de la educación conduce a una disminución de la demanda de educación de los niños.

En tercer lugar, si los desastres naturales causan problemas de salud para los niños, como enfermedades infecciosas, enfermedades crónicas, lesiones y discapacidad, la condición heredada de salud, s_H, de los niños se reducirá. Hay un gran número de estudios que encuentran el efecto negativo de los desastres naturales en la salud de los niños (por ejemplo, Hoddinott y Kinsey, 2001; Frankenberg et al, 2004; Held y Soden, 2006; Datar et al, 2013; Ingwersen et al, 2013). Debido a los problemas de salud de los niños, los padres tienen que gastar más en asistencia médica y reducir el gasto en educación. Además, los problemas de salud también tienen un efecto directo y negativo en el nivel de instrucción y capacidad cognitiva de los niños.

Por último, los desastres naturales pueden causar daños a la infraestructura y la producción de áreas locales. El suministro de materias primas se ve afectado y el precio de otras materias primas aumenta. Los hogares podrían tener que gastar menos en la educación de los niños para adquirir otros bienes necesarios, como alimentos y atención médica.

3. Conjunto de datos y análisis descriptivo

3.1. Conjunto de datos

En este estudio, vamos a utilizar los datos del proyecto Niños del Milenio, un estudio internacional sobre la pobreza en la infancia que ha recogido datos sobre 12.000 niños y sus familias en cada uno de los cuatro países, incluyendo Etiopía, India, Perú y Vietnam durante 15 años. El proyecto está dirigido por un equipo del Departamento de Desarrollo Internacional de la Universidad de Oxford. En cada país, el estudio Niños del Milenio involucra datos de dos cohortes de niños. La cohorte más joven cubre 2.000 niños nacidos en 2001 y 2002, y la cohorte mayor cubre 1.000 niños nacidos en 1994 y 1995. Para Perú, sólo hay 700 niños en los datos de la cohorte de más edad.

Los niños se consideran en encuestas de la siguiente manera. En primer lugar, 20 sitios de las zonas pobres (los sitios son equivalentes a distritos) son tomados como muestra de cada país. Los datos de Niños del Milenio se focalizan en zonas pobres. En segundo lugar, las zonas de empadronamiento, como municipios o pueblos son seleccionados al azar dentro de cada sitio. Por último, los niños son elegidos aleatoriamente de las áreas de empadronamiento seleccionadas. Debe tenerse en cuenta que los sitios son recogidos en todo el país en Etiopía, Perú y Vietnam. Sin embargo, puesto que la India es un país muy grande, los sitios de la encuesta india se seleccionan sólo del estado de Andhra Pradesh². Este es un estado con ingresos medios en comparación con otros estados de la India. Hay una elevada variación de beneficios sociales entre los distritos de Andhra Pradesh. Así, los datos de Andhra Pradesh pueden reflejar en parte los datos de la India.

Los datos de Niños del Milenio no son representativos a nivel nacional, y como resultado las estimaciones a partir de estos datos no son comparables con las estimaciones nacionales de los cuatro países. Las estimaciones basadas en los datos de Niños del Milenio podrían estar más cerca de las estimaciones de los niños pobres, ya que las zonas pobres son seleccionadas en la muestra de Niños del Milenio.

Existe una amplia gama de datos sobre educación, salud y trabajo infantil en los conjuntos de datos de Niños del Milenio. El gasto de consumo per cápita también se mide en los conjuntos de datos de Niños del Milenio. Hay preguntas detalladas sobre características de los padres como la edad, la educación y el empleo. La educación puede ser medida por la matrícula escolar, el número de grados completados, y los resultados de las pruebas educativas. La capacidad cognitiva es medida mediante pruebas matemáticas y de literatura, diseñadas de la misma manera en los cuatro países.

En este estudio, vamos a utilizar los datos de la cohorte de mayor edad, ya que los datos de la cohorte más joven no contienen información sobre el nivel de instrucción y las pruebas de habilidad cognitiva. Hasta ahora, fueron completadas tres rondas de encuestas: en 2002, 2006/2007 y 2009/2010. Utilizamos datos sobre la segunda y tercera rondas, ya que en la primera ronda de encuestas los niños eran pequeños y no iban a la escuela. Además, las calificaciones de matemáticas no están disponibles en la primera ronda de encuestas. Cabe señalar que la segunda ronda de encuestas se llevó a cabo en 2006 y en 2007, y que la tercera ronda se llevó a cabo en 2009 y en 2010. Por lo tanto, en este estudio, llamamos a la segunda y tercera ronda de encuestas como la encuesta 2006/07 y la encuesta 2009/10, respectivamente.

3.2. Análisis descriptivo

Este estudio compara el impacto de los desastres naturales en cuatro países que tienen diferente contexto económico y nivel de educación de los niños. Perú es un país al oeste de América del Sur con una población de alrededor de 30 millones de personas (Banco Mundial, 2014). Comparado con los otros países de este estudio, Perú tiene la población más baja. Sin embargo, este es el país más rico con un PIB per cápita de alrededor de 6.600 dólares en 2012. La tasa de matrícula primaria es del 92%. Dos países asiáticos, Vietnam e India, tienen un nivel económico similar con un PIB per cápita de alrededor de 1.600 y 2.000 dólares en 2014, respectivamente. India es la segunda población más grande del mundo con más de 1.200 millones, mientras que Vietnam tiene una población de alrededor de 90 millones de personas. La tasa de matrícula de las escuelas primarias en India y Vietnam fue del 93% y del 98% en 2014, respectivamente. El cuarto país, Etiopía, se encuentra en África. Este es el país más pobre de nuestros países de estudio. La población fue de 94 millones en 2014. El PIB per cápita de Etiopía era de 570 dólares en 2014. La tasa de matrícula neta en la escuela primaria en Etiopía fue del 87% en 2014³.

La Tabla 1 presenta la tasa de exposición de los hogares a los diferentes tipos de desastres. De acuerdo a los cuestionarios, somos capaces de medir la prevalencia de tres tipos de desastres naturales incluyendo la sequía, las inundaciones y las heladas y granizos. Una debilidad de los conjuntos de datos de Niños del Milenio es que no contienen la frecuencia ni la magnitud de los desastres. Se recogieron datos sobre desastres en base a preguntas sobre si los hogares experimentaron desastres naturales durante los últimos cuatro años. Etiopía está expuesto a la alta prevalencia de las sequías e inundaciones (Viste et al, 2012). De acuerdo a la Tabla 1, los hogares etíopes estuvieron más expuestos a la sequía que los otros tres países. 30,5% y el 37% de los hogares experimentaron al menos una sequía durante los últimos cuatro años en las encuestas de 2006/07 y 2009/10, respectivamente. Las sequías en Etiopía tienden a ser más graves, sobre todo en 2009 (Viste et al, 2012). Las sequías pueden afectar negativamente a la producción agrícola y el sustento de los hogares (Bekele y Abera, 2008).

Según EM-DAT (2015), en Vietnam y Perú las sequías tienen menos probabilidades de ocurrir que otros fenómenos meteorológicos extremos. La Tabla 1 también confirma que en la encuesta de 2009/10, el 4,6% y el 8,0% de los hogares en Perú y Vietnam experimentaron sequías, respectivamente.

Tabla 1
La proporción de hogares expuestos a desastres

Fuente: Estimación en base a datos de Niños del Milenio. Nota: errores estándares entre paréntesis

En lo que hace a las inundaciones, Vietnam es el país más afectado. Situado en el sudeste de Asia, Vietnam ha experimentado tormentas tropicales e inundaciones. Según la UNISDR (2009), Vietnam está en el cuarto lugar a nivel mundial en términos del número absoluto de personas expuestas a inundaciones. En la segunda y tercera ronda de encuestas de Niños del Milenio, la proporción de hogares expuestos a inundaciones en Vietnam fue 13,1% y 16,2%, respectivamente. Etiopía es el país que en segundo lugar fue afectado por las inundaciones, mientras que Perú es el menos afectado. Sin embargo, Perú es el más afectado por las heladas y granizos con una proporción de familias afectadas del 9,3% y del 11,5% en la segunda y tercera ronda de encuestas. En comparación con otros países, India es el menos afectado por las heladas y granizos.

El cambio en la prevalencia de los desastres durante el tiempo difiere para los diferentes países y diferentes tipos de desastres. Un cambio notable es la proporción de los hogares que experimentaron sequías en la India, que se redujo de 28,8% en la encuesta 2006/07 a 8,4% en la encuesta de 2009/10. Según EM-DAT (2015), la precipitación media del sur de la India en el periodo 2004-2006 es de alrededor del 10% más baja que durante el período 2007-2009. La Tabla 1 también muestra que la proporción de hogares expuestos a las inundaciones en la India también se redujo en casi un 50% desde el 5,9% en la encuesta de 2006/07 al 2,9% en la encuesta de 2009/10.

En la Tabla 2, examinamos los resultados de educación de los niños. En la encuesta 2006/07, la edad de los niños de la muestra fue de alrededor de 12, mientras que en la encuesta 2009/10 la edad de los niños fue de alrededor de 15. Como resultado, los niños asistían a la escuela primaria o secundaria inferior en la encuesta de 2006/07 y la tasa bruta de matriculación era muy alta en los cuatro países. Perú tuvo la tasa de matrícula más alta, seguido por Vietnam, y Etiopía e India. En la tercera ronda de encuestas, algunos niños entraron en la escuela secundaria superior y la tasa de matrícula se redujo significativamente. Etiopía aún tenía una tasa de matriculación bruta alta⁴. El número de grados completados es más alto en Vietnam e India, alrededor de 8. En Etiopía, el número de grados fue sólo de 5,5 en la encuesta 2009/10.

Para medir la capacidad cognitiva, así como la calidad educativa, utilizamos algunos resultados de las pruebas de las encuestas de Niños del Milenio. En primer lugar, se aplicó una prueba de matemáticas para todos los niños incluidos en la muestra. El examen de matemáticas utilizado para la segunda ronda de encuestas tuvo 10 ítems, y cada uno se marcaba 1 para correcto y 0 para incorrecto o en blanco. La mayoría de las preguntas del examen fueron diseñadas sobre la base de los ítems expuestos públicamente del Estudio Internacional de las Tendencias en Matemáticas y Ciencias desarrollado por la Asociación Internacional de Evaluación Educativa en 2003. La prueba se centra en la suma, resta, multiplicación y división. En la tercera ronda, el examen de matemáticas incluye 20 ítems que abordan la suma, resta, multiplicación, división y raíces cuadradas, utilizando números enteros y fracciones, y 10 ítems sobre resolución de problemas de matemáticas. De esta forma, el rango de calificaciones de matemáticas es de 0 a 10 en la segunda ronda de encuestas, y de 0 a 30 en la tercera ronda de encuestas (ver Cueto et al, 2008 y Cueto y León, 2012 para obtener información detallada sobre la prueba).

La Tabla 2 muestra que los niños de Vietnam tuvieron la puntuación de matemáticas más alta, seguida por Perú. Los niños de Etiopía tuvieron la puntuación de matemáticas más baja. La puntuación de matemáticas aumentó entre las dos encuestas ya que el número de preguntas aumentó de 10 a 30 durante estas dos encuestas.

Tabla 2
Educación de los niños

Fuente: Estimación en base a datos de Niños del Milenio. Nota: errores estándares entre paréntesis

La segunda prueba es el Test de Vocabulario en Imágenes Peabody (PPVT, por sus siglas en inglés), que es una prueba ampliamente utilizada de vocabulario receptivo. Los entrevistadores presentan una serie de imágenes a cada niño. Para cada ítem, hay cuatro imágenes en una página, y cada una está numerada. Los entrevistadores describen una de las imágenes verbalmente y le piden al niño identificar la imagen que se describe. Varios estudios encuentran que el PPVT tiene una correlación positiva y fuerte con algunas medidas de inteligencia comúnmente utilizadas (por ejemplo, Campbell et al 2001; Campbell, 1998). En la encuesta de Niños del Milenio, la versión del test PPVT que incluye 204 ítems es aplicada a Etiopía, India y Vietnam. El PPVT-R que está adaptado para América Latina consta de 125 ítems⁵. Éste se aplica para el caso de Perú. La Tabla 3 muestra que los niños de Vietnam y Perú tienen una puntuación más alta de PPVT que los de Etiopía y la India.

4. Métodos econométricos

Existe un gran número de estudios empíricos sobre los determinantes de la educación de los niños (por ejemplo, Edmonds, 2003; Cigno et al, 2001; Filho, 2008; Krutikova, 2009). Los determinantes comunes entre estos estudios son los ingresos del hogar, la educación de los padres, las características demográficas de los niños y otros miembros del hogar. En este estudio, vamos a realizar una regresión de la ecuación reducida de la educación de los niños en las variables desastres naturales y de control tal como sigue:

donde la Educación es un indicador de la educación (matrícula escolar, número de grados completados y resultados de las pruebas de habilidad cognitiva). Los subíndices i, j y t se refieren a los niños i en el hogar j en el año t, respectivamente. C es un vector de las variables del nivel infantil, y X es un vector de las variables a nivel del hogar. Desastre es el vector de las variables ficticias de los desastres naturales, incluyendo la exposición a sequías, la exposición a inundaciones, y la exposición a las heladas y granizos. Time_t es el tiempo ficticio que es igual a 1 para la tercera ronda de encuestas y 0 para la segunda ronda de encuestas. Esta variable anual permite controlar los efectos macroeconómicos comunes.

Las variables no observables se desagregan en cuatro componentes. v_i,j es un vector de variables del nivel infantil invariables en el tiempo, y u_j es un vector de variables a nivel de hogares invariantes en el tiempo. Las variables incluyen género y capacidades de los niños, educación de los padres y variables geográficas, que no han cambiado con el tiempo. ε_i,j,t y π_j,t son vectores de las variables nivel infantil de tiempo variante y las variables a nivel de hogar a tiempo variante, respectivamente. Estimaremos el modelo (6) por separado para cada país de Etiopía, India, Perú y Vietnam.

Un problema en la estimación de los efectos de los desastres naturales es el carácter endógeno de los desastres naturales. Los desastres naturales no ocurren al azar en las áreas geográficas. Por ejemplo, las inundaciones pueden ocurrir más probablemente en zonas del delta, mientras que las heladas y granizos tienden a producirse en las zonas montañosas. Al mismo tiempo, los niños en zonas del delta podrían tener un mejor acceso a la escuela y a niveles de estudios más altos que los niños de zonas montañosas. En términos econométricos, las variables de desastre se pueden correlacionar con las variables no observables en el modelo (6), y como resultado un estimador MCO del impacto de los desastres será parcial.

En este estudio utilizamos la regresión de efectos fijos para eliminar las variables no observables invariantes en el tiempo (variables v_i,j y u_j) que pueden causar sesgo de endogeneidad. En el caso de un panel de datos de dos periodos, la regresión de efectos fijos es también la misma que la llamada regresión de la primera diferencia. En lugar de estimar el modelo (6), tomamos la diferencia de las variables dependiente e independiente entre el primer y el segundo período, y realizamos una regresión utilizando estas diferencias⁶. El nuevo modelo se expresa como sigue:

Puesto que el cambio en las variables no observables invariantes en el tiempo es igual a cero, las variables no observables invariantes en el tiempo desaparecen en el modelo (7). ΔDesastre_j,t ya no se correlaciona con las características geográficas no observables. La exposición de los hogares a los desastres naturales puede ser endógena, pero el cambio en la exposición al desastre a través del tiempo es más exógeno. Para probar este supuesto, vamos a realizar una regresión de ΔDesastre_j,t sobre los hogares característicos en la encuesta 2006/07 de la siguiente manera:

Se espera que la correlación entre las variables cambio en desastre natural y hogar sea pequeña. Por lo tanto, se espera que el sesgo de endogeneidad sea insignificante después de controlar las variables no observables invariantes en el tiempo y las variables observables variantes en el tiempo. Cabe señalar que, aunque las variables invariantes en el tiempo como género de los niños y educación de los padres se eliminen y no se presenten en la regresión de efectos fijos, ya están controladas en la regresión de efectos fijos.

Para examinar el mecanismo del efecto de los desastres naturales en la educación de los niños, primero estimaremos el efecto de los desastres naturales en la salud de los niños utilizando el siguiente modelo:

donde Y_i,j,t es un indicador de la salud de los niños. Medimos la salud de los niños utilizando indicadores antropométricos y condiciones de salud reportadas por los niños. En segundo lugar, hacemos una regresión del nivel económico doméstico, medido por el logaritmo del gasto per cápita, en las variables de desastre:

Existen algunos datos sobre el comportamiento de los niños en la escuela en los datos de Niños del Milenio. Los desastres naturales pueden causar daños a las escuelas, tales como empeoramiento de las condiciones de las aulas y materiales educativos. Sin embargo, no existen datos sobre estas variables, y no podemos medir el efecto de los desastres naturales en la calidad de la escuela.

5. Resultados empíricos

En esta sección se presentan los resultados de la regresión de efectos fijos infantiles en la educación, la salud y el gasto per cápita en diferentes tipos de desastres naturales. Como se ha mencionado en la tercera sección, el rango de puntuación es diferente entre las rondas de encuestas y países. Para comparar el efecto de los desastres naturales en la educación entre diferentes países, estandarizamos las puntuaciones de matemáticas y PPVT en la escala de 0 a 100 utilizando una fórmula simple, como sigue a continuación:

donde puntaje100_i es el puntaje re-estandarizado de niño i; puntaje_i es el puntaje original de niño i; puntaje_min y puntaje_max son el mínimo y el máximo de puntajes en la muestra.

En la regresión de efectos fijos, las variables que son invariantes en el tiempo, como género y educación de los padres se eliminan. Género de los niños también se quita. Sin embargo, teniendo en cuenta que el momento de la entrevista difiere entre los niños, la edad (medida en meses) de los niños es diferente. Por consiguiente, podemos controlar la edad de los niños en las regresiones. Nos inclinamos a utilizar un pequeño conjunto de variables de control, que sean exógenas a los shocks naturales. El ingreso es un importante determinante de la educación, pero es afectado por los desastres naturales. Debería ser un resultado en lugar de una variable de control (Angrist y Pischke, 2008). Por lo tanto, no controlamos el ingreso del hogar en la regresión en educación o salud. La definición y el resumen de estadísticas de las variables dependientes e independientes se presentan en la Tabla A.1 en el Apéndice.

Antes de estimar el impacto de los desastres naturales, probamos si el cambio en los desastres naturales a lo largo del tiempo se correlaciona con otras variables del hogar mediante la ejecución de una regresión del modelo (8). Las variables explicativas son las variables en la encuesta 2006/07. Los resultados de la regresión se presentan en las Tablas A.1 y A.2 en el Apéndice. En todas las regresiones, la mayoría de las variables explicativas no son significativas. Se debe tener precaución con la regresión del cambio en la exposición a heladas y granizos en Perú, en la que pocas variables explicativas son significativas al nivel del 5 por ciento.

La Tabla 3 presenta el efecto de los desastres naturales en la educación de los niños en Etiopía. No hay efectos significativos de las sequías, heladas y granizos en la matrícula escolar ni en los resultados de las pruebas. Sin embargo, encontramos un efecto negativo de las inundaciones en el número de grados completados. La exposición a inundaciones disminuye el número de grados completados en 0,186. El número promedio de grados de niños en Etiopía fue de alrededor de 5,5 en la tercera ronda de encuestas. Esto significa que estar expuesto a inundaciones disminuye el número de grados completados en alrededor de 3,4%. Dado que no existen efectos de las inundaciones sobre la matrícula, el efecto negativo de las inundaciones en el número de grados completados sugiere que las inundaciones pueden aumentar el grado de retención escolar de los niños.

Medimos la salud de los niños por la percepción de los niños sobre su salud en comparación con la de sus amigos y si los niños tienen problemas de salud a largo plazo. Además, se utilizan dos medidas de salud objetivas. Estas son puntaje-altura-para-edad z y puntajeÍndice de Masa Corporal (IMC)-para-edad z. Los niños con puntajealtura-para-edad z inferior a -2 pueden considerarse con retraso en el crecimiento, mientras que los niños con puntaje-IMC-para-edad z inferior a -2 pueden considerarse con bajo peso (WHO, 1983, 1995).

Tabla 3
Regresión de efectos fijos infantiles en la educación de los niños en Etiopía

Fuente: Estimación en base a datos de Niños del Milenio. Notas: Errores estándares robustos entre paréntesis* significativo en el 10%;** significativo en el 5%;*** significativo en el 1%

La Tabla 3 muestra que no hay efectos significativos de los desastres en los indicadores antropométricos de los niños en Etiopía. Sin embargo, los niños que están expuestos a inundaciones se consideran a sí mismos menos saludables que sus amigos. La última columna de la Tabla 3 muestra un gran efecto negativo de las inundaciones en el gasto per cápita de los hogares. La exposición a inundaciones reduce el gasto per cápita de los hogares en casi un 15%. Con la exposición a inundaciones, los hogares experimentan una disminución en el ingreso y el consumo, y tienen que gastar menos en educación para los niños.

La tabla 4 muestra los impactos diferenciales de los desastres naturales en las pruebas de educación y capacidad cognitiva de los niños en la India. El efecto de las sequías sobre las puntuaciones de matemáticas y PPVT es negativo. El efecto sobre la puntuación de matemáticas no es significativo, mientras que el efecto sobre la puntuación PPVT es significativo al nivel del 1%. La exposición a una sequía reduce la puntuación PPVT un 6,1 (la puntuación máxima es 100). El efecto de la inundación en el número de grados es negativo. La exposición a inundaciones reduce el número de grados en 0.31, alrededor del 3,8% del número promedio de grados. Las heladas y granizos también tienen un efecto negativo en la puntuación de matemáticas.

No hay efectos significativos de los desastres naturales en la salud de los niños. El efecto de los desastres naturales en el gasto per cápita tiene un signo negativo, pero sólo la sequía tiene un efecto significativo. La exposición a la sequía reduce el gasto per cápita de los hogares en torno al 8,5%.

Perú es un país que no está afectado por los desastres naturales (Tabla 5). Todas las estimaciones de los desastres naturales tienen una pequeña magnitud y no son significativas. Perú es el país más rico de los cuatro países de este estudio. En comparación con los pobres, los ricos son menos propensos a ser afectados por los desastres naturales (Rose, 2004; Haen y Hemrich, 2006; Briguglio et al, 2009; Baez y otros, 2010). El impacto de los desastres naturales en los hogares depende no sólo de la magnitud de los desastres, sino también de la capacidad de recuperarse de los desastres y la capacidad de soportarlos (Rose, 2004; Briguglio et al, 2009).

En la Tabla 6 examinamos el impacto de los desastres naturales en la educación de los niños en Vietnam. La exposición a inundaciones tiene un efecto negativo en la educación de los niños. Reduce la probabilidad de matriculación en 0,05 y el número de grados escolares en un 0,14 (equivalente a 1,8% del número promedio de grados). Los niños afectados también tienen puntuaciones más bajas en matemáticas y PPVT respecto a los no afectados. Las inundaciones también causan problemas de salud para los niños a largo plazo. Las familias que se ven afectadas por las inundaciones tienen menores gastos per cápita, alrededor de 9,6%, respecto a los hogares no afectados.

Tabla 4
Regresión de efectos fijos infantiles en la educación de los niños en India

Fuente: Estimación en base a datos de Niños del Milenio. Notas: Errores estándares robustos entre paréntesis* significativo en el 10%;** significativo en el 5%;*** significativo en el 1%

Tabla 5
Regresión de efectos fijos infantiles en la educación de los niños en Perú

Fuente: Estimación en base a datos de Niños del Milenio. Notas: Errores estándares robustos entre paréntesis* significativo en el 10%;** significativo en el 5%;*** significativo en el 1%

Tabla 6
Regresión de efectos fijos infantiles en la educación de los niños en Vietnam

Fuente: Estimación en base a datos de Niños del Milenio. Notas: Errores estándares robustos entre paréntesis* significativo en el 10%;** significativo en el 5%;*** significativo en el 1%

6. Conclusiones

En las últimas décadas se han producido cada vez más desastres naturales. Los niños, especialmente los de hogares pobres, son más vulnerables a los desastres naturales. El deterioro del capital humano en la infancia puede causar un efecto a largo plazo sobre la salud y los ingresos de las personas. En este estudio, proporcionamos resultados empíricos comparativos sobre el impacto de las sequías, inundaciones, y heladas y granizos en la educación de los niños en Etiopía, India, Perú y Vietnam. En el conjunto de datos de Niños del Milenio, los niños etíopes fueron los que más experimentaron sequías, mientras que los niños vietnamitas los más expuestos a las inundaciones. En lo que refiere a las heladas y granizos, los niños en Perú fueron los más expuestos.

Utilizando regresiones de efectos fijos infantiles, encontramos un impacto diferencial de los diferentes tipos de desastres naturales en los cuatro países. Las inundaciones tienden a causar mayores efectos nocivos en la educación de los niños. La exposición a inundaciones disminuye el número de grados completados por niños de 12 a 15 años en Etiopía, India y Vietnam en torno al 3,4%, 3,8% y 1,8%, respectivamente. Para el caso de Vietnam, la exposición a inundaciones también disminuye la tasa de matrícula, y las puntuaciones de los niños en matemáticas y PPVT. El efecto de las sequías, heladas y granizos en la educación de los niños es sólo significativo en India. Más específicamente, en este país las sequías reducen las puntuaciones PPVT, mientras que las heladas y granizos reducen las puntuaciones de las pruebas de matemáticas. Perú es un país en el que la educación y la salud de los niños no se ven afectadas por los desastres naturales. Posiblemente, en este país la estrategia de afrontamiento de desastres sea mejor implementada.

El principal canal de efecto negativo de las inundaciones en la educación de los niños es a través de la pérdida económica. El gasto per cápita en los hogares que experimentan inundaciones en Etiopía y Vietnam disminuye en un 14,8% y 9,6%, respectivamente. La salud de los niños también puede ser afectada negativamente por los desastres. Encontramos que en Etiopía y Vietnam los niños son más propensos a reportar problemas de salud cuando experimentan inundaciones, pero no encontramos efectos de cualquier tipo de desastres en los resultados antropométricos de los niños, incluyendo puntaje-altura-para-edad z y puntaje-IMC-para-edad z.

Los resultados anteriores sugieren varias implicaciones políticas. En primer lugar, los desastres naturales, especialmente las inundaciones, pueden ser perjudiciales para la educación de los niños a través del efecto negativo en el gasto de consumo del hogar. Para los hogares pobres que se ven afectados por los desastres, los gobiernos deberían proporcionarles tanto programas de apoyo económico como educativo. Si los hogares pudieran recuperarse de las pérdidas económicas, la educación de sus niños no se vería afectada. En segundo lugar, los impactos diferenciales en distintos países implican que no se puede aplicar a todos ellos una conclusión general sobre la relación entre los desastres y la educación de los niños. Las políticas diseñadas para hacer frente a los efectos de los desastres naturales deben adaptarse a cada tipo de desastre, así como a la situación de cada país.

Referencias

Alderman, H., Hodditnott, J. and Kinsey, B. 2006 “Long-term consequences of early childhood malnutrition” en Oxford Economic Papers, 58, 3, pp 450-474

Angrist JD., Pischke JS. 2008 Mostly Harmless Econometrics: An Empiricist’s Companion (Princeton: Princeton University Press).

Arouri, M., Nguyen, C., and youssef, A., 2015 “Natural Disasters, Household Welfare, and Resilience: Evidence from Rural Vietnam” en World Development, 70(C), 59-77.

Baez, J. E., & Santos, I. V. 2007 “Children’s Vulnerability to Weather Shocks: A Natural Disaster as a Natural Experiment”. Research paper.

Baez, J., De la Fuente, A., Santos, I. 2010 “Do Natural Disasters Affect Human Capital? An Assessment Based on Existing Empirical Evidence”, IZA DP Nº 5164.

Becker, G., and H. Lewis 1973 “On the Interaction between the quantity and quality of children.” Journal of Political Economy, Nº81, 279-288.

Becker, G., and N. Tomes 1976 “Child endowments and the quantity and quality of children.” Journal of Political Economy, Nº84, 398-419.

Becker, G.S. 1960 “An economic analysis of fertility” en National Bureau of Economic Research (ed.). Demographic and Economic Change in Developed Countries (Princeton: Princeton University Press).

Becker, G.S. 1965 “A Theory of the Allocation of Time” en Economic Journal, Nº 75: 493–517.

Bekele, G., and Abera, T. 2008 “Livelihoods-based Drought Response in Ethiopia: Impact Assessment of Livestock Feed Supplementation” en Pastoralist Livelihoods Initiative (PLI) program.

Briguglio, L., Gordon Cordina , Nadia Farrugia & Stephanie Vella 2009 “Economic Vulnerability and Resilience: Concepts and Measurements” en Oxford Development Studies, Nº 37(3), 229-247

Campbell, Frances, Gabriella Conti, James J. Heckman, Seong Hyeok Moon, Rodrigo Pinto, Elizabeth Pungello, yi Pan 2014 Early “Childhood Investments Substantially Boost Adult Health” en Science, vol. 348.

Campbell, J.M. 1998 “Review of the Peabody Picture Vocabulary Test. Third Edition” en Journal of Psychoeducational Assessment 16.4: 334-8.

Campbell, J.M., S.K. Bell and L.K. Keith 2001 “Concurrent Validity of the Peabody Picture Vocabulary Test-Third Edition as an Intelligence and Achievement Screener for Low SES African American Children” en Assessment 8.1: 85-94.

Cigno, A., Furio Camillo Rosati, Zafiris Tzannatos 2001 “Child Labor, Nutrition and Education in Rural India: An Economic Analysis of Parental Choice and Policy Options” en Social Protection Discussion Paper Series Nº 0131, December 2001, Social Protection Unit, Human Development Network, The World Bank.

Clark, G. E., S. C. Moser, S. J. Ratick, K. Dow, W. B. Meyer, S. Emani, W. Jin, J. X. Kasperson, R. E. Kasperson and H. E. Schwarz 1998 “Assessing the Vulnerability of Coastal Communities to Extreme Storms: The Case of Revere” (USA) Mitigation and Adaptation Strategies for Global Change 3, 59-82.

Cueto, S., and Leon, J. 2012 “Psychometric Characteristics of Cognitive Development and Achievement Instruments in Round 3 of young Lives, young Lives Technical Note Nº 25” en Young Lives project. Disponible en: http://www.younglives.org.uk.

Cueto, S., Leon, J., Guerrero, G., and Muñoz, I. 2008 “Psychometric characteristics of cognitive development and achievement instruments in Round 2 of young Lives, young Lives Technical Note Nº15” en Young Lives project. Disponible en: http://www.younglives.org.uk.

Datar, A., Liu, J., Linnemayr, S., Stecher, C. 2013 “The impact of natural disasters on child health and investments in rural India” en Social Science & Medicine, Nº 76, 83-91.

Davies, M., Christophe Béné, Alexander Arnall, Thomas Tanner, Andrew Newsham and Cristina Coirolo 2013 “Promoting Resilient Livelihoods through Adaptive Social Protection: Lessons from 124 programmes in South Asia” en Development Policy Review, Nº 31(1): 27-58.

De Janvry, Alain, Frederico Finan, Elisabeth Sadoulet, and Renos Vakis 2006 “Can conditional cash transfer programs serve as safety nets in keeping children at school and from working when exposed to shocks?” en Journal of Development Economics Vol. 79 (2), 349– 373.

Dercon, S. 2004 Growth and shocks: evidence from rural Ethiopia, Journal of Development Economics, Nº74, 309–29

Edmonds, E., 2008 “Child Labor” en T. P. Schultz and J. Strauss (eds) Handbook of Development Economics Volume 4 (Amsterdam: Elsevier Science).

EM-DAT 2015 The OFDA/CRED International Disaster Database, Université catholique de Louvain Brussels – Belgium. Available at http://www.emdat.be

Felbermayr, G., and Gröschl, J. 2014 “Naturally negative: The growth effects of natural disasters” en Journal of Development Economics, Nº111, 92-106.

Filho, I. E. de C. 2008 “Household Income As A Determinant of Child Labor and School Enrollment in Brazil: Evidence From A Social Security Reform”. IMF Working Papers, WP/08/241.

Frankenberg, E., D. McKee, and D. Thomas 2004 “Health Consequences of Forest Fires in Indonesia” en Demography, Nº 42(1), 109–129.

Grootaert, C., and Kanbur, R. 1995 “Child labour: A review. Policy Research Working Paper Nº 1454” (Washington DC: The World Bank).

Grossman, M. 1972 “On the concept of health capital and the demand for health” en Journal of Political Economy Nº 80:223-255.

Grossman, M. 2000 “The Human Capital Model” in Handbook of Health Economics, Volume 1, edited by A.J. Culyer, and J.P. Newhouse, Elsevier Science B.V.

Guha-Sapir, D., D. Hargitt and P. Hoyois, 2004 Thirty Years of Natural Disasters 19742003: The Numbers (PUL: Lovain-la-Neuve).

Haen, H., and G. Hemrich 2006 “The Economics of Natural Disasters – Implications and Challenges for Food Security”. Disponible en: http://www.preventionweb.net/files/3318_2006economicsofnaturaldisasters.pdf

Harris, D., 2010 “The effects of Natural Disasters on the Economy of Developing Countries”. Working Paper.

Heckman, J. 2012 “Invest in early childhood development: Reduce deficits, strengthen the economy”. Disponible en: http://www.heckmanequation.org.

Held, I. and Soden, B.J. 2006 “Robust responses of the hydrological cycle to global warming” en Journal of Climate Nº19, 5686-5699.

Hoddinott J and Kinsey B. 2001 “Child growth in the time of drought” en Oxford Bulletin of Economics and Statistics, Nº63(4):409–436.

Ingwersen, N., Frankenberg, E., Friedman, J., and Thomas D. 2013 “Child Height after a Natural Disaster”. Working paper.

IPCC 2007 “Climate Change 2007: Synthesis Report, Contribution of Working Groups I, II and III to the Assessment Report of the Intergovernmental Panel on Climate Change” [Core Writing Team, R.K. Pachauri and L.A. Meyer (eds.)]. IPCC, Geneva, Switzerland.

Krutikova, S. 2009 “Determinants of Child labor: The case of Andhra Pradesh”. Working Paper Nº 48, Mayo (Oxford: young Lives, Department of International Development, University of Oxford).

Maccini, S. and yang, D. 2009 “Under the weather: Health, schooling, and economic consequences of early-life rainfall” en American Economic Review, Nº 99(3): 1006-26.

Masozera, M., Bailey, M. and Kerchner, C. 2007 “Distribution of impacts of natural disasters across income groups: a case study of New Orleans” en Ecological Economics, Nº 63, 299–306.

Pelling, M., A. Ozerdem and S. Barakat 2002 “The macro-economic of Disasters” en Progress in Development Studies, Nº 2-4.

Rose, A. 2004 “Defining and measuring economic resilience to disasters” en Disaster Prevention and Management, Nº13(4), 307-314

Schultz, T. P. 2002 “Why governments should invest more to educate girls” en World Development, Nº30(2), 207–225.

Stein, A. D., H. X. Barnhart, M. Hickey, U. Ramakrishnan, D. G. Schroeder, and R. Martorell 2003 “Prospective Study of Protein-Energy Supplementation Early in Life and of Growth in the Subsequent Generation in Guatemala” en American Journal of Clinical Nutrition Nº 78 (1): 162–167.

Strobl, E. 2012 “The economic growth impact of natural disasters in developing countries: Evidence from hurricane strikes in the Central American and Caribbean regions” en Journal of Development Economics, Nº 97(1), 130-141.

Strömberg, David 2007 “Natural Disasters, Economic Development, and Humanitarian Aid.” Journal of Economic Perspectives, 21(3): 199-222.

UNISDR 2009 Global Assessment Report on Disaster Risk Reduction (Génova: United Nations International Strategy for Disaster Reduction Secretariat).

Viste, E., Korecha, D., Sorteberg, A. 2012 “Recent Drought and Precipitation Tendencies in Ethiopia”. Research report.

WHO 1983 Measuring change in nutritional status. Guidelines for assessing the nutritional impact of supplementary feeding programmes for vulnerable groups (Génova: WHO).

WHO 1995 “Physical status: The Use and interpretation of anthropometry. Report of a WHO expert committee Nº 854” (Génova: WHO).

World Bank 2014 World Development Indicators Database (Washington: The World Bank).

Jacoby, H. and Skoufias, E. 1997 “Risk, Financial Markets, and Human Capital in a Developing Country” en Review of Economic Studies, Nº64 (3), pp. 311-335.

Jensen, R. 2000 “Agricultural Volatility and Investments in Children” en American Economic Review, Papers and Proceedings, Nº 90 (2), pp. 399-404.

De Vreyera, P., Guilberta, N., and Mesple-Somps, S. 2015 “Impact of Natural Disasters on Education Outcomes: Evidence from the 1987–89 Locust Plague in Mali” en Journal of African Economies, Nº 24 (1): 57-100.

Apéndice

Tabla A.1
Resumen de las estadísticas de las variables

Fuente: Estimación a partir de datos de Niños del Milenio.

Tabla A.2
Regresiones de la exposición a desastres en Etiopía e India

Fuente: Estimación en base a datos de Niños del Milenio. Errores estándares robustos entre paréntesis* significativo en el 10%;** significativo en el 5%;*** significativo en el 1%

Table A.3
Regresiones de la exposición a desastres en Perú y Vietnam

Fuente: Estimación en base a datos de Niños del Milenio. Errores estándares robustos entre paréntesis* significativo en el 10%;** significativo en el 5%;*** significativo en el 1%

Notas

Notas de autor

Información adicional

Cómo citar este artículo [Norma ISO 690]: NGUYET, Pham Minh El Impacto de los Desastres Naturales en la Educación de los Niños: Evidencia Comparativa de Etiopía, India, Perú y Vietnam. Crítica y Emancipación, (15): 17-46, primer semestre de 2016.