No abstract

La población de adultos mayores va en un proceso de crecimiento lento y constante, los programas sociales buscan mejorar el nivel de bienestar de los beneficiarios. Los objetivos fueron, identificar la cantidad de beneficiarios por hogares del programa Pensión 65, determinar las características socioeconómicas de los adultos mayores que son beneficiarios y no beneficiarios y evaluar el impacto respecto al gasto en consumo de alimentos. Los datos provienen de la Encuesta Nacional de Hogares para los años 2019 y 2020. Se usaron métodos bivariados y para la evaluación modelos de efectos fijos y doble diferencias con datos panel. Se evidencia que existen más de un beneficiario del programa por hogar, los hogares beneficiarios tienen menos integrantes en su hogar, menos nivel educativo, mayor edad y la mayoría son mujeres. El impacto del programa es positivo los beneficiarios incrementaron su gasto per cápita en consumo de alimentos, el 33.1% del apoyo económico que reciben lo gastan en alimentos. Se concluye que el programa Pensión 65 es una política adecuada que mejora el bienestar de los adultos mayores.

La actividad agrícola en la región de Piura, es una actividad fundamental para su desarrollo, la implementación de pronósticos es una herramienta útil para los agentes económicos para una planificación y toma de decisiones acertadas. En el estudio interesan dos resultados, el primero identificar, estimar y validar un modelo ajustado para pronosticar la producción de plátano y el segundo realizar el pronóstico de la producción de plátano para el periodo de octubre de 2020 hasta octubre de 2022. Para concretizar los objetivos se realizó el análisis univariante con la metodología de Box y Jenkins. Los datos provienen del Banco Central de Reserva del Perú, se consideraron datos mensuales desde julio de 2000 hasta septiembre de 2020. Luego del cumplimiento de los supuestos, el mejor modelo ajustado para representar la producción del plátano y realizar pronósticos es un modelo autorregresivo integrado de promedio móvil o ARIMA. El pronóstico de la producción del plátano tiene una tendencia decreciente para los próximos años. Palabras Clave: Pronostico, Series de tiempo, Modelos ARIMA, Producción agrícola. Referencias [1]A. A. S. Syed, A. Sajad, y U. J. Arshad, “Growth, Variability and Forecasting of Wheat and Sugarcane Production in Khyber Pakhtunkhwa, Pakistan,” Agric. Res. Technol. Open Access J., 2018. [2]Instituo Nacional de Estadistica e Informatica, “Producción Nacional - INEI,” 2019. [3]M. Laberry, “III Foro Nacional del Cultivo de Arroz,” 2016. [4]L. Torres, “Análisis Económico del Cambio Climático en la Agricultura de la Región Piura. Caso: Principales Productos Agroexportables,” Consorc. Investig. Econ. y Soc. - CIES, 2010. [5]Instituto Nacional de Estadistica e Informatica, “Producto Bruto Interno Por Departamentos,” 2019. [6]D. Llico, “La minería, pesca y agricultura de Piura,” monografias.com, 2013. [7]H. Moyazzem, A. Faruq, y K. Ajit, “Forecasting of Banana Production in Bangladesh,” Am. J. Agric. Biol. Sci., 2016. [8]J. Ruiz, G. Hernández, y R. Zulueta, “Análisis de series de tiempo en el pronóstico de la producción de caña de azúcar,” Fac. Econ. - Univ. Veracruzana - Mex., 2010. [9]V. Erossa, Proyectos de inversión en ingeniería: su metodología. 2004. [10]A. Contreras, C. Atziry, M. José, y S. Diana, “Análisis de series de tiempo en el pronóstico de la demanda de almacenamiento de productos perecederos,” Estud. Gerenciales 32 p.387-396 - Mex., 2016. [11]G. Mendoza, “Pronosticar y métodos de pronóstico.,” 2003. [12]A. Muñoz y F. Parra, Econometria aplicada, Ediciones. 2007. [13]M. A. Hamjah, “Forecasting major fruit crops productions in Bangladesh using Box-Jenkins ARIMA model.,” J. Econ. Sustain., vol. Dev., 5: 9, 2014. [14]M. Casinillo y I. Manching, “Modeling the monthly production of banana using the box and Jenkins analysis.,” Am. J. Agric. Biol. Sci., 2016. [15]N. Suleman y S. Sarpong, “Forecasting Milled Rice Production in Ghana Using Box- Jenkins Approach,” Int. J. Agric. Manag. Dev. (IJAMAD)., 2011. [16]W. Merlin, “Modelo univariante de pronóstico del número de unidades de transfusión de sangre en el hospital regional Manuel Nuñez Butrón - Puno periodo 2006- 2015-I,” Universidad Nacional del Altiplano - Puno, 2015. [17]L. Laurente, “Proyección de la producción de papa en puno. una aplicación de la metodología de Box-Jenkins,” Semest. Econ. - FIE - UNA Puno, 2018.[18]Banco Central de Reserva del Perú, “Gerencia Central de Estudios Económicos,” 2019. [Online]. Available: https://estadisticas.bcrp.gob.pe/estadisticas/series/mensuales/resultados/PN01784AM/html. [19]R. Hernández, C. Fernández, y M. del P. Baptista, Metodologia de la Investigación, vol. 6ta Ed. 2014. [20]Banco Central de Reserva del Perú, “PIURA: Síntesis de Actividad Económica.” 2020, [Online]. Available: https://www.bcrp.gob.pe/estadisticas/informacion-regional/piura/piura.html. [21]I. Moumouni et al., “What happens between technico-institutional support and adoption of organic farming? A case study from Benin,” Org. Agric., p. DOI 10.1007/s13165-013-0039-x., 2013. [22]U. Yule, “On a Method of Investigating Periodicities in Disturbed Series, with Special Reference to Wolfer’s Sunspot Numbers,” Philos. Trans. R. Soc. London, 1926. [23]E. Slutsky, “The Summation of Random Causes as the Source of Cyclical Processes,” Econom. 4 105-46, 1937., 1927. [24]H. Wold, “A Study of the Analysis of Stationary Time Serie,” Uppsala: Almqvist and Wiksells., vol. 2nd ed.-19, 1938. [25]G. Box y G. M. Jenkins, “Time Series Analysis, Forecasting and Control,” San Fr. Holden- Day, California, USA., 1976. [26]D. Gujarati y D. Porter, Econometría. 2010. [27]G. Box y D. Pierce, “Distribution of Residual Autocorrelations in Autoregressive Integrated Moving Average Time Series Models,” J. Am. Stat. Assoc., vol. 65, p, 1970. [28]G. Ljung y G. Box, “On a measure of lack of fit in time series models.,” Biometrika, vol. V65: 297-3, 1978. [29]C. Jarque y A. Bera, “A Test for Normality of Observations and Regression Residuals,” Int. Stat. Inst., vol. Vol. 55, N, 1978. [30]D. A. Dickey y W. A. Fuller, “Distribution of the Estimators for Autoregressive Time Series with a Unit Root,” J. Am. Stat. Assoc., vol. 74, p, 1979. [31]P. C. B. Phillips y P. Perron, “Testing for a Unit Root in Time Series Regression,” Biometrika, vol. 75, pp. 335–346,1988.

Reviewing economic theory, to maximize utility, the individual will have to decrease consumption, according to the income they receive and demand financial services to opt for savings, for which the objective was to determine the effect of economic and social variables and geographical areas that affect formal financial inclusion for the department of Piura in 2019. The best binary logistic model was chosen as a method through the lowest AIC and BIC, finding that the best model is the Probit, and the survey was also used as an instrument. national household (ENAHO), resulting in that the education and income variables have a greater direct relationship with the use of some type of financial services, the same happens with married marital status and age but to a lesser extent, in terms of location geographical area the rural area has an indirect relationship with the use of some type of financial services. Keywords: Financial inclusion, Economic Variables, categorical models, financial determinants. References [1]Instituto Nacional de Estadistica e Informatica, «Panorama de la Económia Peruana 1950-2018,» Lima, 2019. [2]A. Sanderson, L. Mutandwa y L. R. Pierre, «A Review of Determinants of Financial Inclusion,» International Journal of Economics and Financial, vol. 8, nº 3, pp. 1-8, 2018. [3]K. Dai Won, Y. Jung Suk y H. M. Kabir, «Financial inclusion and economic growth in OIC countries,» Research in International Business and Finance, vol. 43, pp. 1-14, 2018. [4]Superintendencia de Bancos e Instituciones Financieras Chile, «Informe de Inclusión Financiera en Chile 2019,» 2019. [5]C. Aparicio y M. Jaramillo, « Determinantes de la inclusión al sistema financiero: ¿cómo hacer para que el Perú alcance los mejores estándares a nivel internacional?,» Superintendencia de Banca, Seguros y Administradoras Privadas de Fondos de Pensiones., Lima , 2012. [6]N. Cámara Izquierdo y D. Tuesta, «Factors that matter for financial inclusion evidence from Peru,» Dialnet, vol. 10, pp. 10-31, 2015. [7]M. Jaramillo, C. Aparicio y B. Sevallos, «¿Qué factores explican las diferencias en el acceso al sistema financiero?: evidencia a nivel de hogares en el Per´u,» Superintendencia de Banca, Seguros y Administradoras Privadas de Fondos de Pensiones, Lima, 2013. [8]E. Anchapuri, principales determinantes del acceso al crédito financiero en economías rurales y urbanas del distrito de juli, año 2013, Puno , 2014. [9]Banco Mundial, Banco Mundial. [10]Ministerio de Economía y Finanzas , «Estrategia Nacional de Inclusión Financiera,» Lima , 2015. [11]Superintendencia de Banca, Seguros y AFP, «Reporte de Indicadores de Inclusión Financiera de los Sistemas Financieros, de Seguros y de Pensiones,» Lima, 2019. [12]Banco Central de Reserva del Perú Sucursal Piura , «Caracterización del departamento de Piura,» Piura, 2018. [13]J. Wooldridge, Introducción a la econometría un enfoque moderno, Mexico: Cengage Learning Editores, S.A., 2010, p. 575. [14]D. Gujarati y P. Dawn, Econometría, Mexico: McGRAW-HILL/INTERAMERICANA EDITORES.S.A, 2010, p. 563.

Within the health sector, it is vitally important to analyze whether households incur catastrophic spending for using such services. In this sense, the study seeks to estimate catastrophic health spending for households with members over 60 years of age. To achieve the objective, the methodology of the World Health Organization was used to find the way in which the household incurs in catastrophic spending, using as an instrument the National Household Survey of Peru, for the year 2019. The main results found were: that families living in urban areas, who have health insurance, who have a higher academic degree, decrease the probability of incurring in catastrophic spending, while being over 60 years old, having a chronic disease, suffering some permanent limitation and not having hygienic services, help to incur in catastrophic spending, so it was concluded that the most vulnerable areas should be attended to achieve a better welfare for older adults. Keywords: catastrophic expense, out-of-pocket expense, health insurance. References [1]J. Alvis, c. Marruco, N. Alvis, F. Gomes, Á. Flores and D. Moreno, «Gasto de bolsillo y gasto catastrófico en salud en los hogares de Cartagena, Colombia,» Salud Publica, 10 2018. [2]E. Giménez, L. Flores, J. Rodriguez, G. Ocampos and N. Peralta, «Gastos catastróficos de salud en los hogares del Paraguay,» Instituto de Investigaciones en Ciencias de la Salud, vol. 16, nº 2, 2018. [3]E. Gonzáles and J. García, «Gastos catastróficos en salud, transferencias gubernamentales y remesas en México, » Papeles de población, vol. 23, nº 91, 2017.[4]A. Hernández, C. Rojas, M. Santero, J. Prado y D.Rosselli, «health-related out-of-pocket expenses in older peruvian adults: analysis of the national householdsurvey on living conditions and poverty 2017,» Rev Peru Med Exp Salud Publica, vol. 35, nº 3, 2017. [5]O. Lazo, J. Alcalde and O. Espinosa, «El sistema de salud en Perú,» Lima , 2016. [6]World Health Organization Geneva, «Distribución del gasto en salud y gastos catastróficos Metodología,» 2005. [7]Organización Mundial de la Salud, «Organización Mundial de la Salud,» 2014. [Online]. Available: https://www.who.int/topics/chronic_diseases/es/. [8]Organización Mundial de la Salud , «Organización Mundial de la Salud,» 2018. [Online]. Available: https://www.who.int/topics/disabilities/es/.