RE

L. S

DE CAL. SN

CAL

. SN

AV. PRINCIPAL

PSJ. SN

CA L. S

. SN

CAL

SALAS

CA

NO

CNA

N

YE

S

SAN JOSE DE LOS MOLINOS

N

CA L. CA MI

AÑETE

CAL. TA PSJ. SN

PSJ. SN

CAL. C

SAN JUAN BAUTISTA SN

SN

CAL

L.

SN

CAL .

. SN

CAL. SN

C

A

AV. SN

CAL. PSJ. SN

LA TINGUIÑA

PSJ

GNES

L. S

N

VIAC ION OCTUBR E

AV. A

N .S AL C

SN SN L.

PARCONA

2

RRANCA

SN

AV. SEBA RA

TE

RE

SN

CAL. SN

CAL. SN

R CA

CAL. SN

PSJ. SN

STIAN BA

. SN

PSJ. SN

CAL. SN CAL. SN

. CAL

CAL. SN

PSJ. SN

N

AD

L. S

RNID ATE

CA

LOS AQUIJES

NFR

AV. REAL

. SN

A

SN

SN

SN

C

OC

S

IN

IR

CAL. SN

L.

CA

CAL.

RO

S

CH

ST

LO

L

CA

CAL. SN

AE

VA

M

L.

. SIN

CAL.

DE NIE

U AR AM

S

A

AV

AC

O

C

CA

N L. S CA

L. A C

N

PSJ. JUARES

L.

PSJ. SN

ONDE

UP

CALLE 3

AV. LAS NIEVES

AV. FINLANDIA

IC

A

SN J.

L. A

C

AV. JOSE MARIA EGUREN

CAL. 24

A

L. S

CA

PSJ. SN

LTA C

CAL. SN

SN

BA

Y

SN

. SN

YO

MA

J.

SE

ED

L.

CO

RTIN

.T AV

.L

CAL. SN

L. CA

AV. C

MA

PS

JO

NN

CA

)

CAL

.7 AV

.A AV

PAITA

SN

L.

KE

EC

SAN

A L.

N

L. 3

CA

F.

UT

CA

C

L. S

NA

CA

AC

HA

HN

O

C

O

C

.J

UZ

AV

PA

AV. 4

AV.

C

AV. MANTARO

SN

.T

JR

AV. MOSCU

.C

RU

CAL.

LIMA

S SN AV

CAL. SN CAL. SN

CAL.

JR

. PE CAL.

O ESTR J.

EL CAB CAS NA ULTA L. S

SN

CA

N

S L. CA

L.

CA

PS

CAL.

PSJ. 3

CA

O

RETO

LO CAL.

1

MA LOS

CAL.

AV.

SN

. SN

CAL

L. 4

LLA

SN

J. PS AV

NA

HI

AC

AC

CAL. SN

RL. AU (P

R

G AV.

. CA

J.

PS

SN CAL.

PSJ. SN

U .H

CAL. SN

AV

CAL

ES

CTORIA

AV. LA VI

. SN

SN

AL

L.

N

CA

J.

CAL. SN

SN

CAL. 5

REN

A

S L.

PS

PSJ.

.A

C

N

.S

L CA

PSJ

S

AV

AV. LISBOA

S PATO

CAL. SN

N

.S

J PS

TA (PRL.)

AV. BOGO

. SN

PSJ. 1

CAL. SN

TON

PSJ

AV. LO

S

LE ENA

A

A

AV. PANAM

AV. ROMA

HAVEZ

UR N

CAL. G

AV. WASHING

RGE C

OLAYA

AS .S

SN

R V. A

LE 7

ICA

CAL. SN

SN

AN

N

L.

A

C

PSJ. SN

CAL

L.

RIC

N

N

L. S

L. S

AL

. SN

SN

CA

ME

NA

PA L. S

CA

CA

C

PSJ

. SN

AV. JOSE

RA CA

CAL. SN

STR

DU

. IN

AV

IAL

SN

AV. PARIS

ETE

AV. JO

PS

PSJ. SN

RR

CA

CAL. SN

PSJ. 7

SN CAL. 1

AV. SANTA ROSA

AV. B

PSJ. SN

L.

CA

CAL

CAL. 7

AV. 9 DE

AV. A

L. EL MEDANO

CAL.

CAL. SN

CAL.

CAL. A

N

SN

L. S

NA

PSJ

SUBTANJALLA

CA

CA

TAC

AV . CO

N CA L. S

CAL.

I

CA

de las Ciudades del Departamento de Ica a Nivel de Manzana

BOLO

MA

PSJ.

CAL. LI

N

SN

L. S

PSJ.

CA

SN

. SN

CAL.

PSJ

. SN

CAL. SN

CAL.

SN

CA

L. S

N

A

S

PEDRO PABLO KUCZYNSKI GODARD Presidente Constitucional de la República PRESIDENCIA DEL CONSEJO DE MINISTROS

INSTITUTO NACIONAL DE ESTADÍSTICA E INFORMÁTICA

FERNANDO ZAVALA LOMBARDI Presidente

ANÍBAL SÁNCHEZ AGUILAR Jefe

RE

L. S

DE CAL. SN

CAL

. SN

AV. PRINCIPAL

PSJ. SN

CA L. S

. SN

CAL

SALAS

CA

NO

CNA

N

YE

S

SAN JOSE DE LOS MOLINOS

N

CA L. CA MI

AÑETE

CAL. TA PSJ. SN

PSJ. SN

CAL. C

SAN JUAN BAUTISTA SN

SN

CAL

L.

SN

CAL .

. SN

CAL. SN

C

A

AV. SN

CAL. PSJ. SN

LA TINGUIÑA

PSJ

GNES

L. S

N

VIAC ION OCTUBR E

AV. A

N .S AL C

SN SN L.

PARCONA

2

RRANCA

SN

AV. SEBA RA

TE

RE

SN

CAL. SN

CAL. SN

R CA

CAL. SN

PSJ. SN

STIAN BA

. SN

PSJ. SN

CAL. SN CAL. SN

. CAL

CAL. SN

PSJ. SN

N

AD

L. S

RNID ATE

CA

LOS AQUIJES

NFR

AV. REAL

. SN

A

SN

SN

SN

C

OC

S

IN

IR

CAL. SN

L.

CA

CAL.

RO

S

CH

ST

LO

L

CA

CAL. SN

AE

VA

M

L.

. SIN

CAL.

DE NIE

U AR AM

S

A

AV

AC

O

C

CA

N L. S CA

L. A C

N

PSJ. JUARES

L.

PSJ. SN

ONDE

UP

CALLE 3

AV. LAS NIEVES

AV. FINLANDIA

IC

A

SN J.

L. A

C

AV. JOSE MARIA EGUREN

CAL. 24

A

L. S

CA

PSJ. SN

LTA C

CAL. SN

SN

BA

Y

SN

. SN

YO

MA

J.

SE

ED

L.

CO

RTIN

.T AV

.L

CAL. SN

L. CA

AV. C

MA

PS

JO

NN

CA

)

CAL

.7 AV

.A AV

PAITA

SN

L.

KE

EC

SAN

A L.

N

L. 3

CA

F.

UT

CA

C

L. S

NA

CA

AC

HA

HN

O

C

O

C

.J

UZ

AV

PA

AV. 4

AV.

C

AV. MANTARO

SN

.T

JR

AV. MOSCU

.C

RU

CAL.

LIMA

S SN AV

CAL. SN CAL. SN

CAL.

JR

. PE CAL.

O ESTR J.

EL CAB CAS NA ULTA L. S

SN

CA

N

S L. CA

L.

CA

PS

CAL.

PSJ. 3

CA

O

RETO

LO CAL.

1

MA LOS

CAL.

AV.

SN

. SN

CAL

L. 4

LLA

SN

J. PS AV

NA

HI

AC

AC

CAL. SN

RL. AU (P

R

G AV.

. CA

J.

PS

SN CAL.

PSJ. SN

U .H

CAL. SN

AV

CAL

ES

CTORIA

AV. LA VI

. SN

SN

AL

L.

N

CA

J.

CAL. SN

SN

CAL. 5

REN

A

S L.

PS

PSJ.

.A

C

N

.S

L CA

PSJ

S

AV

AV. LISBOA

S PATO

CAL. SN

N

.S

J PS

TA (PRL.)

AV. BOGO

. SN

PSJ. 1

CAL. SN

TON

PSJ

AV. LO

S

LE ENA

A

A

AV. PANAM

AV. ROMA

HAVEZ

UR N

CAL. G

AV. WASHING

RGE C

OLAYA

AS .S

SN

R V. A

LE 7

ICA

CAL. SN

SN

AN

N

L.

A

C

PSJ. SN

CAL

L.

RIC

N

N

L. S

L. S

AL

. SN

SN

CA

ME

NA

PA L. S

CA

CA

C

PSJ

. SN

AV. JOSE

RA CA

CAL. SN

STR

DU

. IN

AV

IAL

SN

AV. PARIS

ETE

AV. JO

PS

PSJ. SN

RR

CA

CAL. SN

PSJ. 7

SN CAL. 1

AV. SANTA ROSA

AV. B

PSJ. SN

L.

CA

CAL

CAL. 7

AV. 9 DE

AV. A

L. EL MEDANO

CAL.

CAL. SN

CAL.

CAL. A

N

SN

L. S

NA

PSJ

SUBTANJALLA

CA

CA

TAC

AV . CO

N CA L. S

CAL.

I

CA

de las Ciudades del Departamento de Ica a Nivel de Manzana

BOLO

MA

PSJ.

CAL. LI

N

SN

L. S

PSJ.

CA

SN

. SN

CAL.

PSJ

. SN

CAL. SN

CAL.

SN

CA

L. S

N

A

S

Créditos Dr. Aníbal Sánchez Aguilar Jefe del INEI Instituto Nacional de Estadística e Informática

Conducción y Asesoramiento Técnico Nancy Hidalgo Calle Directora Técnica Dirección Técnica de Demografía e Indicadores Sociales Javier Herrera Zuñiga Director de Investigación Institut de Recherche pour le Développement Analistas Leydy Rico Yancce Oscar Kuroiwa Quispe Daniel Quispe Segura Max García Tello Mapas Temáticos Lourdes Huerta Rosales Diagramación Pedro Mendoza Barrientos Marco Montero Khang

Instituto Nacional de Estadística e Informática Av. General Garzón N° 658, Jesús María, Lima 11 PERÚ Teléfonos: (511) 433-8398 Web: www.inei.gob.pe Noviembre, 2016

431-1340

Fax: 433-3591

La información contenida en este documento puede ser reproducida total o parcialmente, siempre y cuando se mencione la fuente de origen: Instituto Nacional de Estadística e Informática.

2

PRESENTACIÓN El Instituto Nacional de Estadística e Informática (INEI), en el marco de la promoción y la difusión de estudios especializados, pone a disposición de autoridades, instituciones públicas y privadas y usuarios en general, el documento “Planos Estratificados de las Ciudades del Departamento de Ica a Nivel de Manzana según Ingreso Per Cápita del Hogar”. Los planos presentan la estratificación de las manzanas censales de cada distrito según los niveles estimados del ingreso per cápita cuyas estimaciones que fueron realizadas en base a la información del Empadronamiento Distrital de Población y Vivienda 2012-2013, las encuestas permanentes de hogares y otras fuentes de datos. Las nuevas orientaciones de lucha contra la pobreza ponen énfasis en la necesidad de diseñar políticas sociales que aborden las especificidades de la pobreza urbana en sus diferentes dimensiones. Actualmente, las ciudades del país concentran un poco más de la mitad de la población en situación de la pobreza pero, por la dimensión de su población, los instrumentos de medición e identificación requieren ser complementados por otros más finos que tomen en cuenta la heterogeneidad de situaciones de los hogares urbanos. Ello implica, en el caso de las grandes urbes poder distinguir diferentes áreas de la ciudad en donde la intervención debe ser focalizada y con información actualizada. Este es uno de los objetivos principales del documento. Este documento consta de tres capítulos. En el primer capítulo de introducción se detalla la importancia y necesidad de focalizar en el área urbana, haciendo uso de la estratificación de los ingresos del hogar. El segundo, detalla las fuentes de información utilizadas, la metodología econométrica y los procedimientos empleados para la estratificación de los ingresos de los hogares. En el tercer capítulo se desarrolla el análisis de precisión y robustez de los resultados así como los procedimientos de validación del modelo econométrico. Finalmente, el documento incluye 4 mapas temáticos de las Grandes Ciudades de Ica a nivel de manzanas estratificadas según los ingresos per cápita del hogar. El INEI expresa su reconocimiento a las autoridades públicas y privadas, a los funcionarios censales y a las familias peruanas por su apoyo en brindarnos la información; y de manera especial al Dr. Javier Herrera del Institut de Recherche pour le Développement (IRD-Francia) por

su apoyo en la definición e implementación de la metodología de estimación de ingresos en áreas menores cuyos resultados son presentados en este documento.

3

CONTENIDO Presentación...........................................................................................................................................................3 I.

Introducción.................................................................. ..............................................................................7

II.

Metodología................................. ............................ ..................................................................................7 2.1.

Metodología de estimación..............................................................................................................7

2.2.

Fuentes de Información...................................................................................................................8

2.3.

Elaboración del modelo del ingreso estimado.................................................................................8 2.3.1. Selección de variables explicativas del ingreso....................................................................8 2.3.2. Proceso de selección del modelo del ingreso e imputación en el SISFOH..........................9

III.

2.4.

Evaluación de manzanas censales................................................................................................10

2.5.

Estratificación del ingreso..............................................................................................................10

Análisis de precisión y robustez.................... ............................ ..............................................................11 3.1.

Análisis de sensibilidad....................................................... ..........................................................11

Mapas Temáticos según grandes ciudades Ica................................................................................................................................................................... 15 Chincha............................................................................................................................................................16 Nasca............................................................................................................................ ..................................17 Pisco..................................................................................................................................... ..........................18

5

6

I. INTRODUCCIÓN Durante el periodo de rápido crecimiento que el país ha experimentado en la última década, los niveles de pobreza han disminuido considerablemente, tanto en el área rural como en el área urbana. Así, entre 2004 y 2015 la incidencia de pobreza en el área rural disminuyó en 38.3 puntos porcentuales mientras que la pobreza urbana cayó en 33,7 puntos. En 2015, la tasa de pobreza rural se sitúa en 45.18%, la urbana de 14,54% y la de Lima metropolitana es de 10,95%. Al mismo tiempo, la población de las principales ciudades ha continuado expandiéndose a un ritmo superior al de la población rural; tanto por el crecimiento demográfico como por las migraciones internas. El porcentaje de población rural ha caído de 29,9% en 2004 a 23,3% en 2015 de suerte que la población urbana representa hoy en día más de tres cuartos de la población nacional (76,7%). Ello ha implicado por un lado que el número de hogares en situación de pobreza sea en 2015 ligeramente superior al número de pobres en el área rural (3’517 446 pobres urbanos y 3’375 677 pobres rurales) y por el otro lado que sea cada vez más difícil estimar con la misma precisión la incidencia de pobreza cuando éstas alcanzan bajos niveles. Este problema es particularmente agudo en la capital en donde reside casi un tercio de la población (31,6% en 2015). Esta evolución de la pobreza ha significado la necesidad de tomar en cuenta la heterogeneidad de condiciones de vida de la población urbana en donde los hogares en situación de pobreza tienden a concentrarse en ciertas áreas de la ciudad. Esta constatación ha motivado la necesidad de disponer de nuevos instrumentos que permitan identificar los lugares de la ciudad en donde se concentra la población en situación de pobreza. Ello posibilitará también establecer las distintas dimensiones de privaciones de dicha población. Los resultados obtenidos permitirán responder a las exigencias de información de las nuevas estrategias de lucha contra la pobreza y de la política social poniendo énfasis en las especificidades de la pobreza urbana. El poder distinguir diferentes áreas de la ciudad en donde se concentra la pobreza en sus diferentes dimensiones permitirá una intervención focalizada y con información actualizada. Un ejemplo reciente de la creciente demanda de información estadística en áreas menores, es la política de subsidios según la clasificación socioeconómica que se sustenta en el artículo 10° del Decreto Supremo

N°021-2012-EM, Reglamento de la Ley N°29852 y la Resolución Ministerial N°262-2016-MEM/DM, Programa de Masificación del Uso Residencial y Vehicular del Gas Natural. En este documento se presenta la estratificación de las manzanas en el área urbana de Ica por Grandes Ciudades en función de los ingresos estimados de los hogares, permitiendo distinguir al interior de la ciudad, zonas con mayor o menor nivel de ingreso. Para ello se han clasificado los niveles de ingreso en cinco estratos: Alto, Medio Alto, Medio, Medio Bajo y Bajo, mediante procedimientos estadísticos que optimizan la homogeneidad intra estrato y maximizan las diferencias entre estratos, lo cual implica un menor error de focalización. Para la estimación de ingresos por manzanas se ha empleado la metodología de estimación en áreas menores pues las encuestas por muestro no permiten estimaciones a ese nivel de desagregación. Los censos de población no pueden captar información sobre los ingresos de los hogares por ser un indicador complejo, más aún cuando los ingresos informales predominan. Por otro lado, tenemos las encuestas especializadas que si tienen obtienen información de ingresos de forma robusta a través de módulos especializados. Sin embargo, el diseño de dichas encuestas (como la Encuesta Nacional de Hogares) permite estimar indicadores de ingresos de los hogares con un nivel de representatividad solo departamental o para el conjunto de Lima metropolitana. La metodología de estimación en áreas menores consiste en combinar la información de una encuesta (Encuesta Nacional de Hogares 2012-2013) con la de un censo (Empadronamiento Distrital de Población y Vivienda 2012-2013), además de otras fuentes de datos para estimar el ingreso per cápita para unidades administrativas menores (manzanas). En poder utilizar múltiples fuentes de datos nos permite captar con mayor precisión la heterogeneidad espacial de los niveles de ingreso. La metodología empleada sigue los mismos lineamientos que fueron implementados en la estimación del mapa de pobreza distrital 2013 publicado este año por el INEI. El documento que presentamos permite visualizar a nivel de cada gran ciudad, las manzanas agrupadas en estratos según sus niveles estimados del ingreso per cápita del hogar.

II. METODOLOGÍA 2.1. Metodología de estimación del ingreso Como se mencionó, los censos de población no captan información sobre los ingresos de los hogares debido a su alta complejidad como para ser medida a través de un censo. Por otro lado, tenemos las encuestas especializadas que si tienen información de ingresos obtenida de forma robusta. Sin embargo, debido al diseño propio de las encuestas por muestreo (como es el caso de la Encuesta Nacional de Hogares), los indicadores de ingresos de los hogares son estimados únicamente con un nivel de representatividad departamental más no distrital y mucho menos en área menores que el distrito. La metodología de estimación de áreas menores (ELL)1 desarrollada por Chris Elbers, Jean Lanjouw y Peter Lanjouw (Econometrica, 2003), economistas del Banco Mundial dan solución a este problema. La metodología propuesta consiste en combinar información de una encuesta (Encuesta Nacional de Hogares 2012-2013) y de un censo de población (Empadronamiento Distrital de Población y Vivienda 2012-2013). Teniendo en cuenta que en la encuesta de hogares capta el ingreso de los hogares, se estima los modelos predictivos del ingreso per cápita del hogar con información de la encuesta, empleando las variables comunes en el censo, luego aplica los parámetros estimados en los datos censales para predecir el ingreso de cada hogar censado, obteniendo estimaciones de los niveles del ingreso per cápita por hogar promedio a diferentes niveles de desagregación geográfica. Una de las condiciones de validez de la metodología es que las definiciones de las variables utilizadas en el modelo econométrico tenga definiciones operativas idénticas y que sus distribuciones sean similares (media, varianza en particular). La otra condición necesaria es que la especificación del modelo econométrico así como las variables incluidas en la regresión sean relevantes para la predicción del ingreso. Es necesario por consiguiente que el modelo estimado tenga una capacidad predictiva adecuada (es decir un coeficiente de determinación suficientemente elevado que minimice los errores de predicción), los 1

Propuesta por el Banco Mundial y desarrollada por Chris Elbers, Jean Lanjouw y Peter Lanjouw (“Micro-Level Estimation of Poverty and Inequality”, Econometrica 2003)

7

coeficientes estimados sean significativos y que las variables predictivas sean capaces de captar la heterogeneidad espacial de los niveles de ingresos. La disponibilidad de bases de diferentes datos censales geo referenciadas y registros administrativos (fuentes detalladas más adelante) ha permitido incluir en el modelo de regresión variables que reflejan las heterogeneidades espaciales al nivel más fino posible (de manzanas y conglomerados). Ello tiene no solamente la ventaja de captar la heterogeneidad local mejorando la capacidad predictiva del modelo econométrico sino también, al estar dichas variables censales exentas de errores muestrales, ello redunda en la mejora de la precisión de la predicción. En el siguiente Gráfico N°3.1, se observa un gráficamente la metodología ELL aplicando la encuesta y el censo.

GRÁFICO N° 3.1 ANÁLISIS DE LA ENCUESTA Y EL CENSO CON LA METODOLOGÍA ELL ENCUESTAS A HOGARES POR MUESTREO

CENSO Y LAS ENCUESTAS A HOGARES

Se armonizaron estas dos bases con la información proveniente de otros censos y registros administrativos, denominados “fuentes externas” a nivel de conglomerados, centros poblados y distritos. Entre ellos destacan el Censo de Infraestructura Educativa 2013, Censo Escolar 2013, Evaluación Censal de Estudiantes 2012 y 2013, Registro Nacional de Municipales 2014, Censo Nacional a Gobiernos Regionales 2014, Empadronamiento Distrital de Población y Vivienda.

2.3. Elaboración del modelo del ingreso estimado En la elaboración del modelo predictivo del ingreso de los hogares se procedió en varias etapas. (1) En primer lugar fue necesario realizar un perfil sobre los hogares de las Grandes Ciudades de Ica, para determinar que variables nos permiten diferenciar a los estratos. (1) En segundo lugar se seleccionó las variables predictivas que potencialmente están correlacionadas con los ingresos de los hogares y que tengan definiciones y distribuciones similares en la ENAHO y el SISFOH, (2) En tercer lugar se determinó el modelo predictivo del ingreso de los hogares y se imputó a cada hogar del SISFOH los coeficientes y los errores estimados a partir de la ENAHO y variables externas provenientes de fuentes censales o administrativas (3) Finalmente, se analizó la sensibilidad de las estimaciones frente a diferentes especificaciones y desagregaciones geográficas. Asimismo, se examinó la precisión de los indicadores obtenidos. Luego de la fase de estimación e imputación se construyeron los intervalos de ingresos con el fin de clasificar las manzanas según los cinco estratos requeridos. 2.3.1.

2.2. Fuentes de información La construcción de la Estratificación de las ciudades de Ica a nivel de manzanas según los ingresos 2013, tiene como fuentes principales al Empadronamiento Distrital de Población y Vivienda 2012-2013 (SISFOH) y la Encuesta Nacional de Hogares 2012-2013, estás dos potentes fuentes de datos fueron homogenizadas a nivel de conglomerados y actualizadas geográficamente.

Selección de variables predictivas del ingreso

Este proceso es uno de los más importantes debido a que exige el conocimiento del marco conceptual del presente estudio. Se prestó especial cuidado en verificar el cumplimiento de las condiciones subyacentes para la validez para la aplicación del método de estimación de áreas menores. También se evaluó las interacciones entre variables predictivas. Hay que destacar que los ingresos del hogar reflejan los recursos monetarios obtenidos por los hogares de sus diferentes fuentes, siendo el ingreso por trabajo la principal. Ello significa que el mapa estratificado refleja de manera directa las fuentes primarias de los ingresos y por ende la sostenibilidad de las condiciones de vida de los hogares.

8

Igualdad en la definición y distribución de las variables predictivas A partir de variables existentes con definiciones idénticas en la encuesta y el censo, se construyeron indicadores o variables complejas armonizadas, obteniéndose en un inicio más de mil variables candidatas a predecir el ingreso. Alrededor de 276 variables están relacionadas con las características demográficas del hogar, educación, capital humano, activos físicos y acceso a servicios, características de las viviendas y servicios básicos, empleo e indicadores de capacidad económica. Las fuentes externas censales y administrativas permitieron otros 301 indicadores construidos a partir de las variables que fueron agregadas a nivel de conglomerado y distritos. En la selección de variables predictivas de los ingresos se cuenta con la ventaja de la existencia de números trabajos de estimación empírica siguiendo la tradición de los modelos mincerianos de ingresos. (i) Características demográficas Entre las características demográficas y composición de los hogares, se consideraron indicadores correlacionados con los ingresos del hogar como por ejemplo la composición de la población por grupos de edad (niño, adolecente, en edad activa, adulto mayor y sus respectivos ratios). Hogares con mayores tasas de dependencia tienen en promedio menor capacidad a generar ingresos debido a la menor participación en el mercado de trabajo que ello implica. Asimismo, la edad del jefe del hogar, generalmente el principal perceptor de ingresos refleja a la vez su experiencia en el mercado laboral y la variación de los ingresos a lo largo del ciclo de vida. Se consideraron igualmente el tamaño del hogar, la situación de aseguramiento de salud de los miembros del hogar, entre otras. (ii) Características educativas Los años de educación tienen una relación directa con los ingresos. Se probaron distintas especificaciones de esta dimensión. Así, considerando el posible efecto de “acreditación” de los niveles de educación en el mercado de trabajo, se categorizó el nivel de educación del jefe del hogar según niveles educativos (primaria, secundaria, superior no universitaria y universitaria). Con el propósito de captar competencias mínimas, se consideró la tasa de analfabetismo. Está dimensión, que se apoya en la teoría del capital humano formulada por Mincer y Becker, es una de las

más estudiadas en la literatura empírica sobre la determinación de los ingresos. Se ha ampliamente demostrado el efecto directo y positivo de la educación, que implica una mayor productividad laboral, sobre los ingresos. (iii)

Características de la Población Económicamente Activa (PEA) En la medida que en el SISFOH no se cuenta con información de una variable monetaria, se complementaron las variables de las otras dimensiones con variables relacionadas a la condición de la actividad económica de los miembros del hogar. Se considera variables referidas a la rama de actividad de los miembros del hogar: servicios, estado (gobierno), comercial, entre otros. Las diferencias de ingresos entre las actividades económicas en que se emplean los miembros del hogar captan el flujo de ingresos, así como también si son trabajadores dependientes, independientes, desempleados, estudiantes, jubilados.

(iv) Características y servicios básicos de la vivienda Se construyeron variables relacionadas al tipo de material de construcción predominante en las estructuras de las viviendas (paredes exteriores, techos y pisos), los servicios básicos (agua, desagüe y alumbrado eléctrico), el combustible que utiliza el hogar para preparar sus alimentos, tenencia de la vivienda (casa propia, alquiler, etc.), precariedad de la vivienda en relación a su infraestructura, entre otros. La características de la vivienda están relacionadas por un lado con el ingreso pasado y por otro lado con el acceso a servicios básicos, factor correlacionado al entorno geográfico del hogar, identificando en particular las zonas marginales de la ciudad con poca presencia del estado a través de las empresas de servicio público. (v) Activos físicos y acceso a servicios El equipamiento del hogar constituye un reflejo de posibilidades del grado de capital no humano acumulado por el hogar a lo largo de un periodo que va más allá de la coyuntura, reduciendo así el impacto de la volatilidad de los ingresos que caracteriza a la población de menores recursos. Los equipos que posee el hogar, tipos de equipos (celular, televisor a color, equipo de sonido, refrigeradora, computadora, lavadora de ropa), asimismo, los servicios no indispensables del hogar (tv-cable, internet, teléfono fijo) muestran hasta cierto grado el poder de adquisición de los miembros del hogar, debido a que, al hablar de equipamiento no solo se

refiere a la adquisición de activos o acceso a servicios sino también al mantenimiento de estos en el tiempo.

Verificación de la igualdad de la distribución de las variables predictivas

(vi) Otros indicadores de la vivienda y hogar Se tiene indicadores como las Necesidades Básicas Insatisfechas (NBI) y se define como hogares con privación aquellos que tengan al menos una privación en alguno de los cinco componentes de las NBI (precariedad de las viviendas, el hacinamiento, la falta de servicios higiénicos adecuados, la no asistencia escolar de los niños, la dependencia económica) y en situación de miseria los hogares que tengan dos o más de los indicadores simples de necesidades básicas insatisfechas. Estos índices de NBI permiten jerarquizar los espacios geográficos con mayor pobreza estructural en relación a las carencias.

Luego de definir las posibles variables predictivas del ingreso estimado, es necesario realizar el primer filtro de selección de variables comunes en la encuesta y el censo, considerando la misma definición de las variables y tener distribuciones semejantes. Se verificó que el valor promedio de las variables en el SISFOH, se encontraba dentro de los intervalos de confianza (al 95%) del valor obtenido en la ENAHO. En el caso de las variables continuas, se efectuaron los test de medias (t-student) teniendo como hipótesis nula que no existan diferencias significativas al 95% de confianza y se evaluó los gráficos de Kernel de cada variable continua comparable en la encuesta y el censo; mientras que, en el caso de las variables cualitativas se examinaron los resultados de los test de chi cuadrado.

(vii) Otras variables Se utilizó otras fuentes censales y registros administrativos, también correspondientes a los mismos periodos de referencia, que han permitido captar las especificidades locales a un nivel de desagregación mínima (conglomerados), mejorando así la capacidad predictiva de los modelos y precisión de las estimaciones al no comportar un error muestral. Entre las fuentes externas se tiene el Censo de Infraestructura Educativa 2013, Censo Escolar 2013, Evaluación Censal de Estudiantes 2012 y 2013, Registro Nacional de Municipales 2014, Censo Nacional a Gobiernos Regionales 2014, Empadronamiento Distrital de Población y Vivienda 2012-2013, las variables fueron armonizadas en la encuesta y en el censo. Entre las variables de fuentes externas agregadas a nivel de conglomerado y distrito, se tienen variables altamente correlacionadas con la variable ingresos. Entre ellos el ratio del número de alumnos entre el número de aulas, el tiempo de recorrido del local escolar a la capital del distrito, características de docencia, características de las instituciones educativas, número de matriculados, número de docentes, bienes del local escolar, evaluación de compresión lectora y matemática; variables de competencias y funciones de la municipalidad, gestión y políticas de desarrollo, sistema informático y comunicación de la municipalidad, variables de información general del gobierno municipal, desarrollo económico, servicios sociales y municipales y variables de características de la vivienda, hogar y población a nivel de conglomerado y distrito, adicional a ello se cuenta con variables de estrato socioeconómico.

Como primer resultado de evaluación con los estadísticos, se obtiene 164 variables sobre un total de 276 variables internas iniciales comparables en la ENAHO y SISFOH que lograron pasar el test de igualdad de medias, distribución de Kernel y la chi cuadrado. Selección de variables en el modelo predictivo Considerando que para cada uno de las dimensiones se contaba con varias maneras de calcular el mismo indicador captando el mismo fenómeno, era necesario proceder a una selección de las mismas con el fin de evitar los problemas derivados de la colinealidad existente entre ellas. En efecto, la presencia de variables altamente colineales provocan inestabilidad en los parámetros estimados Para salvar este problema se empleó las técnica de selección de variables “stepwise”. Una regla empírica, citada por Kleinbaum2, consiste en considerar que pueden existir problemas de colinealidad si algún factor de Inflación de varianza es superior a 10. Cumpliendo con la regla de multicolinealidad en la regresión se filtraron 255 variables, es decir, pasaron el proceso de limpieza de variables altamente colineales.

2

9

D.G. Kleinbaum, L.L. Kupper, K.E. Muller. Applied Regression Analysis and Other Multivariables Methods. PWS-KENT Publishing Company. 1988.

2.3.2. Proceso de selección del modelo del ingreso e imputación en el SISFOH Para las estimaciones de los ingresos es necesario realizar un modelo econométrico que prediga el ingreso per cápita del hogar y seleccione óptimamente las variables que permitan obtener buenos resultados en pruebas de bondad de ajuste. La técnica de estimación stepwise3 maximiza el R2 ajustado, conservando en la regresión final únicamente las variables que son individualmente significativas estadísticamente. Este método de selección conviene en los casos en que se trata de estimar un modelo puramente predictivo. El riesgo, que ha sido evaluado, es que el ajuste sea elevado únicamente en la muestra considerada y que, transpuesta a otra muestra, los R2 ya no sean elevados ni la selección de variables la más óptima. Para ello se implementó una comparación de la capacidad del modelo predictivo dentro respecto a la predicción fuera de la muestra (ver sección 4 en la que se presenta el análisis de sensibilidad).

ajustado es de 0,57; es decir más de la mitad de la varianza de los ingresos es explicada por el modelo. Dicho coeficiente, dada la experiencia internacional, es considerado adecuado por estar dentro de los parámetros establecidos. El número de variables en el modelo predictivo son 28 variables, el error cuadrático medio es 0,12. CUADRO N°3.1 MODELO DEL LOGARITMO DEL INGRESO

13 15 16 17

Nro

Variables explicativas

Coeficiente

Std, Err,

t

|Prob|>t

INTERCEPTO

6,826

0,05

140,00

0,00

1

LTAMHOG

-0,585

0,03

-23,42

0,00

2

RATTAM3_MBB

-0,337

0,05

-6,16

0,00

3

HORNO_MBB

0,131

0,04

3,35

0,00

4

LAVADORA

0,180

0,02

8,06

0,00

5

ESSALUDJEFE_MBB

0,129

0,03

4,76

0,00

6

SISJEFE

-0,265

0,04

-6,03

0,00

7

SISJEFE_MBB

0,156

0,06

2,80

0,01

8

PISO_PREC1_MBB

-0,051

0,04

-1,29

0,20

9

SERVBAS1_MBB

0,064

0,03

2,35

0,02

10

VIVIEN1

0,127

0,03

4,52

0,00

11

VIV_PREC1_MBB

-0,055

0,03

-2,08

0,04

12

EDUCONY_MBB

0,007

0,00

2,61

0,01

13

EDUJEFE_MBB

-0,012

0,00

-3,38

0,00

14

EDUPRIM1

0,058

0,02

2,70

0,01

15

EDUPRIM2

0,030

0,02

1,43

0,15

16

EDUPRIM3_MBB

-0,090

0,01

-6,06

0,00

17

EDUSUP2

0,054

0,01

4,24

0,00

Dentro del proceso de imputación se aplicó el método “Empirical Best”, denominado así como el mejor estimador desarrollado por Molina y Rao, (2010). Asumiendo que los errores tienen una distribución según la ley normal, se minimizaron los errores de estimación de áreas menores mejorando las predicciones de su entorno al utilizarse la información de ingresos recogida directamente a través de la muestra de los hogares presentes en la encuesta.

18

MEDUHOG2

0,398

0,06

6,16

0,00

19

JEFDEP

0,067

0,02

3,43

0,00

20

OCU_REMUN_MBB

0,136

0,01

9,79

0,00

21

RAMA4_MBB

0,095

0,03

3,70

0,00

22

RAMA5

0,111

0,03

4,31

0,00

23

SIS_JEFECOMER

1,268

0,56

2,25

0,02

24

SIS_JEFEESTAD

-1,866

0,68

-2,75

0,01

25

CED_LIB

0,000

0,00

2,70

0,01

26

CENG_C9P2A_2

0,000

0,00

-4,05

0,00

27

EST_D1

0,165

0,04

4,65

0,00

En el Cuadro N°3.1 se observa el resultado del modelo econométrico final en la encuesta, las variables son significativas individualmente y en su conjunto. El número de observaciones en la encuesta es de 1 521 hogares para Ica, considerado número suficiente de casos para una estimación robusta de los parámetros de regresión. La bondad de ajuste del modelo predictivo medido a través del coeficiente de determinación

28

EST_D5

-0,068

0,03

-2,70

0,01

Para este documento se desarrolló el modelo de regresión de errores anidados propuesto por Elbers, Lanjouw y Lanjouw (2003)4. Como variable a predecir se tiene el logaritmo del ingreso per cápita del hogar para así atenuar el peso de los valores extremos en la regresión y por ende en los coeficientes.

Thompson, B. (2001). Significance, effect sizes, stepwise methods, and other issues: Strong arguments move the field. Journal of Experimental Education 4 Elbers, Chris, Peter Lanjouw, Johan Mistiaen, Berk Özler y Kenneth Simler, Are Neighbors Equal? Estimating Local Inequality in Three Developing Countries, International Food Policy Research Institute, FCND DP No.147, abril de 2003.

12 14

Modelo estadístico y bondad de ajuste

3

8 9 10 11

1 2 3 4 5 6 7

Locales escolares con servicios higiénico conectado a red pública de desagüe Número de años de estudios de la cónyuge del jefe del hogar en el estrato medio bajo o bajo Número de miembros de 18 a más años con primaria completa en el estrato medio bajo o bajo Número de miembros de 18 a más años con secundaria completa en el estrato medio bajo o bajo Jefe del hogar tiene ESSALUD en el estrato medio bajo o bajo Estrato Medio (gasto) Estrato Medio Bajo (gasto)

10

18 19 20 21 22 23 24 25 26 27

Estrato Bajo (gasto) Tiene horno microondas en el estrato medio bajo o bajo Tiene lavadora Logaritmo tamaño del hogar Número de años promedio de educación miembros 15 a más años/16 años de estudios Número de ocupados independientes Número de personas ocupadas que perciben salario por trabajo en el estrato medio bajo o bajo Miembros del hogar con edad entre 0 y 14 años Hogar que al menos tiene una persona ocupada en estado (gobierno) Miembros con primaria completa/total de miembros de 15 a más años en el estrato medio bajo o bajo Miembros 0-12/tamaño del hogar en el estrato medio bajo o bajo Alguien en el hogar con seguro de salud Alguien en el hogar con seguro SIS Agua y servicios higiénicos por red pública dentro de la vivienda y electricidad en el estrato medio bajo o bajo Proporción de hogares con jefe del hogar con educación secundaria completa o incompleta y ocupado en el conglomerado Proporción de hogares con tipo de hogar nuclear con hijos en el conglomerado Tamaño del hogar Tasa de ocupados que perciben ingresos entre el total de miembros del hogar en el estrato medio bajo o bajo Techo de concreto armada en el estrato medio bajo o bajo Vivienda de material noble

Imputación (bootstrap) Una vez estimado el modelo predictivo a partir de las variables internas (ENAHO) y externas (datos censales y administrativos), la etapa siguiente consiste en estimar los ingresos en cada hogar del censo. Para ello se imputan los coeficientes de la regresión a las variables comunes. Es necesario igualmente imputar una estimación de los errores. La imputación de los errores se realizó mediante un proceso de simulación por “bootstrap”. La simulación consiste en generar valores de los parámetros a partir de réplicas aleatorias de la base censal a la que se imputaran las estimaciones. Así, se replicó 100 veces las estimaciones de suerte que se pudo estimar los ingresos promedio y las desviaciones estándar en los niveles geográficos deseados. En el proceso de imputación de ingresos se excluyeron los valores extremos predichos por el modelo, lo cuales fueron identificados comparando los valores predichos con los rangos máximo y mínimo de los ingresos obtenidos por la ENAHO. Con ello se recortaron los valores extremos estimados (procedimiento llamado “”trimming” en el software Povmap).

2.4. Evaluación de manzanas censales

2.5. Estratificación del Ingreso

Con la estimación del modelo en la ENAHO e imputación de los parámetros en cada hogar del SISFOH se obtiene el ingreso estimado per cápita a nivel del hogar. Con ello ya se podría promediar el ingreso del hogar a nivel de manzanas censales, pero antes de ello es necesario evaluar la distribución de viviendas por manzana censal para tener estimaciones más robustas a ese nivel.

En la medida que, por un lado se requiere robustez en la identificación de los hogares según sus niveles de pobreza y, por otro lado se ha definido una focalización que distinga 5 estratos poblacionales, se empleó el método de Dalenius-Hodges (1959) en la constitución de los rangos que definen los cinco estratos de ingresos.

En Ica se tiene de 7 mil 674 manzanas censales con viviendas ocupadas, en promedio se tiene 18 hogares por manzanas, la mediana es 14 y la moda 1. El número de hogares por manzana es de un hogar a 276 hogares con ocupantes presentes. Después de una evaluación del número de viviendas por manzana para cada distrito de Ica se obtuvieron los siguientes resultados: 



En 6 distritos se encontró que, en promedio, más del 40% de manzanas tienen entre uno a 10 hogares. Por ello, para una mayor precisión, en estos casos el cálculo del ingreso promedio per cápita del hogar se efectuó a nivel de conglomerados. En 10 distritos con manzanas censales que tienen entre uno a 10 hogares, más del 80% de las manzanas son similares en su estrato. La mediana del número de hogares por manzana es de 15 hogares, por lo cual, aquellas manzanas con menos de 10 hogares se agrupan con manzanas de su entorno (cercanía espacial) perteneciente a su mismo estrato.

En resumen de las 2 838 manzanas de Ica que tienen entre uno a 10 hogares, se realizó el agrupamiento espacial de manzanas para el 60.9%. El 39,1% de manzanas fueron agrupadas según el conglomerado al cual pertenecen. Para cada manzana censal se obtuvo el ingreso promedio per cápita del hogar calculado a nivel de manzanas, manzanas agrupadas y conglomerados según la condición de la manzana en los distritos mencionados anteriormente. Con la homogenización y armonización del tamaño de las manzanas la estimación final es más robusta y reduce el sesgo según las distintas zonas de las Grandes Ciudades de Ica.

El método consiste en la formación de estratos de manera que la varianza de las medias sea mínima al interior del estrato y máxima entre cada uno de ellos, es decir, formar estratos lo más homogéneos posible.

CUADRO N°3.3 ESTRATIFICACIÓN DE INGRESOS POR EL MÉTODO DE DALENIUS PERSONAS Absoluto

CUADRO N°3.2 ESTRATIFICACIÓN DE INGRESOS POR EL MÉTODO DE DALENIUS

ESTRATO ALTO

RANGO DE INGRESOS PER CÁPITA (Soles)

1 026,90

a

más

MEDIO ALTO

843,50

-

1 026,90

MEDIO

721,20

-

843,50

MEDIO BAJO

583,60

-

721,20

BAJO

Hasta

583,60

En el Cuadro N° 3.3, a nivel de manzanas el estrato más alto contiene a 9,5%, el medio alto a 13,8%, el medio a 22,9%, el medio bajo a 31,3% y el bajo a 22,4% de manzanas censales. Si consideramos la estratificación a nivel de personas se tiene que en el estrato alto representa a 8,7%, el medio alto a 15,3%, el medio a 26,7%, medio bajo a 30,9% y el bajo a 18,3% de los miembros del hogar.

11

MANZANAS

%

Absoluto

%

Absoluto

%

ALTO

44 723

8,7

13 280

9,4

757

9,5

MEDIO ALTO

78 516

15,3

22 336

15,9

1104

13,8

MEDIO

137 244

26,7

37 385

26,5

1826

22,9

MEDIO BAJO

158 508

30,9

42 724

30,3

2497

31,3

94 121

18,3

25 184

17,9

1790

22,4

513 112

100,0

140 909

100,0

7 974

100,0

BAJO

En el Cuadro N° 3.2, utilizando la propuesta de Dalenius se construye cinco estratos de ingresos a nivel de manzanas censales, el estrato alto de 1 026,90 soles a más soles, el estrato medio alto de 843,50 soles hasta 1 026,90 soles, el estrato medio de 721,20 soles hasta 843,50 soles, el medio bajo de 583,60 soles hasta 721,20 soles y el bajo hasta 583,60 soles a precios de Lima Metropolitana.

HOGARES

ESTRATO

TOTAL

III. ANÁLISIS DE PRECISIÓN Y ROBUSTEZ Con el fin de evaluar la robustez de las estimaciones se hicieron varios test de sensibilidad y se evaluó la precisión y plausibilidad de las estimaciones. En primer lugar se compararon los valores predichos por la regresión con los valores observados en la misma encuesta ENAHO. Enseguida se evaluó en qué medida el método “stepwise” de selección de variable permitía o no una imputación de los coeficientes y errores estimados en un conjunto distinto de observaciones pero con similar distribución. Finalmente, se compararon las distribuciones de las estimaciones obtenidas mediante la regresión con la distribución obtenida en la imputación en áreas menores. 3.1. Análisis de sensibilidad Como se vio en el capítulo anterior, se realizó la selección de variables por el método “stepwise”, que permite optimizar la combinación de variables para tener el mejor R2 ajustado posible. Se debía sin embargo descartar sin embargo que el ajuste del modelo sea demasiado específico a los datos utilizados en la estimación y por lo tanto la predicción podría ser no muy buena con otro conjunto de observaciones.







Para la selección de una sub muestra y probar el modelo econométrico sobre una base de datos que tiene la misma característica de distribución, se divide la muestra de la ENAHO 2012-2013 en dos partes iguales obtenidas de forma aleatoria.

CUADRO N°4.2 COMPARACIÓN DEL INGRESO PROMEDIO DE LA ENAHO OBSERVADA Y ESTIMADA Ingreso

Enseguida se estimaron los coeficientes de la regresión en base únicamente de la primera muestra y luego se imputaron los coeficientes y errores estimados a la segunda mitad de la muestra.

FUENTE Promedio ENAHO observada ENAHO estimada

Finalmente, se compararon los valores predichos en esta segunda submuestra con los valores observados en la ENAHO.

871

826

916

862

820

904

-1,1

0,8

2,0

759,4

821,9

FUENTE ENAHO estimada SISFOH estimada

GRÁFICO N°4.1 FRECUENCIA ACUMULADA DEL INGRESO PER CÁPITA DEL HOGAR ESTIMADO Y OBSERVADO EN LA ENAHO ICA: FRECUENCIA ACUMULADA DEL INGRESO PER CÁPITA ENAHO (Valores a precios de Lima Metropolitana)

Signifi cancia

* Diferencia significativa (p < 0.10). ** Diferencia altamente significativa (p < 0.0 5). *** Diferencia muy altamente significativa (p < 0.01).

Fuente: Instituto Nacional de Estadística e Informática.

0

Asimismo, se comparó el ingreso promedio de la ENAHO observada y estimada del total de la muestra. En el Cuadro N°4.2, se observa que no existe diferencia significativa entre las dos medias del ingreso.

400

1000

1500

Ingreso percápita

Ingreso ENAHO (Estimado)

2000

2500

Ingreso ENAHO (Observado)

12

Promedio

Coef. Var.

Límite inferior

Límite superior

790,66

2,0

759,4

821,9

763,00

1,2

744,6

781,5

P >t

Signifi cancia

0,87

* Diferencia significativa (p < 0.10). ** Diferencia altamente significativa (p < 0.0 5). *** Diferencia muy altamente significativa (p < 0.01).

Fuente: Instituto Nacional de Estadística e Informática.

En el siguiente Gráfico N°4.2, se tiene la frecuencia acumulada del ingreso promedio per cápita del hogar estimado en la muestra ENAHO y el ingreso promedio per cápita del hogar estimado en el SISFOH. GRÁFICO N°4.2 FRECUENCIA ACUMULADA DEL INGRESO PER CÁPITA DEL HOGAR ESTIMADO EN LA ENAHO Y EL SISFOH

1

P >t

790,7

Intervalos de confianza al 95%

Ingreso

0,989

.1 .2 .3 .4 .5 .6 .7 .8 .9

Observado base 2 Estimado base 2

Ingreso Promedio

CUADRO N°4.3 COMPARACIÓN DEL INGRESO PROMEDIO DE LA ENAHO ESTIMADA Y SISFOH ESTIMADA

833,1

En el siguiente Gráfico N°4.1 se tiene la frecuencia acumulada del ingreso promedio per cápita del hogar en la muestra ENAHO observada y estimada. Se puede constatar que la curva de frecuencia acumulada de ambas distribuciones coincide fuertemente.

% de hogares

FUENTE

764,8

Signifi cancia

Fuente: Instituto Nacional de Estadística e Informática.

CUADRO N°4.1 COMPARACIÓN DEL INGRESO PROMEDIO ESTIMADA Y OBSERVADA EN LA SUB MUESTRA DE LA ENAHO Var. Porcen_ tual

2,2

P >t

* Diferencia significativa (p < 0.10). ** Diferencia altamente significativa (p < 0.0 5). *** Diferencia muy altamente significativa (p < 0.01).

En el Cuadro N° 4.1, se presentan los ingresos estimados y observados de la sub muestra de la base 2 donde se imputo los coeficientes estimados de la sub muestra de la base 1. Los test de diferencia de los ingresos estimados fuera de la muestra respecto a los observados en la ENAHO muestran que no existen diferencias significativas entre las medias de los ingresos en ambos caso por lo cual concluyó que el método de stepwise no indujo un sobre-ajuste de la regresión y que los coeficientes y errores estimados podían ser imputados a otro conjunto de observaciones con distribución semejante.

Intervalos de confianza al 95% Límite Límite inferior superior

799,0

Intervalos de confianza al 95% coef. Límite Límite Var. inferior superior

Finalmente, se comparó el ingreso promedio de la ENAHO estimada y el ingreso promedio estimado en el SISFOH. En el Cuadro N° 4.3, se aprecia que no existe diferencia significativa entre las dos medias del ingreso.

3000

DE RE Y CA L. SN ES

NA

CAL.

SN

AV. PRINCIPAL

CAL .

SN

CAL. SN

SALAS

CA L. SN

CA L.

PSJ. SN

PSJ. SN

SAN JOSE DE LOS MOLINOS

CA MIN O

ÑETE

PSJ. SN

CAL. CA CAL. TAC

SN

SN

SAN JUAN BAUTISTA L.

SN

CAL.

C

SN CAL.

LA TINGUIÑA

PSJ

GNES

L. SN

CAL. A

IACIO N OCTUBRE

AV. AV

AV. 9 DE

AV. LAS NIEVES

AV. FINLANDIA

C

A

L.

SN

N .S AL C

SN L.

N L. S CA

C

2

SN

SN

. CAL

CAL. SN

SN

L. SN

CA

BARRAN CA

PSJ. SN

CAL. SN

CAL.

PSJ. SN

SN

CAL. SN

CAL. SN

PSJ. CAL. SN

A

ER

ET

RR

CA

CAL. SN

PSJ. SN

D

L. SN CA

LOS AQUIJES AV. SEB ASTIAN

L.

CA

CAL. SN

NFR ATE RNID PSJ. A SN

CALLE 3

AV. REAL

S

IN C

A S

A

N

CAL.

RO

S

OC IR

ST

LO

SN AL.

CAL. SN

AE

L.

CH

CAL.

NIEVA

M

A

. SIN

NDE DE

S

U

O

AR

AM .L

C

AV

PSJ. JUARES

PARCONA

CA

A

L.

IC

A

SN J.

C

AV. JOSE MARIA EGUREN

CAL. 24

PSJ. SN

SN

CAL. SN

N

L.

PSJ. SN

SN AV

CAL. SN

AV. CO

J. S

L. SN

CA

A

. SN

YO

MA

PAITA

AC UP

.T

AV

ABEL CASC NA LTA L. SU

CA

J.

CAL.

IN ART

PS

LTA

C

CO

.A

.7

LIMA

SN

Y

SN

BA

ED

L.

SE

CA

NN

JO

KE

L.

EC

M SAN

A L.

N

L. 3

CA

F.

UT

CA

C

HN

HA

L. S

NA

CA

AC

O

C

O

C

.J

UZ

AV

.C

JR PA

AV. 4

AV.

S

C

SN

.T

JR

AV. MANTARO

CAL. SN CAL.

.) (PRL

CAL

AV

CAL.

AV

TO

STRO

PS

CAL. SN CAL. SN

L. 4

CAL.

LORE

MAE

.S

L CA

N

.S

L CA

SN

RU

CAL.

1

LOS

CAL.

AV.

N

CAL. PSJ. 3

U

GRA

CA

AO

SN

SN

S J. PS

A

IN

CH

CA

UA

.H

AV

AV.

CALL

J.

CAL. PSJ. SN

CAL. SN

. PE

CAL.

S

PS

AV. LA VIC

C

AV

SN

ALE

L.

SN

. AL

SN

J.

PS

REN

TORIA

SN

A

PSJ.

S

.A

AV. LISBOA

S PATO

AV

CAL. SN

SN

CAL. 5

C

N

L. S

CA

.)

OTA (PRL

AV. BOG

AV. MOSCU

AV. LO

SN PSJ.

P

PSJ. 1

CAL. SN

N

AV. PARIS

AVEZ

R

CAL. SN

. SJ

S ALE

N

. ARE

AV. PANAMA

SN PSJ.

SU

SN

N

CAL. G

AV. WASHINGTO

RGE CH

SN

E OLAYA

L.

A AN

N

L.

A

C

.S

AV

E7

ICA

CAL. SN

CA

RIC

N

L. S

L. S

CA

N

CA

L. S

CA

ME NA

PA

AL

PSJ. SN

CALL

AV. JOS

RA

C

SN

AV. ROMA

ETE

AV. JO

PS

PSJ. SN

RR

CA

CAL. SN

PSJ. 7

SN

L

TRIA

US

IND

. AV

AV. SANTA ROSA

AV. B

PSJ. SN

L.

PSJ.

SN

CAL. 7

CA

CAL. 1

NO

SN

CAL.

AV. A

CAL. EL MEDA CAL. SN

CAL.

CAL. SN

. CO

CA

SUBTANJALLA

CA

CA L. SN TACN A

CAL.

AV

L.

SN

A

PSJ.

I

CAL. SN

BOLO

SN

CAL. LIM

N

PSJ.

CAL.

L. S

SN

. SN

CA

CAL.

Ciudades del Departamento de Ica a Nivel de Manzana

SN

CAL.

CAL.

A

AV. SN PSJ. SN

SN

SN

CA

L. SN

13

CIUDAD ICA

PLANO ESTRATIFICADO A NIVEL DE MANZANA POR INGRESO PER CÁPITA DEL HOGAR RE DE

L. S

CA

NO CAL

SALAS

CAL. SN

CAL

SN

CAL

ESTRATO

L.

SN

CAL .

. SN

C

CAL. SN

GNES

PSJ. L. S

N

VIAC ION OCTUBR E

AV. A

AV. 9 DE

AV. LAS NIEVES

N .S

LTA

AL

BA

C

A

L. S

CA

C

N

SN

C

SN

L.

L.

A

L.

CA

N L. S CA

L. A

LO

S

IN

C

CA

. SIN IR

CH A

OC

2

S

AV

CAL.

A

N L. S

DIAGRAMA DE UBICACIÓN

SN

SN

L CA

PSJ. SN

CAL. SN CAL. SN

RA

TE

RE

R CA

PSJ. SN

SN

CAL. SN

CAL. SN

CAL. SN

. SN

CAL

CAL. SN

. SN

PSJ. SN

CAL. SN

L.

CA

STIAN BA RRANCA

N

RNID AD

L. S S

LOS AQUIJES

. SN

SN

CAL.

RO

CA

ST

ATE

AE

CAL. SN

M

VA

S

U

O

AR

DE NIE

AM

AV. REAL

ONDE

C PA

.L

CAL. SN

AV. SEBA

IC

A

SN J.

C

A

L.

AV. SANTA ROSA

AV. FINLANDIA

C

SE

Y

SN

PSJ. SN

AV. C

TU

EL CAB CAS A TAN SUL

CALLE 3

JO

L.

ED

PSJ. JUARES

L.

CA

NN

AV. JOSE MARIA EGUREN

CA

EC

KE

CAL. 24

N

L. 3

CA

L. S

CA

NA F.

UT

CAL. SN

SN

AV. MANTARO

AC

C

HN

O

HA

SN

O

AY

ITA

. AV

RTIN MA

J.

(PRL.)

O

C

PSJ. SN

17,9 16,6 23,0 26,2 16,3 100,0

SAN

PS

18,0 19,8 26,1 24,4 11,7 100,0

.J

UZ

AV

C

AV. 4

AV.

SN

16,5 19,2 26,7 25,7 12,0 100,0

MANZANAS (%)

SN

M CO

.A

LIMA

S STRO

L.

1 026,9 a más 843,5 - 1 026,9 721,2 - 843,5 583,6 - 721,2 583,6 a menos

HOGARES (%)

.T

JR

AV. MOSCU

.C PA

PARCONA

. CAL

AV

PA CAL.

CAL.

MAE SN AV

CAL. SN CAL. SN

.7 AV

O

RETO

LO CAL.

1

LOS

SN

J.

L. CA

L.

CA

L.

PS

CAL.

SN

PSJ. 3

CA

CAL.

AV.

SN

J.

. SN

CAL

C

LLA

SN

CAL.

PS AV

NA

HI

AC

AC

4 AL.

. CA

J.

PS

IA VICTOR

PSJ. SN

U .H

INGRESO PER PERSONAS CÁPITA POR HOGAR (%) (Soles)

CAL. SN

CAL.

RL.)

G AV.

RU

CAL

ES

TA AV. BOGO

(P RAU

. PE

AL

CAL. SN

AV

SN

CAL. SN

SN

CAL. 5

REN

L.

N

CA

J.

.A

SN

S L.

PS

AV

A

.

L CA

. SN

PSJ. 1

SN

C

PSJ

S

J.

PS

AV. LA

A

622 575 799 910 567 3 473

COMPILACIÓN DE IMÁGENES

CAL. SN

JR

LES

AV. LISBOA

S PATO

.A AV

. SN

PSJ

AV. LO

N

A

AV. PANAM

AV. ROMA

HAVEZ

.S

PSJ.

CAL. SN

C

10 841 11 908 15 713 14 672 7 018 60 152

CAL. G

TON AV. WASHING

RGE C

UR C

SN

A REN

LE 7

ICA

OLAYA

AS

N

AL

L.

A

PSJ. SN

CAL

CAL. SN

AN

N

L. S

L. S

N

SN

RIC

L.

CA

ME

NA

PA L. S

CA

CA

C

. SN

SN

AV. JOSE

RA CA

AV

L RIA

SN

AV. PARIS

ETE

AV. JO

PS

PSJ. SN

RR

CA

CAL. SN

PSJ. 7

SN

PSJ. SN

L.

AV. B

ST

DU

. IN

PSJ

. SN

CAL. 7

CA CAL. 1

CAL. SN

37 247 43 392 60 292 58 216 27 064 226 211

MANZANAS

CAL. SN

CAL.

AV. A

DANO CAL. EL ME

CAL.

TOTAL

CAL. A

N

SN

L. S

NA

NFR

SUBTANJALLA

CA

CA

TAC

PSJ

N L. S CA

CAL.

I

AV . CO

BOLO

MA

1 026,9 a más 843,5 - 1 026,9 721,2 - 843,5 583,6 - 721,2 583,6 a menos

HOGARES

SN

CAL. LI

N

PSJ.

L. S

SN

. SN

CA

ALTO MEDIO ALTO MEDIO MEDIO BAJO BAJO

LA TINGUIÑA

PSJ

CAL.

INGRESO PER CÁPITA POR HOGAR PERSONAS (Soles)

POBLACIÓN Y MANZANAS (PORCENTAJE)

SAN JUAN BAUTISTA

SN

A

AV. SN

CAL. PSJ. SN

CAL

ALTO MEDIO ALTO MEDIO MEDIO BAJO BAJO

TOTAL

AV. PRINCIPAL

PSJ. SN

CA L. S

. SN

N

CNA

ESTRATO

. SN

PSJ. SN

CA L. CA MI

AÑETE

PSJ. SN

CAL. C CAL. TA

N

YE

S

SAN JOSE DE LOS MOLINOS

POBLACIÓN Y MANZANAS (UNIDADES)

PSJ

. SN

CAL. SN

CAL.

SN

CA

L. S

PUEBLO NUEVO Fuente: Instituto Nacional de Estadística e Informática - Empadronamiento Distrital de Población y Vivienda, 2013.

N

Ley Nº 27795 - Quinta Disposición Transitoria y Final de la Ley de Demarcación y Organización Territorial: “En tanto se determina el saneamiento de los límites territoriales, conforme a la presente Ley, las delimitaciones censales y/u otros relacionados con las circunscripciones existentes son de carácter referencial”.

CIUDAD CHINCHA

ANCHA AV. LOS GE RANIOS

CAL. CU RIC

Z . PA

N

CA

L. S

AV TIN

SN

US

L.

.S

PA N

SN

J. SN

PS

CHINCHA ALTA

J.

SN J. PS

OS

TO

UN

IO

N

ON

TA

AM

CA

. AR

A

N

AV

. EL

TIG

RE

ENA

LES

CAL. ALVA PSJ. SN

MAURTUA

CAL. SN

CAL. SN PSJ. SN

NO

PSJ. SN

A

L. S

LV

PSJ . SN

OS

PSJ. LEVA

LA

L.

CA

SN

.B

. SN

L.

M

CAL

PS PSJ

AL

AV

DE CA TOMA

PSJ. SN

J.

PS

J.

PS

AV

AL

J. S

N

OS

J. PS

HAS

PS

DO

R ZA SA

LA

FLO

O

AL C

A

A RID

BL

G A

CA

N SA V.

E

SN

N

ON COL

AV. OO OY

IM . LA

PSJ . SN

PSJ

SN PAC

CAL.

PSJ. SN

AG

L.

AV. SAN VAL

DIAGRAMA DE UBICACIÓN

LANCA

ENTIN

PSJ. SN

PSJ. HUAL

PANAMERIC CARRETERA

J.

PSJ. SN

NIAS CAL. LAS GA RDE

PSJ. HUANTA

AV. ARGENT

ANA SUR

RES AV. LA S FLO

DE

SN

J.

. SN

A TIN RG EN .A AV

OS

PSJ

30

SM

SN

PSJ. SN

AV. PROGRESO

PSJ. SN

CAL.

PS

CAL. SN

IURA CAL. P

LINA MO

DO

PRA

EMIO

ART

CIO

AV.

GRO AV. S

TEL SO DO

AR ER

. EM

L. G

ILIO

GU

L. 6

PSJ .

PSJ. RI VAS

AV. AM ERICA

CA

PSJ.

CAL.

L.

CA

L. L

RIA

CAL. SN

ARD CUC LAS CAL.

RLO CA L. S

UNIN

RAU

L.)

JR. G

A(PR RL.) JR. G RAU (P

. RE AL S AC ACIA S

CAL. LA

CAL

PSJ. SN

CAL. SN

CA

PS

CAL. SANTA RITA

ZA

E

IS MENDO CAL. LU

UGART

LFON SO

L.

CA

CA

AV. SANTA MARIA

INA

PSJ. SN

CAL. SA NTO TO MAS

PSJ. KIKE

AV. LI M

ILESA PSJ. C

PSJ. SN

U EL GRA MIGU

PSJ. SN

CAL.

A

ICTO

SN

CA

CAL. SN

ARTE

AV. A

LA V

COMPILACIÓN DE IMÁGENES

SN

N

JR. INDEPENDENCI

N

AV.

SN

L. S

PSJ. SN

ISCO

L.

CAL.

L.

JR. C OLO N DOM INGO

S PSJ.

PSJ. PROGRESO

CHINCHA BAJA

JR. P

CA

CA

AV. MINA DE ORO

OSA

ANTO

4,1 8,6 18,8 38,9 29,6 100,0

A

CA

PSJ.

JR. S

3,9 9,8 23,8 36,8 25,7 100,0

ROS

CAL. SN

.)

A

3,2 9,0 24,1 36,1 27,6 100,0

C

CAL. SN

ANTA

L.

CRE

JR. IC

1 026,9 a más 843,5 - 1 026,9 721,2 - 843,5 583,6 - 721,2 583,6 a menos

MANZANAS (%)

SA

PSJ. SN

CA

L SU

RANTA

ALTO MEDIO ALTO MEDIO MEDIO BAJO BAJO

HOGARES (%)

CAL. SN

PSJ. SN

JR. S

CA

AV

ISCA

ELICA

INGRESO PER PERSONAS CÁPITA POR HOGAR (%) (Soles)

RO

PSJ. SN

S

RIO

CAV

ESTRATO

L.

PSJ. NORA

A AN

MAR

CA

P

SA

OS

TA

PSJ. SN

DE M AYO (PRL) PRIM AVER A

CA L N . RO

S SJ.

NO

ZAN

AN .S AV

NSO UG

PSJ. SN

AV.

VILL

AV

SN

PSJ.

RIA TO IC .V

MO

82 173 379 784 595 2 013

A C

ATIM A

AV. 2

RGE CAH VEZ TUPA C AM ARU

AV. JO

AV.

O MAY 2 DE

SN

. SN

AV.

.)

1 625 4 096 9 949 15 410 10 758 41 838

A

JR. EL PINO

PSJ. SN

PSJ. SN

PSJ. SN

ICO

JR. ALFO

TERR

N MO

JR. ALMEYDA

AV.

PSJ. SAN MARCELO

. SN

CAL

AV. LAS MAGNOLIAS

CAL. SN AS

Z UA RE AV .J

RE SUC AV.

U GRA UEL

MIG

RL

MAN

U RT

CAL. NAZARENO

CAL. REAL

PSJ. SN

(P

JR. J

SN . AL

O

LOS

TOTAL

NI

ON

AS

A

CAL. FERROCARRIL

S

UIDE

CAL.

4 782 13 320 35 850 53 717 41 122 148 791

MANZANAS

POBLACIÓN Y MANZANAS (PORCENTAJE)

ORQ

M

SN

LIA

PSJ. SN

RE

CA

(PRL

TA R

CAL. SN

N

A

QUEB

SAN

CAL. SN

CAL. SN

CAL. SN

AV.

PSJ. JASMINEZ

RAN

ARTI

.U

ALIA

ILPA

AN M

HA

A

PSJ.

AL

CRISTOB

BAR

LV

AV .F

SN

NIO

ITA AV.

SUNAMPE

RO

RI

JR. IT

CAL.

CAL. LOS PROCERES

LIMA

SA

LO

RE

JR. P

TIAN

A

. SN

AV. SAN

HINC

TE

TOTAL

1 026,9 a más 843,5 - 1 026,9 721,2 - 843,5 583,6 - 721,2 583,6 a menos

HOGARES

INAS

IÑAS

HUAN

ALTO MEDIO ALTO MEDIO MEDIO BAJO BAJO

INGRESO PER CÁPITA POR HOGAR PERSONAS (Soles)

AND

SN

V.

CAL.

RO

ED

JR. S

AV

AV.

PSJ. SUCRE

CAL. SN

SN PSJ.

SF

USCO

CAL.

A

J.

OSA

N ANTO

AV. SA N

PSJ. SN

AR SC

INES

P

TA R

SAN

PSJ. SN

S PSJ.

PSJ

CES

.P

TRO

UA

S JASM

A

MED LA ALA

S SAU

PSJ. LO

SN

L.

AV

AS SJ. C

.H

CAL. LO

ERA

PSJ.

J.

IN

AV

PS

AISO

PAR

PSJ. PRIMAV

AV. UNION

LA

AV. C

JR. C

AÑE

JR. IC

TO

. SN

PSJ

AV. LA

CAL.

S

AV.

L

A CIP

SN

MA

N

PS CA

PSJ. SO

AV

LPA

ELE

NG

L. S

PSJ. SN

C

SN

O DE PI

PS

J.

N PEDR

SA

A

CA

SN

PSJ.

VIDES

AV

. LO

ILP

ON

J.

SN

BENA

. PR

AV. SA

EP

JO

NI

IA

PSJ.

CAL

J.

PS

. SN

ARIS

SN

OD

O

PSJ. SN

J.

PS

AV. M

SN

AG

LA

PSJ

TE EN

V. A

RY

L. P

UR

ALI

CAL. CUZCO

LAS V

LAS

PAZ

CAL.

JR. LI

TE

JR. C

A

J.

CA

SN

SE

YA

AV. LA

AÑE

.U

LIG

O

J.

PS

RI

SN

JR. C

AV

J.

CAL.

CAL.

EBAS

PS

L.

PS

CA

J.

SO RE G

C

RO

VI

.P AV

A

PS

NA

NAS

SN

RICA

N

CA

CAL.

JR. A

PSJ

SN

SN

TE

AV. TU

CAL.

JR. S

UEV

PS

EN

RICA

L. N

J.

.C

AV. A

.S

CA

PS

J.

ER

AV

AL

S V.

AV

AL

PSJ. SN

PS

SN

SN

SN

AV.

SN J. PS J.

A

C

PS

IO JUL DE . 28

. SN

AV

PSJ

RITA HO

J.

L. H

AV

PS

IST

UT

J PS

AN

ELC

E

UAM

.M

ART

PS

A .B

.) RL

UG

N

NSO

J. PS

SN

(P

LFO

N

N

S J.

L.

.S

IO

A

N

UN

C

AL

J.

MA

TO

IO

RE

SN

PS

J.

PS

TUB

T

SN

OC

. PSJ

LP

.E

AV

AN MA RTIN

AV .S DE

O

IC

A AS

CAL.

SN

C

N

.S

EN

V OR

C

C

L. A

J PS

A

IR

T AS

N

N V.

A

M

TO

SN

. AL

SN

E

CA

ZO

RI

R CA

SN

PSJ.

JOS

A ILL

L.

CA

U V.

L. 9

AS

CO

CAL. UCAY

CAL. MIN PER U

L.

CA

M

CA

N

N .S

AN

JUA

ÑO

A

AL

A ET

S J. PS

R UE

SP

L. S

L CA

A

EN M

G HI

LA

AN

J.

PSJ. SN

LM

AR

J.

L.

.) .) RL RL (P (P A C A S IM AN HA .L RR C SN JR L. BA PA N O CA C TIA IS AS NC EB RA .S .F AL AV

PA

LC

PS

L. S

CA

N

LA

E J. PS

CA

CA

PS

N

.S

L CA

ESTRATO

PUEBLO NUEVO

C

J.

CAL. SN

S J. PS

SN

PS

J.

PS

SN

GROCIO PRADO

L.

S

O

TR

O

CA

I

POBLACIÓN Y MANZANAS (UNIDADES)

AV. LOS INCAS

L. CA

NO

M

CA

CAL. SN

CAL. SN

PLANO ESTRATIFICADO A NIVEL DE MANZANA POR INGRESO PER CÁPITA DEL HOGAR

EAL

INO R

CAM

SN

ALTO LARAN Ley Nº 27795 - Quinta Disposición Transitoria y Final de la Ley de Demarcación y Organización Territorial: “En tanto se determina el saneamiento de los límites territoriales, conforme a la presente Ley, las delimitaciones censales y/u otros relacionados con las circunscripciones existentes son de carácter referencial”.

Fuente: Instituto Nacional de Estadística e Informática - Empadronamiento Distrital de Población y Vivienda, 2013.

CIUDAD NASCA

PLANO ESTRATIFICADO A NIVEL DE MANZANA POR INGRESO PER CÁPITA DEL HOGAR . SN

CAL

CAL. SN

. SN

CAL

AV. CAL. SAN MAURICIO

AV. M EPE

. SN

E

AV

LOS INC AS

EL

N.

J.

L. S

RO

O

R

DO

N

O

C

PLATA

CA

EL

PS AV. LA

PSJ. LOPEZ

CU A

CH

C

O

TE

AC

HA AC

.P JR

SN

TE CU C

J.

PS

. JR CA

DIAGRAMA DE UBICACIÓN

C PA UI

NQ

C

PA

YU

CA

N AL .S

L

N .S AL C

VISTA ALEGRE

N

9

N

A IP

1 L.

N

NC RI

CA

.S

L. S

.P

AV

N AL

CA

S L.

CA

9

.S

N

.1

.S

L CA

AL

CA

C

C

AL

SN

C

L.

A

C

SN

PA

N

TA

S J.

SN

AY

PS

.M

AC

P CA SN

L.

HA

IR

JR

CO

CA

AN J.

L.

CA

SN

C

N

L. S

CA

L.

CA

RO

.M PS

D

PA

AL

.P

A

UIP

EQ

AR

J.

A

AC

.W

A

JR

LM

.P

JR

PA HA

NC

HI

HI

JR

AA

TER

RE AR

PS

IS

N LU

CAL. SN

C IN

SN

C

N

L. S

CA

1,2 14,7 28,6 30,3 25,2 100,0

COMPILACIÓN DE IMÁGENES

JR.

3

L. 1

.7

C

NES

REDO

O O

ISC

.P

L CA

.S

SN

L.

A

SN AL.

C

C

C

SN

C

N

.S AL

PSJ.

N AL. S

N

.S

AL

C

CAL.

TER

RRE

CA

N

.S PSJ

A

AN

RIC

ME

SUR

SN

P

NA

A AP

CAL.

SN SJ.

1,6 19,6 33,3 27,0 18,5 100,0

CAL. SN

L CA

P

CAL. SN

C

1,4 18,7 32,9 29,3 17,7 100,0

MANZANAS (%)

RNIA

. SA

14

1 026,9 a más 843,5 - 1 026,9 721,2 - 843,5 583,6 - 721,2 583,6 a menos

HOGARES (%)

. SN

RD A

IC

JR SN

.

CAL

INGRESO PER PERSONAS CÁPITA POR HOGAR (%) (Soles)

PSJ

S

CA L.

CA

.C

. SJ

9 110 214 227 189 749

CAL. ATAHUALPA

L CA

N AL. S

AV. PA

CAL. SAN CRISTOBAL

AV. GUARDIA CIVIL

S FLORE

CAL. LA

A

LL

A

C

CARRETERA A PUQUIO

RI

L.

A

C

O

ET

OR

.L

L CA

O

S

LA

178 2 149 3 655 2 958 2 030 10 970

L.

PS

CA

N

S J.

O

LA

AL

.C

L CA

J.

PS

527 6 890 12 141 10 809 6 540 36 907

MANZANAS

IFO CAL

PSJ

CAL S

A UN

CAL

FE

E

CA

PSJ. SN

ELA

L.

A

C

NA BUE

F NA

. BU

PSJ. SN

CAL. SN

TOTAL

LIA

. ITA

PE

OY

QUIS

CAL. TORRICO

PSJ. SN

SN

N L. S N

ALTO MEDIO ALTO MEDIO MEDIO BAJO BAJO

SN

.

GARA L. PAN

CA

ESTRATO

AV

ANG

NI

PSJ.

ONR JR. M

PSJ. P

PSJ

PSJ. CAL. SN

1 026,9 a más 843,5 - 1 026,9 721,2 - 843,5 583,6 - 721,2 583,6 a menos

HOGARES

POBLACIÓN Y MANZANAS (PORCENTAJE)

SN CAL.

MILLA

O

TAY

CAN

AV.

SN

CAL.

ZARU

CAL.

CAL.

INGRESO PER CÁPITA POR HOGAR PERSONAS (Soles)

C

L. S CA

ESPE

ESERA

JR. M

YO

E MA

.2D

CAL

TOTAL

OC

TAY

CAN

CA

JOS

TE

GAR

SO U

FON

. AL

CAL

TA

RA

AV.

SN AL.

N

LA SB

TIER

ON

LEC

MA

S CA

N

AYO

O

LIA

.I

JR

S TRO

O

AIS

PAR

L. S CA

JR. LIMA

A

IM

CAL. SN

. SN

CAL

. CAL

ICHE

A JR. LIM

CUM

CIN

LOS

J

LA C

ALTO MEDIO ALTO MEDIO MEDIO BAJO BAJO

)

(PRL.

RA ULTU

L. CA

.) O (PRL CALLA

L R.

UEL GRAU

AV.

ARIA RE

PSJ. SN

P

NASCA

JR.

JR. MIG

N SJ. S

CAL.

AV.

IDAS

PSJ. SN

IN

PSJ. SN

CA JR. ARI

AS

N MART

S INC

CAL. SA

AV. LO

PSJ. SN

LLAO

JR. CA

IA

ATTA

AV. JU

.) (PRL

MEJ

AN M

A

JR

BAST AELA JR. MIC

PSJ. SN

N

MATT . JUAN

PINAR CAL. ES

L

A ICA

CAL. SN

ETERA

ARIA

SE M

LACIO

CUNVA

PSJ. EL SO

CARR

UN

. JO

AV. CIR

PSJ. SN

ESTRATO

IÓN

C VALA

CIRC

CAL

POBLACIÓN Y MANZANAS (UNIDADES)

L.

C

AL

SN

L.

CA

SN

.S

N

Ley Nº 27795 - Quinta Disposición Transitoria y Final de la Ley de Demarcación y Organización Territorial: “En tanto se determina el saneamiento de los límites territoriales, conforme a la presente Ley, las delimitaciones censales y/u otros relacionados con las circunscripciones existentes son de carácter referencial”. Fuente: Instituto Nacional de Estadística e Informática - Empadronamiento Distrital de Población y Vivienda, 2013.

CIUDAD PISCO

CAL. SN

PLANO ESTRATIFICADO A NIVEL DE MANZANA POR INGRESO PER CÁPITA DEL HOGAR

POBLACIÓN Y MANZANAS (UNIDADES) ESTRATO ALTO MEDIO ALTO MEDIO MEDIO BAJO BAJO

SN

CA

L. S

N

CA L

. SN CA L. S N

CAL.

1 026,9 a más 843,5 - 1 026,9 721,2 - 843,5 583,6 - 721,2 583,6 a menos

HOGARES

2 167 14 914 28 961 35 766 19 395 101 203|

636 4 183 8 068 9 684 5 378 27 949

MANZANAS

44 246 434 576 439 1 739

A N

N

A

POBLACIÓN Y MANZANAS (PORCENTAJE) CAL. SN

PSJ. SN

CAL. SN

CAL. JAZMIN

CA

A

L.

V. P

AN

N

CO

S L.

SAN CLEMENTE

A

C

M ER

IC

A

N

A

TOTAL

INGRESO PER CÁPITA POR HOGAR PERSONAS (Soles)

ESTRATO

AV. LA LUZ PSJ. SN

ALTO MEDIO ALTO MEDIO MEDIO BAJO BAJO

MERICA

. SN CAL

CAL. SN O USC JR. C

LI

N

S L.

A

C

AV. MIRAFLORES

CAL. INDOA

AV. AVIACION

UCAYA

CAL.

TOTAL

INGRESO PER PERSONAS CÁPITA POR HOGAR (%) (Soles)

1 026,9 a más 843,5 - 1 026,9 721,2 - 843,5 583,6 - 721,2 583,6 a menos

2,1 14,7 28,6 35,3 19,2 100,0

HOGARES (%)

2,3 15,0 28,9 34,6 19,2 100,0

MANZANAS (%)

2,5 14,1 25,0 33,1 25,2 100,0

ICA

. AR

CAL

L. S

N

COMPILACIÓN DE IMÁGENES CA

PISCO

CA

L.

SN

CAL.

SN

CAL.

ICAN

MER

CAL.

SN

SN

JR. C

CA

L.

SN

AYSU

HINC H

CAR

. SN PSJ

YO

RETE

RA P

CAL. SN

CAL. SN

CAL. SN

CAL. SN

CAL. SN

CAL. SN

SN

O CA

L. S

N

CAL.

L.

CA SN

PAC

TUPAC AMARU INCA

DIAGRAMA DE UBICACIÓN

CAL. SN

S

O SAN

CAL.

O

ERE AC

RAN

LC

MED

CA

ARO

CA

ANC

L.)

PR R(

MA

N

ELO

LD

VA

L. S

CA

COR PAC

CAL.

AV. M

M

ARIS

SN

PSJ.

OCA

A AH

CAL. SN

CA R

BR

N

AR

.A

CA L. M

SN

L. CA

AV.

CAL.

AV. MIRAM AV. IN

AV

GEN

N

PEDR

L. S

SAN ANDRES

N

CA

L. S

C

L (PRL.)

CAL. SN

CA IA

AL. SN

PSJ. SN

C

CAL. SN

BOLIV

SN

RE N

.S AL

CA L.

FLORES

SN

CAL.

AL

IZURI

AV. FERMIN TANGUIS

CAL. SN

.S

AL

C

ICA

A

S

CAL. SN

CAL.

CAL. SN

AV. LAS AMERICA

CA M

CAL. SN

PSJ . SN CAL. SN

CAL.

N MIGUE

IN O

IS ALV

CAL. LAS

CAL. SA

C

ANA

CAL. AYACUCHO

JR. PROGRESO

CAL. SAN CLEMENTE

CAL. SN

CAL. SN

CAL. 10

CAL. SN

SN

CAL. CAL. SN

AV. LU

MB

TIE

SE

CAL. SN

UEY

CAL. SN

DE

C

GUIS

AMAG

.8 AL

SN

CAL. SN

CAL. FERMIN TAN

CAL. C

SN

CAL. N

S AL.

CAL. SN

PSJ. SN

L.

CA

RE

S

JR. CALLAO

ELLE

CAL. SN

CO

CAL. MU

N

CAL. 2

CAL. SN

CAL. CERRO AZUL

L. S

MEN

CAL. SN

N JUAN

CAL. SN

CAL. SN

CA

FLA

CAL. SN

CAL. SA

CAL. SN

LOS

CAL. SN

SN

AV.

CAL. SN

SN

CAL. SN

L.

A

C

CAL.

Ley Nº 27795 - Quinta Disposición Transitoria y Final de la Ley de Demarcación y Organización Territorial: “En tanto se determina el saneamiento de los límites territoriales, conforme a la presente Ley, las delimitaciones censales y/u otros relacionados con las circunscripciones existentes son de carácter referencial”. Fuente: Instituto Nacional de Estadística e Informática - Empadronamiento Distrital de Población y Vivienda, 2013.

Los Censos Nacionales 2017 ya están en marcha

INSTITUTO NACIONAL DE ESTADÍSTICA E INFORMÁTICA Av. General Garzón 658, Jesús María / Lima 11, Perú Central Telefónica: 203 2640 CENTRO DE INFORMACIÓN Telefax: 203 9238 / 431 1340 / 203 2640 (9242) VENTAS Teléfono: 203 9244 / 433 8398 web: www.inei.gob.pe e-mail: [email protected]