Artigo

Matheus Ruschel; Daniel Alvarez Firmino

DOI: 10.22167/2675-6528-202602576

Artículo derivado de Trabajo de Fin de Curso (TCC), con contenido basado en el trabajo original del estudiante y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, una solución de inteligencia artificial desarrollada por el Instituto Pecege para la síntesis y organización textual.

Resumen

El Programa Bolsa Família (PBF) representa una de las políticas de protección social más relevantes a nivel mundial, lo que justifica la investigación de sus efectos ante las acentuadas y heterogéneas desigualdades regionales brasileñas. El estudio evaluó los reflejos socioeconómicos de las transferencias del programa sobre la salud, la educación y el mercado laboral en los municipios brasileños, en el período de 2004 a 2019. Para ello, se aplicó la técnica de agrupamiento K-means para la segmentación territorial y se estimaron modelos econométricos de datos en panel con efectos fijos, tanto a nivel nacional como segregados por clusters. Los resultados revelaron la naturaleza anticíclica del PBF en el mercado laboral, con una relación negativa entre transferencias y vínculos laborales formales en cuatro de los cinco clusters, sugiriendo que los recursos fueron más intensos donde el mercado formal falló. En salud, el programa se asoció a una reducción significativa de la mortalidad infantil evitable en municipios con mayor equilibrio socioeconómico, pero no presentó efecto detectable en agrupaciones de mayor precariedad estructural, indicando que la transferencia de renta es necesaria, pero insuficiente sin infraestructura de salud funcional. En educación, el análisis por subperíodos mostró una atenuación progresiva del coeficiente nacional, reflejando la convergencia de las tasas de matrícula hacia un nivel de alta inercia temporal. Se concluyó que el PBF cumplió su objetivo de protección social de forma anticíclica y territorialmente focalizada, pero su capacidad de transformar indicadores estructurales dependió de la sinergia con inversiones en infraestructura pública.

Palabras clave: Bolsa Família; Mortalidad Infantil; Municipios Brasileños; Panel de Datos; Política Pública.

1. Introducción

La desigualdad de ingresos en Brasil configura un fenómeno estructural, profundamente arraigado en disparidades históricas y socioeconómicas entre sus diversas regiones y grupos sociales. En este contexto, las políticas de transferencia de ingresos, como el Programa Bolsa Família, emergen como instrumentos cruciales de protección social, demostrando impactos expresivos en la reducción de la pobreza y en la mejora de indicadores sociales. Estudios anteriores evidencian la relevancia del programa en la disminución de la pobreza (Soares et al., 2010; Medeiros, Britto, Soares, 2008), en la promoción de la movilidad social por medio del aumento de la escolaridad y del potencial de ingresos futuros de los beneficiarios (Glewwe, Kassouf, 2012), y en la contribución a la caída del índice de Gini y avances en la reducción de la mortalidad infantil (Silva et al., 2021).

Sin embargo, la efectividad de estas políticas no se manifiesta de forma homogénea en todo el territorio nacional. Los resultados y el alcance del Programa Bolsa Família están condicionados por las condiciones estructurales locales, la disponibilidad de servicios públicos y la composición socioeconómica de los municipios. Esta variabilidad territorial sugiere que la capacidad de una política pública para mitigar desigualdades está intrínsecamente ligada al contexto en el que se implementa. La literatura existente, sin embargo, todavía aborda de manera limitada la dimensión de la heterogeneidad en la respuesta de los diferentes perfiles municipales a programas de transferencia de renta.

Ante esta brecha, el presente estudio se justifica por la necesidad de una comprensión más profunda sobre cómo las especificidades territoriales modulan los impactos del Programa Bolsa Família. Para ello, se adopta un enfoque metodológico innovador que integra técnicas de ciencia de datos y métodos econométricos. La investigación comienza con la aplicación de la clusterización por K-means, utilizando variables demográficas, educativas, económicas y de asistencia social para segmentar los municipios brasileños en grupos con patrones socioeconómicos similares. Esta etapa es fundamental para reconocer y categorizar la diversidad estructural del país.

A continuación, se emplea la modelización econométrica de datos de panel con efectos fijos (Wooldridge, 2010; Baltagi, 2021; Stock, Watson, 2019) para estimar el impacto intramunicipal del Programa Bolsa Família. Esta técnica permite controlar características invariantes en el tiempo que podrían sesgar las estimaciones, aislando el efecto de las políticas públicas. Al articular aprendizaje automático y econometría, este trabajo busca contribuir a una comprensión más precisa y contextualizada de los efectos de las políticas de transferencia de renta. El objetivo principal es analizar la heterogeneidad de los efectos del Programa Bolsa Família en indicadores de educación, salud y mercado laboral, considerando las especificidades socioeconómicas de los municipios brasileños, con el fin de ofrecer subsidios empíricos para mejorar la focalización territorial y formular políticas públicas más eficaces.

2. Material y Métodos

El presente estudio se caracterizó como una investigación de naturaleza cuantitativa, con un enfoque metodológico que integró técnicas de ciencia de datos y métodos econométricos. La unidad de análisis comprendió todos los municipios brasileños, abarcando todas las regiones y estados del país, con el objetivo de preservar la heterogeneidad y la representatividad de los datos. El análisis temporal se delimitó al período de 2004 a 2019 para la modelización econométrica, mientras que la etapa de clusterización utilizó datos más actualizados, referentes al año 2023.

La recolección de datos se realizó a partir de fuentes secundarias de conocimiento público. La información sobre Población y Producto Interno Bruto (PIB) per cápita se obtuvo del Instituto Brasileño de Geografía y Estadística (IBGE). Los datos de mortalidad infantil se extrajeron del DATASUS, y los vínculos laborales formales de la Relación Anual de Información Social (RAIS). El Instituto Nacional de Estudios e Investigaciones Educativas Anísio Teixeira (INEP) proporcionó los datos del Censo Escolar para la educación básica. Finalmente, el Ministerio de Desarrollo y Asistencia Social, Familia y Combate al Hambre puso a disposición los datos referentes a los programas Bolsa Família, Auxílio Brasil y Auxílio Emergencial.

Las variables utilizadas fueron tratadas para garantizar comparabilidad y consistencia. El PIB municipal per cápita y los valores de transferencia de renta (Bolsa Família, Auxílio Brasil y Auxílio Emergencial) fueron deflactados a valores corrientes de diciembre de 2023, utilizando el Índice Nacional de Precios al Consumidor Amplio (IPCA). La tasa de matrículas en la enseñanza básica consideró alumnos de 4 a 17 años, y la tasa de mortalidad infantil incluyó fallecimientos de 0 a 4 años por causas evitables, conforme a la Lista Brasileña de Muertes Evitables del Ministerio de Salud, calculada como promedio quinquenal para mitigar la volatilidad. La proporción de vínculos laborales activos se calculó en relación a la población de 16 a 64 años.

En el tratamiento de los datos, los valores ausentes se mantuvieron como cero, justificándose por la naturaleza de los casos, como municipios emancipados después de 2004 o ausencia efectiva de ocurrencias. El panel de datos resultante quedó desbalanceado, lo cual es compatible con el estimador de efectos fijos empleado. No se realizó eliminación de valores atípicos en los modelos de regresión. Para la etapa de clusterización, las variables fueron estandarizadas vía Z-score, asegurando que escalas distintas contribuyeran equitativamente al cálculo de las distancias euclidianas y reduciendo el peso de valores atípicos.

La segmentación territorial de los municipios se realizó mediante la técnica de agrupamiento K-means, un algoritmo de aprendizaje no supervisado. La cantidad óptima de clusters se determinó con la ayuda del método Elbow. Para interpretar los agrupamientos, se utilizó el algoritmo Random Forest Classifier para medir la contribución relativa de cada variable en la separación de los grupos (Importancia de Características), y se calculó el vector de centroides de cada cluster, extrayendo la media de las puntuaciones estandarizadas de las variables originales. Una prueba de estabilidad estructural de la clusterización, utilizando el coeficiente de Spearman entre 2004 y 2023, confirmó la persistencia de las variables de segmentación, como mercado laboral formal (p=0,82), PIB per cápita (p=0,88) y transferencias del Bolsa Família (p=0,70).

Para medir la asociación de los programas de transferencia de ingresos sobre los indicadores de salud, empleo y educación, se empleó la técnica de Regresión con Datos de Panel con Efectos Fijos (Wooldridge, 2010; Baltagi, 2021; Stock; Watson, 2019). Este modelado permitió seguir las mismas unidades de corte transversal (municipios) a lo largo del tiempo, controlando la heterogeneidad no observada y características invariantes en el tiempo. La estrategia empírica se basó en la estimación de un modelo de datos de panel con efectos fijos, donde la variable dependiente (Yit) representó el indicador social analizado, la variable de interés (BFit) los desembolsos del Bolsa Família, y Xity el conjunto de variables de control, además de los efectos fijos municipales (αi) y temporales (λt) y el término de error (εit).

La validez de la inferencia estadística se garantizó mediante el uso de una matriz de covarianza robusta con errores estándar agrupados a nivel municipal, abordando potenciales problemas de heterocedasticidad y autocorrelación serial. El estimador de efectos fijos realizó una transformación interna en los datos, conocida como demeaning, restando la media temporal de cada variable por unidad, lo que permitió aislar el impacto de los programas basándose en la variación intramunicipal. Las estimaciones se procesaron de forma segregada para cada clúster y también a nivel nacional. Se realizaron pruebas de robustez con rezago temporal (t-1) para verificar la persistencia de los efectos, confirmando la estabilidad de los coeficientes en señal y significancia estadística para los tres resultados analizados.

3. Resultados y Discusión

El análisis de los resultados comenzó con la segmentación de los municipios brasileños, utilizando la técnica de agrupamiento K-means sobre indicadores socioeconómicos de 2023. Este enfoque fue crucial para identificar perfiles territoriales distintos y comprender la heterogeneidad estructural del país, que condiciona la eficacia de las políticas de transferencia de renta. El método Elbow, aunque inicialmente sugería tres clusters, llevó a la elección de cinco agrupaciones, ya que esta configuración proporcionó una segregación más detallada de las dimensiones de vulnerabilidad, permitiendo aislar un cluster con indicadores críticos de mortalidad estructural que, de otra manera, estaría aglutinado en grupos más genéricos. Esta granularidad es fundamental para evaluar los efectos específicos del Programa Bolsa Família en diversos contextos de carencia pública.

La importancia de las variables en la formación de los clusters fue evaluada por el algoritmo Random Forest Classifier, revelando que todos los indicadores (PIB per cápita, transferencia del Bolsa Família, matrículas en la enseñanza básica, vínculos formales y tasa de mortalidad) contribuyeron significativamente a la composición de los agrupamientos. Esta alta relevancia de las variables demuestra la capacidad del estudio para diferenciar las regiones brasileñas con base en aspectos socioeconómicos distintos y significativos. La interpretación cualitativa de los clusters, basada en las medias de Z-score, transformó la estructura matemática del modelo en tipologías socioeconómicas concretas, evidenciando las profundas disparidades que caracterizan el territorio nacional.

La distribución geográfica de los cinco clústeres estadísticamente robustos corrobora la literatura sobre las disparidades regionales brasileñas. Se observó una clara segmentación espacial, con el predominio de los Clústeres 0 y 2 en el eje Norte-Nordeste y la concentración de los Clústeres 3 y 4 en el Centro-Sur. Esta proximidad geográfica actúa como un determinante relevante en la homogeneidad socioeconómica de los municipios. Esta configuración espacial valida la aplicación posterior del modelo de regresión segmentada, ya que permite capturar cómo las transferencias de renta impactan realidades regionales distintas, ofreciendo una base sólida para el análisis de los efectos heterogéneos del programa.

Clusterización

El Clúster 0, denominado “Vulnerabilidad de Ingresos”, concentra el 32,85% de los municipios y el 18,28% de la población, predominantemente en el Norte y Nordeste. Se caracteriza por una mayor transferencia del Bolsa Família (1,06) y un menor empleo formal (-0,76), además de un bajo PIB per cápita (-0,55). En este grupo, el Programa Bolsa Família actúa como un engranaje central de la economía local, indicando una alta dependencia de la transferencia de ingresos para la subsistencia de las familias y la dinamización económica, en un contexto de mercado laboral formal incipiente.

El Clúster 1, “Alta Concentración de Ingresos”, comprende solo el 1,63% de los municipios y el 1,47% de la población, dispersos por Brasil. Este grupo representa la élite económica, con el mayor PIB per cápita (5,19) y la mayor formalización (RAIS: 2,91). El valor del Bolsa Família es negativo (-0,62), lo que sugiere que estos municipios dependen menos de las transferencias de ingresos. La baja cantidad de observaciones y la alta homogeneidad interna limitan la capacidad del modelo para capturar variaciones significativas, dado que los indicadores sociales ya operan en niveles elevados y estables.

El Clúster 2, “Crisis Sanitaria”, abarca el 12,08% de los municipios y el 5,94% de la población, concentrados en el Norte y Nordeste. Este grupo presenta el punto más alto de defunciones (1,62) y una tasa de educación por encima de la media (0,67), pero con bajo PIB. El análisis sugiere que estos municipios enfrentan cuellos de botella estructurales significativos en saneamiento o salud pública, donde la transferencia de renta aislada es insuficiente para promover mejoras detectables en los indicadores de mortalidad infantil, incluso con niveles educativos relativamente mejores.

El Clúster 3, “Interior en Desarrollo”, predomina en regiones del interior del Sur, Sudeste y Centro-Oeste, representando el 32,64% de los municipios y el 25,03% de la población. Se caracteriza por indicadores balanceados, sin extremos de pobreza o riqueza. La trayectoria de desarrollo de estos municipios parece depender principalmente de la dinamización del mercado de trabajo formal y del crecimiento económico local, con el Programa Bolsa Família actuando como un complemento a la renta en períodos de baja empleabilidad, pero no como el principal motor de desarrollo.

Finalmente, el Clúster 4, “Eficiencia Social”, concentra el 20,79% de los municipios y el 49,28% de la población, ubicados en polos económicos del Sur, Sudeste y Centro-Oeste. Este es el clúster más equilibrado en términos de indicadores socioeconómicos, con alta formalización del trabajo, buenos indicadores educativos y menor dependencia de transferencias. El desarrollo equilibrado entre capital humano y dinamismo económico es el rasgo distintivo de este grupo, donde el Programa Bolsa Família opera como un estabilizador en períodos de retracción económica, pero no como un inductor primario de cambios estructurales.

Salud: Mortalidad Infantil Defunciones Evitables

La investigación de la relación entre las transferencias del Programa Bolsa Família y la tasa de mortalidad infantil municipal por causas evitables (pcapita_obitos) reveló un impacto no uniforme, fuertemente condicionado por la infraestructura y el perfil socioeconómico de cada agrupación. A nivel nacional, el coeficiente del Bolsa Família fue negativo y significativo (β = -2,56e-07, t = -2,12), indicando una asociación con la reducción de la mortalidad infantil evitable en el período de 2004 a 2019. Este hallazgo sugiere una tendencia de impacto reductor del programa, que se vuelve más refinada y confirmada al segregar la muestra por clústeres.

En el Clúster 0 (Vulnerabilidad de Ingresos), el coeficiente del Bolsa Família fue positivo y significativo (β = 6,08e-07, t = 3,16), asociando el programa al aumento de la mortalidad en los municipios más vulnerables. Este resultado es consistente con la hipótesis de que la eficacia de las transferencias de ingresos en salud depende de la disponibilidad de servicios públicos funcionales, aunque la confirmación causal exige datos más granulares de infraestructura hospitalaria y saneamiento. La ausencia de significancia de otros controles, como vínculos formales, PIB y educación, refuerza que la dinámica de mortalidad en estos municipios está determinada por factores estructurales no capturados directamente por el modelo, sugiriendo que la transferencia de ingresos es necesaria, pero insuficiente sin infraestructura de salud funcional.

En los Clústeres 1 (Alta Concentración de Ingresos) y 2 (Crisis Sanitaria), los coeficientes fueron positivos, pero no significativos (β = 1,24e-06, t = 0,94 y β = 3,28e-07, t = 0,88, respectivamente). En el Clúster 1, el modelo no explica la mortalidad, ya que estos municipios ricos ya poseen una mortalidad infantil estructuralmente baja y poco variable. En el Clúster 2, con los mayores índices de mortalidad de la muestra, el Bolsa Família no logró mover el indicador de forma detectable, reforzando la tesis de que, donde la crisis sanitaria es estructural, la transferencia de ingresos aislada es insuficiente para mitigar los cuellos de botella de la salud pública.

En el Clúster 3 (Interior en Desarrollo), el coeficiente fue negativo, pero no significativo (β = -5,14e-07, t = -0,69). A pesar de la dirección esperada de reducción de la mortalidad, no hubo evidencia estadística suficiente para confirmar el efecto. Por otro lado, en el Clúster 4 (Eficiencia Social), el coeficiente fue negativo y significativo (β = -1,11e-06, t = -2,15), representando el resultado más robusto en la dirección esperada. En estos municipios con mayor equilibrio socioeconómico, redes de servicios públicos más funcionales y mercado de trabajo formalizado, el Bolsa Família está asociado a menores tasas de mortalidad infantil evitable, lo que es consistente con el mecanismo de que la renta transferida produce mejores resultados sanitarios donde hay infraestructura de salud funcional.

Los resultados, por lo tanto, sugieren que la eficacia de Bolsa Família en la dimensión sanitaria está condicionada a la presencia de infraestructura de salud funcional. En los municipios del Cluster 4, donde esta infraestructura está más consolidada, la transferencia de renta se asocia con menores tasas de mortalidad infantil evitable, lo que indica que el programa encuentra condiciones para que la renta adicional se convierta en acceso efectivo a servicios. En los Clusters 0 y 2, donde la precariedad estructural es más acentuada, este canal parece estar bloqueado. Este patrón sugiere que políticas de focalización territorial que combinen transferencia de renta con fortalecimiento de la atención primaria pueden ser más eficaces que la transferencia financiera aislada, especialmente en contextos de vulnerabilidad y crisis sanitaria.

Educación: Matrículas en la Enseñanza Básica

La dimensión educativa, con la asistencia escolar mínima como condicionalidad central del Programa Bolsa Família, fue examinada para comprender la influencia de las transferencias financieras en la tasa de matrículas per cápita. Los coeficientes estimados para la educación revelaron un patrón de alta heterogeneidad entre clusters, con efectos detectables principalmente en el modelo agregado nacional y en los análisis de subperíodos. En el modelo agregado para Brasil, se observó un coeficiente negativo y altamente significativo (β = -2,81e-05, t = -4,63). Sin embargo, este signo negativo no indica una reducción en las matrículas, sino una correlación anticíclica que demanda una descomposición temporal para su interpretación.

El análisis por subperíodos reveló que, entre 2004 y 2008, fase de expansión acelerada del programa, el coeficiente negativo y significativo (β = -6,82e-05, p = 0,000) refleja una correlación anticíclica. Las transferencias crecían prioritariamente en municipios con mayor margen para inclusión escolar, resultando en una asociación negativa que no denota deterioro, sino focalización adecuada. En el período de 2009 a 2014, el coeficiente mantuvo la señal negativa con magnitud reducida (β = -4,27e-05, p = 0,000), sugiriendo que, a medida que el programa alcanzaba su madurez, los municipios de menor desempeño educacional convergían a niveles más elevados, atenuando progresivamente la relación anticíclica.

Entre 2015 y 2019, el coeficiente perdió significancia estadística (β = -8,89e-06, p = 0,238), lo que indica que la variable de matrícula alcanzó un nivel de alta inercia temporal. Esto fue confirmado por la superposición casi completa de las distribuciones de 2004 y 2019, lo que indica que, en esta etapa, el programa sostiene las matrículas, pero no las mueve marginalmente dentro de los municipios. Este resultado es consistente con la hipótesis de convergencia hacia un techo estructural de matrículas. La Relación Anual de Información Social (RAIS) y el PIB per cápita fueron altamente significativos (t = 6,63 y t = 3,95, respectivamente), lo que confirma el argumento de que la renta mínima, la capacidad de inversión municipal y la demanda de cualificación actúan conjuntamente en la educación básica.

En los Clústeres 0 (Vulnerabilidad de Ingresos), 1 (Alta Concentración de Ingresos), 2 (Crisis Sanitaria), 3 (Interior en Desarrollo) y 4 (Eficiencia Social), los coeficientes de Bolsa Família fueron, en su mayoría, no significativos. En el Clúster 0, el programa no mueve la matrícula de forma detectable, ya que la tasa de enseñanza básica ya era universalmente alta desde 2004, siendo el PIB per cápita el principal explicador. En los Clústeres 1 y 4, la tasa de matrícula ya opera en niveles estructuralmente elevados y con baja variación temporal, y el dinamismo económico y la formalización del trabajo son los determinantes centrales de la escolarización.

En el Clúster 2, el programa no mueve la matrícula, lo que es coherente con el perfil de cuello de botella estructural, no de renta. En el Clúster 3, la RAIS es el control más relevante, reforzando que la demanda del mercado de trabajo formal es el principal motor de matrículas. En síntesis, en la dimensión educacional, los resultados indican que el programa sostiene la permanencia escolar en contextos donde las tasas de matrícula aún presentaban margen de crecimiento, especialmente en la fase de expansión. A medida que las matrículas convergen a niveles cercanos al techo estructural, el papel marginal del Bolsa Família se vuelve menos detectable, sugiriendo que el desafío de política pública se desplaza de la inclusión a la calidad y permanencia, demandando instrumentos complementarios a la transferencia financiera.

Trabajo: Vínculos Laborales Formales

La investigación de la interacción entre las transferencias de renta y la dinámica del mercado de trabajo formal en los municipios brasileños reveló que el Programa Bolsa Família tiene una naturaleza anticíclica y una focalización precisa, reaccionando inversamente a los ciclos de contratación formal. En el modelo agregado para Brasil, el coeficiente fue negativo y altamente significativo (β = -5,66e-05, t = -12,93). Este resultado indica que el volumen de recursos del Bolsa Família es mayor en los períodos y localidades donde la oferta de empleo formal declina, actuando como una red de protección social y alcanzando con mayor intensidad a las familias en contextos de menor acceso al mercado de trabajo formal.

En los Clústeres 2 (Crisis Sanitaria), 3 (Interior en Desarrollo) y 4 (Eficiencia Social), los coeficientes fueron negativos y altamente significativos (β = -3,44e-05, t = -3,96; β = -6,54e-05, t = -5,74; y β = -1,00e-04, t = -3,16, respectivamente). Estos resultados son robustos y consistentes con la naturaleza anticíclica del programa, indicando que el Bolsa Família mantiene su función de red de protección social incluso en territorios con diferentes perfiles de desarrollo. La educación básica y el PIB per cápita emergieron como controles significativos y positivos en múltiples clústeres, reforzando que el dinamismo económico y la cualificación son motores estructurales de la formalización, con el Bolsa Família operando como estabilizador en períodos de retracción.

En el Clúster 0 (Vulnerabilidad de Ingresos), el coeficiente fue positivo y no significativo (β = 6,27e-06, t = 1,52). En los municipios más vulnerables, el mercado laboral formal es incipiente y las variaciones en la transferencia del programa no producen un movimiento detectable en el indicador. El PIB per cápita (t = 6,16) es el control más relevante, lo que sugiere que el dinamismo económico local es el principal motor de la formalización en estos territorios. En el Clúster 1 (Alta Concentración de Ingresos), el coeficiente fue negativo y no significativo (β = -3,00e-04, t = -1,29), siendo la educación básica (t = 2,46) el control más relevante, lo que indica que la cualificación es el principal determinante de la formalización en mercados laborales más sofisticados y selectivos.

La relación negativa observada entre el monto transferido por el Programa Bolsa Família y el nivel de empleo formal admite dos interpretaciones principales. Desde la perspectiva económica, el programa puede tener un carácter anticíclico, actuando como un estabilizador automático en municipios donde el mercado laboral es más frágil. Sin embargo, es necesario reconocer la posibilidad de causalidad inversa, donde el aumento del desempleo y la caída en la renta del trabajo amplían el número de familias elegibles al programa, elevando el volumen de transferencias. Aunque el modelo de efectos fijos controla por características constantes de las municipalidades, la naturaleza dinámica de esta relación sugiere que los coeficientes deben interpretarse como correlaciones robustas.

Un hallazgo transversal relevante es que la educación básica y el PIB per cápita emergen como controles significativos en los modelos de mercado laboral en múltiples clusters, sugiriendo la existencia de una cadena de impactos a largo plazo, donde el capital humano alimenta la formalización, que a su vez mitiga la vulnerabilidad. Esta cadena de impactos, sin embargo, es capturada solo parcialmente por el horizonte temporal y la agregación municipal de este análisis. Pruebas de robustez adicionales, sustituyendo las transferencias contemporáneas del Bolsa Família por el desfase de un período (t-1), confirmaron la estabilidad de las estimaciones, con los tres desenlaces manteniendo señal negativa y significancia estadística, sugiriendo que los efectos identificados no son sensibles a la especificación temporal adoptada.

En resumen, el estudio reveló que el impacto del Programa Bolsa Família sobre el desarrollo municipal brasileño es heterogéneo y condicionado a las características estructurales de cada localidad. Las métricas agregadas a nivel nacional ocultan dinámicas territorialmente distintas, y en algunos casos opuestas, de la eficacia de la política pública. La naturaleza anticíclica del programa en el mercado laboral fue el hallazgo más robusto, confirmando que las transferencias tienden a ser mayores donde el mercado formal falla. En salud, la eficacia del programa dependió de la infraestructura de servicios públicos, con reducción de la mortalidad infantil en municipios más equilibrados, pero no en contextos de precariedad estructural. En educación, el programa sostuvo matrículas, pero su papel marginal disminuyó a medida que las tasas convergieron hacia un techo estructural, desplazando el desafío hacia la calidad y permanencia escolar.

4. Conclusión

El presente estudio buscó analizar la heterogeneidad de los efectos del Programa Bolsa Família en indicadores de educación, salud y mercado laboral, considerando las especificidades socioeconómicas de los municipios brasileños. Se verificó que el programa tuvo una naturaleza anticíclica robusta en el mercado laboral, con las transferencias siendo mayores en períodos y localidades donde la oferta de empleo formal declinaba, actuando como una red de protección social en cuatro de los cinco clusters identificados. En la dimensión de la salud, se observó que el programa se asoció a la reducción significativa de la mortalidad infantil evitable en municipios con mayor equilibrio socioeconómico, donde la infraestructura de servicios públicos era más funcional. Sin embargo, en agrupaciones de mayor precariedad estructural, el efecto no fue detectable o presentó asociación positiva, indicando que la transferencia de renta, aunque necesaria, se mostró insuficiente sin la sinergia con inversiones en infraestructura de salud. En educación, el análisis por subperíodos reveló una atenuación progresiva del coeficiente nacional, reflejando la convergencia de las tasas de matrícula hacia un nivel de alta inercia temporal, lo que sugiere que el programa sostuvo las matrículas, pero su papel marginal disminuyó a medida que las tasas se aproximaron a un techo estructural. El enfoque metodológico, que integró la clusterización por K-means con modelos econométricos de datos en panel, se reveló esencial para desentrañar las dinámicas territorialmente distintas y, en algunos casos, opuestas, de la eficacia de la política pública, ofreciendo subsidios empíricos para mejorar la focalización territorial y la formulación de políticas públicas más eficaces.

A pesar de la robustez analítica, el estudio presentó limitaciones derivadas de la naturaleza de las variables utilizadas, como la ausencia de datos más granulares sobre infraestructura de salud y saneamiento, lo que impidió la confirmación causal de algunos mecanismos. Adicionalmente, la agregación de diferentes programas de transferencia de renta y la alta inercia temporal de la variable de matrícula en la enseñanza básica limitaron la capacidad de capturar efectos de largo plazo en el capital humano. Para estudios futuros, se sugiere la exploración de mecanismos de causalidad estricta por medio de variables instrumentales o diseños de cuasi-experimento, como diferencias-en-diferencias con múltiples períodos. Se recomienda también la utilización de datos más granulares, incluyendo microdatos de beneficiarios e información detallada sobre infraestructura de servicios públicos, así como la aplicación de modelos de econometría espacial para capturar interdependencias territoriales. Estos avances permitirían una comprensión aún más profunda de la eficacia del Programa Bolsa Família y de su sinergia con otras políticas públicas, especialmente en contextos de vulnerabilidad y crisis sanitaria.

Referencias Bibliográficas

Baltagi, B.H. 2021. Econometric Analysis of Panel Data. 6ed. Springer Nature, [S.I.].

Glewwe, P.; Kassouf, A.L. 2012. The impact of the Bolsa Escola/Família conditional cash transfer program on enrollment, dropout rates and grade promotion in Brazil. Journal of Development Economics 97(2): 505-517.

Medeiros, M.; Britto, T.; Soares, F. 2008. Transferência de renda no Brasil: impactos sobre a desigualdade e a pobreza. Instituto de Pesquisa Econômica Aplicada [IPEA], Brasília, DF, Brasil. (Texto para Discussão n. 1250).

Silva, M.O.S.; Yazbek, M.C.; Di Giovanni, G. 2021. A política social brasileira no século XXI: a prevalência dos programas de transferência de renda. Cortez, São Paulo, SP, Brasil.

Soares, F.V.; Ribas, R.P.; Osório, R.G. 2010. Evaluating the impact of Brazil’s Bolsa Família: cash transfer programmes in comparative perspective. Latin American Research Review 45(2): 173-190.

Stock, J.H.; Watson, M.W. 2019. Introduction to Econometrics. 4ed. Pearson, [S.I.].

Wooldridge, J.M. 2010. Econometric Analysis of Cross Section and Panel Data. 2ed. MIT Press, Cambridge, MA, USA.

Artículo originario del Trabajo de Conclusión de Curso de la Especialización en Data Science y Analytics del MBA USP/Esalq

Para saber más sobre el curso, haga clic aquí y acceda a la plataforma MBX Academy