El impacto de las remesas sobre tres diferentes indicadores de pobreza en Guatemala

 

Alfredo Cuecuecha Mendoza¹

Richard H. Adams, Jr.²

 

 

Resumen: Este artículo utiliza una encuesta representativa a nivel nacional para estudiar el impacto de las remesas internacionales sobre la probabilidad de ser pobre, la severidad de la pobreza y la desigualdad entre pobres en Guatemala. Tres resultados emergen. Primero, controlando por selección y endogeneidad, los hogares que reciben remesas internacionales reducen su probabilidad de ser pobres. Segundo, controlando por endogeneidad y el truncamiento de datos, las remesas internacionales reducen la severidad de la pobreza. Tercero, controlando por endogeneidad y el truncamiento de datos, las remesas internacionales aumentan marginalmente la desigualdad entre los pobres.

 

Abstract: This paper uses a nationally-representative household data set from Guatemala to analyze how the receipt of international remittances (from USA) affects the probability of being poor, the severity of poverty and the inequality among the poor. Three findings emerge. First, controlling for selection and endogeneity, households receiving international remittances have a lower probability of being poor. Second, controlling for endogeneity and censoring, international remittances reduce the severity of poverty. Third, controlling for endogeneity and censoring, international remittances increase marginally the inequality among the poor.

 

Palabras clave: Remesas, Guatemala, modelos con covariables endógenos.

 

Clasificación jel: O15, O54, C34

 

Recepción: 24/05/2012 Aceptación: 30/09/2013

 

 

Las remesas se refieren al dinero y bienes que son enviados a sus hogares por individuos que trabajan fuera de sus comunidades de origen. Actualmente, estas transferencias de recursos constituyen uno de los principales temas de debate en la literatura sobre el Desarrollo Económico. En el 2009, las cifras oficiales de transferencias enviadas por hogares a países en desarrollo estimaban el monto de estas en alrededor de 307 mil millones de dólares (World Bank, 2011),³ lo cual las hace aproximadamente 50% más grandes que los recursos enviados al mundo en desarrollo en la forma de ayuda financiera oficial.

Uno de los puntos debatidos en la literatura se refiere a la siguiente pregunta de investigación: ¿Cuál es el efecto de las remesas sobre la pobreza en países en desarrollo? El debate se ha centrado en analizar su impacto sobre la probabilidad de ser pobre, definida esta probabilidad como el evento de que un individuo se encuentre por debajo de la línea de pobreza o sobre el impacto que tienen las remesas sobre la fracción de hogares que son pobres.

En la literatura empírica actualmente existe un consenso sobre el impacto reductor de pobreza de las remesas. Por ejemplo, Adams y Page (2005) reportan que, en promedio, un aumento del 10% en remesas internacionales genera una reducción del 3.5% en la fracción de hogares que viven en pobreza en países en desarrollo. En un estudio similar hecho para países de América Latina, Acosta et al. (2008) encuentran que las remesas internacionales reducen la pobreza en 0.4 por ciento por cada punto que las remesas aumenten su importancia como fracción del producto interno bruto. Finalmente, diversos estudios a nivel país encuentran que las remesas reducen la pobreza (vea López-Córdova (2006); Martínez y Yang (2007) para las Filipinas; Adams y Cuecuecha (2012) para Ghana; Lokshin, Bontch-Osmolovski y Glinskaya (2010) para Nepal; Adams y Cuecuecha (2010b) para Indonesia).

A pesar de lo anterior, la literatura no ha analizado hasta ahora dos aspectos muy importantes para entender los diversos aspectos que la pobreza implica. Estos elementos son la severidad de la pobreza y la desigualdad entre pobres (Ray, 1998), los cuales se miden mediante el índice FGT(1) y el índice FGT(2). El FGT(1) permite aproximar la distancia a la que los hogares pobres se ubican de la línea de pobreza, lo cual en principio da una primera aproximación a la severidad de esta. En otras palabras, en el conjunto de hogares pobres, un hogar con un menor FGT(1) representa un hogar con mejor calidad de vida. El FGT(2) permite aproximar la dispersión que existe en los ingresos de los hogares que son pobres, lo cual permite obtener una estimación de la desigualdad existente entre los ingresos de los pobres.

Desde el punto de vista de implicaciones de política económica, la severidad de la pobreza permite tener un estimado del costo aproximado que para una economía implicaría el reducir la pobreza a cero. En ese sentido, encontrar un impacto de las remesas sobre la severidad de la pobreza permitiría determinar si las remesas reducen (o aumentan) el costo para la sociedad de reducir la pobreza y, por lo tanto, si mejoran (o empeoran) la calidad de vida de los hogares pobres.

En el caso de la desigualdad entre pobres, se sabe que la desigualdad puede tener consecuencias sobre la estabilidad social de un país.⁴ En ese sentido, encontrar el impacto de las remesas sobre la desigualdad entre pobres puede ayudar a determinar si el proceso de recepción de remesas puede generar (o no) tensión social entre la población pobre de un país.

Este artículo estudia el impacto de las remesas en Guatemala sobre tres medidas de pobreza: a) la probabilidad de ser pobre, b) la severidad de la pobreza y c) la desigualdad entre pobres.

El análisis sobre el caso de Guatemala es relevante pues, si bien se ha determinado con anterioridad para otro país centroamericano el efecto reductor de las remesas sobre la pobreza –véa Cox-Edwards y Ureta (2003) para El Salvador– Guatemala recibe, como porcentaje de su PIB, casi la mitad de remesas que El Salvador recibe y además Guatemala tiene un contexto institucional monetario diferente al del caso Salvadoreño.⁵ Por lo mismo es importante determinar si en un contexto institucional diferente y bajo montos menores agregados de envíos de remesas, estas pueden desempeñar el mismo rol reductor de pobreza observado en El Salvador.

Es importante enfatizar que el análisis del efecto de las remesas sobre las diversas medidas de pobreza debe hacerse con cuidado debido al problema de selección en características no observables de acuerdo al tipo de hogar.

El problema consiste en que si las familias que reciben remesas difieren en sus características no observables en la encuesta (tales como su motivación, su habilidad, etcétera) de las familias que no reciben remesas, un análisis basado en una regresión lineal simple encontrará con error de medición el verdadero efecto de las remesas sobre cualquiera de las tres medidas de pobreza planteadas. Un segundo problema que se enfrenta en la estimación presentada en este artículo es el truncamiento de datos que se da al utilizar medidas de pobreza que por definición sólo aplican a hogares pobres. El truncamiento puede generar sesgamiento en las estimaciones.

El estudio presenta dos metodologías que resuelven el problema de la selección en carcaterísticas no observables. La primera consiste en utilizar un modelo bivariado probit para analizar el impacto de recibir remesas sobre la probabilidad de ser pobre. Esta metodología sigue la metodología propuesta por Carrasco (2001). La segunda metodología consiste en utilizar un modelo Tobit con variable endógena discreta para estudiar el impacto de las remesas sobre la severidad de la pobreza y la desigualdad entre pobres. Esta metodología se basa en Wooldridge (2002:533).

Ambas metodologías resuelven el problema de la selección en no observables gracias a la utilización de variables instrumento. Las variables instrumento se enfocan en variables que han sido usadas en la literatura por su capacidad de predecir la emigración o las remesas. Específicamente se usa la distancia a las líneas del tren, las tasas de emigración históricas, los cambios en patrones de lluvia y los cambios en las tasas de creación de empleo en los países receptores (para ejemplos sobre el uso de estas variables instrumento en su relación con la migración y las remesas véase: Woodruff y Zenteno, 2007; Hanson y Woodruff, 2002; McKenzie y Rapoport, 2007; Munshi, 2003; Passel, 2006; Adams y Cuecuecha, 2010a, y Adams y Cuecuecha, 2012).⁶

El artículo procede en ocho secciones. La sección “Bases de datos utilizados y hechos estilizados sobre la pobreza en Guatemala”, describe los datos y hechos estilizados sobre la pobreza en Guatemala. La sección “Un modelo empírico de pobreza y recepción de remesas”, discute el modelo a implementar para encontrar el efecto de las remesas sobre la probabilidad de ser pobre. La sección “Especificación del modelo de pobreza”, describe la especificación del modelo de pobreza. La sección “Estimación del modelo empírico de pobreza y recepción de remesas” muestra los resultados para el modelo de pobreza. La sección “Análisis de robustez”, presenta dos análisis de robustez para el modelo de pobreza. La sección “Un modelo Tobit con variable endógena para estimar el impacto de las remesas sobre la severidad de la pobreza y la desigualdad entre pobres”, presenta el modelo empírico que se implementa para estudiar el impacto de las remesas sobre la severidad de la pobreza y la desigualdad entre pobres. La sección “Resultados sobre el impacto de las remesas sobre la severidad de la pobreza y la desigualdad entre pobres”, presenta los resultados sobre el impacto de las remesas sobre las medidas de severidad de la pobreza y desigualdad entre pobres. Por último, se presenta la conclusión del artículo.

 

Bases de datos utilizados y hechos estilizados sobre la pobreza en Guatemala

 

Los datos utilizados en el estudio provienen de la Encuesta Nacional Sobre Condiciones de Vida (ENCOVI), la cual es una encuesta representativa a nivel nacional para Guatemala que hizo el Instituto Nacional de Estadística de Guatemala durante el periodo de julio a diciembre del año 2000 (INE, 2000).⁷ La encuesta incluye 7,145 hogares rurales y urbanos. La encuesta fue diseñada para ser representativa tanto a nivel nacional como a nivel rural y urbano. La encuesta recaba información sobre diversos temas, incluyendo el ingreso, el gasto, la educación, los activos financieros, los negocios del hogar y las remesas.⁸

Es importante destacar que la ENCOVI 2000 no fue diseñada para ser un estudio de la migración o de las remesas. De hecho, recupera información muy limitada sobre estos dos temas. En lo concerniente a la migración, la encuesta no recupera información sobre las características de los miembros del hogar que son emigrantes. En lo concerniente a las remesas, la encuesta se limita a hacer tres preguntas básicas: (1) ¿El hogar recibe remesas de la familia o de amigos? (2) ¿Dónde viven estas personas que le envían remesas? (3) ¿Cuánto dinero recibió su hogar durante los últimos
doce meses?

En este estudio, las remesas se definen y miden de la siguiente manera: cada hogar que se identifica como receptor de ellas, internacionales o internas, se asume que está recibiendo exactamente la cantidad de dinero que la encuesta mide. Esto implica que los hogares que tienen emigrantes que no les envían recursos se consideran en este estudio como hogares no receptores. Este supuesto se hace en virtud de que, en encuestas de migración hechas en otros países, se ha encontrado que alrededor de la mitad de los emigrantes no envían remesas a sus hogares.⁹ Dado que no se cuenta con datos sobre el número de individuos que envían recursos al hogar, se asume que cada hogar recibe remesas de exactamente un emigrante. Dado que la encuesta no identifica las características de los emigrantes, ni el parentesco de las personas que les envían recursos, en nuestro estudio los hogares podrían estar recibiendo remesas de familiares y/o de amigos. Por esta razón, el énfasis de este estudio es sobre el efecto de las remesas y no sobre la emigración o las características de las personas que envían el dinero. Finalmente, todos los recursos que se contabilizan en este estudio son remesas en dinero, por lo que aquellos en especie quedan fuera de la contabilización. En consecuencia, este punto puede generar un sesgo de subconteo del total de hogares que recibe los mencionados flujos de efectivo, así como del total de estos. Más importante aún, puede generar una subestimación de los efectos que las remesas tienen sobre los hogares en Guatemala. La importancia de estos sesgos depende de la importancia que tengan los recursos en especie para Guatemala. Este aspecto se considera fuera del alcance de este estudio dadas las limitaciones en los datos.

La pobreza se mide usando la línea calculada por el Banco Mundial para el año 2000 de 3,519 quetzales por persona al año a los precios del año 2000. También en función de dicha línea de pobreza se miden los índices FGT (1) –severidad de la pobreza--y FGT (2) –desigualdad entre pobres-.

El Cuadro 1 presenta información que resume los resultados de la ENCOVI 2000. El Cuadro muestra que la encuesta contiene tres conjuntos de hogares que son mutuamente exclusivos: 5,665 hogares (79.3% de todos los hogares) no reciben remesas, 975 hogares (13.6%) reciben remesas internas (de Guatemala) y 505 hogares (7.1%) reciben remesas internacionales (de EU).¹⁰ Para los hogares que reciben las remesas, éstas representan una fracción muy importante de su ingreso: 17.9% para los hogares que reciben remesas internas y 31.2% para los hogares que reciben remesas internacionales.

El Cuadro 1 también muestra que el 50% de la población que no recibe remesas califica como pobre, mientras que el 61% de la población que recibe remesas internas califica como pobre y que 71% de la población que recibe remesas internacionales cae por debajo del umbral de pobreza.

En cuanto al índice FGT (1), tenemos que la severidad de la pobreza y su correlación con la recepción de remesas sigue el mismo orden que el descrito para el total de pobres: es más severa para la población que recibe remesas internacionales, menos severa para el grupo que recibe remesas internas y es menos intensa para el grupo que no recibe remesas.

Por su parte, el índice FGT (2) muestra un ordenamiento diferente: la desigualdad entre pobres es mayor para el grupo que recibe remesas internacionales, el grupo con el segundo nivel de desigualdad es el que no recibe remesas y el grupo con la menor desigualdad es el que recibe remesas internas.

Es importante destacar que, dado que el objetivo del artículo es determinar el efecto de las remesas sobre tres medidas de la pobreza, es fundamental determinar si existen diferencias observables entre los grupos que reciben remesas. Es evidente que de igual forma es importante determinar si existen diferencias en características observables entre hogares pobres y no pobres. En esta sección sólo mostraremos las diferencias promedio en características observables entre los hogares de acuerdo a su recepción de remesas, mientras que la relación entre la probabilidad de ser pobre y las características observables de los hogares se analizará en la “Estimación del modelo empírico de pobreza y recepción de remesas”.¹¹

El Cuadro 1 también nos muestra que las características observables promedio de los tres grupos difieren entre sí. Los hogares que no reciben remesas tienen mayor probabilidad de tener un jefe de hogar indígena, mientras que los hogares que reciben remesas internacionales tienen menor probabilidad de tener un jefe indígena.

 

Los hogares que no reciben remesas tienen un jefe de hogar más joven, mientras que los hogares con remesas internas tienen a un jefe de hogar con mayor edad.

Los hogares que no reciben remesas tienen mayor probabilidad de tener niños y niñas menores de cinco años, mientras que los hogares con remesas internacionales son los que tienen la mayor probabilidad de tener miembros entre los 5 y los 15 años de edad.

La distribución de educación es prácticamente similar entre los tres grupos, pues la probabilidad de tener miembros con educación primaria, educación secundaria o educación preparatoria es muy similar entre los tres grupos.

Finalmente, el grupo que no recibe remesas tiene mayor probabilidad de vivir en zonas rurales.

Estos resultados deben ser tomados con precaución, pues tan sólo representan diferencias estadísticas que pueden marcar una correlación y no una causación pues, para determinar el efecto de las remesas, se debe realizar un estudio cuidadoso que tome en consideración tanto las características observables de los hogares como las características no observables de los hogares estudiados.¹²

 

Un modelo empírico de pobreza y recepción de remesas

 

Para analizar el efecto de las remesas sobre la probabilidad de ser pobre se plantea el uso de un modelo bivariado probit, en el cual los hogares deciden si recibir remesas o no y paralelamente se asume que la naturaleza decide si el hogar será pobre o no.¹³ Dado que para el econometrista ambos eventos ocurren simultáneamente, el modelo bivariado incluye la posibilidad de que los eventos estén correlacionados. De esta forma se busca modelar la idea de que las decisiones de los hogares también influyen en el riesgo de ser pobre. Esta estrategia de modelación sigue el modelo empírico planteado por Carrasco (2001) para estudiar el efecto de una variable endógena discreta sobre una variable discreta.¹⁴

Sea una variable aleatoria que toma el valor de uno si el hogar es pobre y cero en cualquier otro caso. Debido a que la recepción de remesas influye el conjunto de elecciones que los hogares hacen, la mejor manera de representar esta variable aleatoria sigue el modelo propuesto por Carrasco (2001):

 

(1)  

 

 

Donde representa las características del hogar que influyen en la probabilidad de ser pobre y representa el error en la ecuación de elección Sea la variable una variable aleatoria que toma el valor de 1 si el hogar recibe remesas y el valor de cero en cualquier otro caso:

 

(2)  

 

Donde es una variable instrumento que afecta la ecuación de la recepción de las remesas pero que se excluye de la ecuación de pobreza. Se construyeron tres variables instrumento: (1) la distancia a las estaciones de ferrocarril que existían en 1930; (2) la interacción entre la tasa de emigración internacional en 2002 y los shocks no esperados de lluvia en 1990; y (3) la interacción entre la tasa de creación de empleo en EU en 25 ciudades de EU en 1998 y la edad del jefe del hogar al cuadrado. Una explicación para cada una de estas variables sigue a continuación.¹⁵

La primera línea de ferrocarril abrió en Guatemala en 1884. El ferrocarril fue adquirido en 1908 por la United Fruit Company y continuó operaciones hasta 1957. En dicho año, el ferrocarril fue adquirido por el gobierno de Guatemala y las condiciones de las vías del ferrocarril se deterioraron hasta que el ferrocarril suspendió operaciones en 1996. La distancia a las estaciones del ferrocarril en 1930 constituye un buen instrumento en Guatemala debido a que dicha distancia está relacionada con los costos de migrar en el pasado y a la necesidad de enviar migrantes en el pasado¹⁶ y, por lo tanto, están asociadas al desarrollo de las redes de migrantes existentes al día de hoy. Sin embargo, el hecho de que las líneas del tren dejaran de operar en el año de 1996 garantiza que no tengan correlación con los patrones de gasto que se observan en la encuesta ENCOVI en el año 2000. Se calculó la distancia de la capital del Departamento donde el hogar residía en el año 2000 a la estación del ferrocarril existente en 1930 más cercana a la capital del Departamento, usando mapas del Railroad Development Corporation, y posteriormente cruzando la información con la ENCOVI 2000. Este tipo de instrumento ha sido usado en la literatura antes por Woodruff y Zenteno (2007) para el caso de México.

Las tasas de emigración históricas han sido usadas antes en la literatura por Hanson y Woodruff (2002), McKenzie y Rapoport (2007) y Adams y Cuecuecha (2010a). El argumento aquí es que la migración en el pasado facilita la emigración hoy en día, debido a que una mayor red de emigrantes en el pasado genera más contactos y oportunidades de trabajo para los emigrantes del día de hoy. Para Guatemala se calculó la tasa de emigración internacional a nivel de municipalidad usando el censo Guatemala 2002. Sin embargo, esto crea un problema potencial, pues la tasa agregada del 2002 está correlacionada con los eventos del año 2000, el año en el cual ocurre la ENCOVI. Para resolver el problema usamos la interacción de la tasa agregada de emigración en 2002 con los shocks de lluvia no esperados en 1990. Los cambios en patrones de lluvia han sido utilizados en la literatura anteriormente para los casos de México, Filipinas y Guatemala (Munshi, 2003; Yang y Choi, 2007; Adams y Cuecuecha, 2010a). El argumento aquí es que la lluvia está muy ligada a la producción e ingreso agrícola, por lo que muy poca lluvia puede ocasionar migración hacia afuera de las zonas rurales. Un problema potencial con este argumento es que los elementos no observados en la ecuación de gasto se encuentren correlacionados con la lluvia no esperada en 1990. Para asegurarnos de que este no es el caso, incluimos en el modelo el nivel de lluvia en 1999.¹⁷ Se obtuvo la información histórica sobre la lluvia a nivel de estación meteorológica del Instituto Nacional de Sismología, Vulcanología, Meteorología e Hidrología de Guatemala (2009). Se procedió a calcular el cambio promedio en lluvia por mes, año a año, por municipalidad. De esta información se estimó un modelo de series de tiempo con el cual el cambio en lluvia en el periodo t está asociado al cambio en lluvia en el periodo t-1. Usamos los residuales de este modelo como el shock de lluvia no esperado en 1990.

La tercera variable instrumento es la tasa de creación de empleo en 25 ciudades de EU en 1998, la cual fue obtenida del US Population Census, Local Unemployment Statistics (2008). Esta variable mide la tasa de creación de empleo en las 25 ciudades estadounidenses que recibían más guatemaltecos en el año 2004, de acuerdo a encuestas llevadas a cabo por IOM (2004).¹⁸ Se generó variación a nivel de la h-ésima región de Guatemala pesando la tasa de creación de empleo en la i-ésima ciudad de EU por la fracción de guatemaltecos de la región h-ésima que, de acuerdo a IOM (2004), trabajaban en la i-ésima ciudad de EU en 2004. Para obtener variación al nivel del hogar se interactuó la variable con la edad del jefe del hogar al cuadrado. La razón para usar esta variable en el modelo sigue a la literatura que ha mostrado la importancia de la tasa de creación de empleo para explicar la emigración hacia EU en el caso de la emigración de mexicanos (Passel, 2006; Rendon y Cuecuecha, 2010; Cuecuecha y Rendon, 2012) y para explicar la recepción de remesas en el caso de Guatemala (Adams y Cuecuecha, 2010a).¹⁹

Para nuestras tres variables instrumento se hace el supuesto de que, condicionado a las variables que representan las características de los hogares y las características de los municipios incluidas en nuestras especificaciones, los componentes no observables en la ecuación de pobreza están no correlacionados con las variables instrumento. Para asegurarnos de que este sea el caso, se incluye en las variables de control al nivel de lluvia en 1999.

El Cuadro 2 presenta la estadística descriptiva para las variables instrumento para las ocho regiones administrativas de Guatemala. El Cuadro también nos muestra estadística descriptiva para los ingresos de las regiones y las fracciones de la población que reciben remesas, así como las fracciones de la población que son pobres por región.

El Cuadro 2 nos muestra que la zona de mayor ingreso per cápita es la región metropolitana con 9,576.3 quetzales per cápita. La región con el ingreso per cápita más bajo es la región Noroeste con 2,464.59 quetzales per cápita. El Cuadro también nos muestra que la fracción de pobres parece distribuida uniformemente entre las diferentes regiones, pues el máximo es 54.9% (región Noreste) y el mínimo es 52.37% (región Norte). De igual forma, la severidad de la pobreza es muy similar entre regiones estando el mínimo de 1.21 en la región Norte y el máximo de 1.26 en la región Noreste. Lo mismo ocurre con la desigualdad entre pobres, pues el máximo es 7.31 (región Noroeste) y el mínimo ocurre en la región Central (7.224).

 

El Cuadro nos muestra una mayor variación en la recepción de remesas internas, pues varía entre un 16.54% en la región Sureste hasta un mínimo de 6.24% en la región norte. De igual forma se observa variación en la recepción de remesas internacionales desde un mínimo de 1.70% en la región Norte, hasta un máximo de 10.43% en la región Noroeste.

En cuanto a la relación de las variables instrumentales con la recepción de remesas, el Cuadro nos muestra la complejidad del fenómeno migratorio. Por ejemplo, la región que tiene un mayor porcentaje de hogares recibiendo remesas internas (región Sureste) se ubica en promedio relativamente cerca a las estaciones del tren de 1930, en comparación a la región Norte, que es la que menos remesas internas recibe. La región que tiene la fracción de hogares más alta recibiendo remesas (región Noroeste) tiene la tasa de emigración en 2002, que es mayor a la de la región que recibe menos remesas internacionales (región Norte). De igual forma se observa que tres de las cuatro regiones que sufrieron los peores shocks de lluvia en 1990 se encuentran dentro de las cuatro regiones que mayor cantidad de remesas internacionales recibieron en el 2002. También es importante destacar que en este análisis por regiones no es posible identificar una clara relación entre el empleo en las 25 ciudades de EU que reciben más guatemaltecos y la recepción de remesas internacionales o internas.

El Cuadro 3 nos muestra las correlaciones simples entre las variables instrumento y la recepción de remesas internacionales. El Cuadro nos muestra una relación positiva y estadísticamente significativa entre la recepción de remesas y la distancia al ferrocarril, así como entre la recepción de remesas y el empleo en EU. De igual manera nos muestra una relación negativa entre la recepción de remesas y los shocks de lluvia. La relevancia conjunta de los instrumentos, sin embargo, requiere probarse en el modelo estimado. Esto se lleva a cabo más adelante en el artículo de manera formal.²⁰

 

La existencia de correlación entre la decisión de recibir remesas y el evento de estar en pobreza puede generar también problemas en la matriz de varianza covarianza del sistema bivariado probit. Por esta razón, el modelo estadístico implementado ajusta por esta posible correlación usando un sistema bivariado aparentemente no relacionado (Greene, 2012).

Una vez que se ha estimado el modelo bivariado probit, el efecto de las remesas sobre la probabilidad de ser pobre para hogares que reciben remesas se encuentra siguiendo la estrategia empírica de Carrasco (2001), que consiste en calcular la diferencia entre la probabilidad de ser pobre y recibir remesas y la probabilidad de no ser pobre y recibir remesas :

 

(3)  

 

Siguiendo a Maddala (1983), la media y la varianza del ATT se utiliza para calcular su significancia.

 

Especificación del modelo de pobreza

 

Las variables que son comunes a las ecuaciones (1) y (2) son las siguientes: Capital Humano (variables dummy para indicar si hay miembros del hogar con educación primaria, educación secundaria, educación de preparatoria o más), características del hogar (variable dummy para indicar si el jefe del hogar es no indígena, dummy para indicar si el jefe del hogar tiene entre 25 y 59 años, dummy para indicar si el jefe del hogar es mayor a los 59 años, dummy para indicar si hay niños menores a cinco años en el hogar, dummy para indicar si hay niños entre 5 y 15 años de edad ), lluvia en 1999, dummy rural/urbana, variables dummy de región.

Las razones para incluir estas variables en ambas ecuaciones se basan en la literatura en migración y remesas. De acuerdo al modelo básico de capital humano, las variables de capital humano afectarán las decisiones de migrar y remitir, pues las personas educadas pueden tener mayores posibilidades de empleo y esperar mayores ingresos en los países de destino (Schultz, 1982; Todaro, 1976).²¹ Las personas educadas pueden también tener menores costos de emigración (Chiquiar y Hanson, 2005).²¹En la literatura se ha planteado que las características del hogar, tales como la edad del jefe del hogar y el número de hijos, afectan la probabilidad de migración y de recepción de remesas. En particular, algunos investigadores (Adams, 1993; Lipton, 1980) han sugerido que la migración es parcialmente un acto del ciclo de vida del hogar en el cual los hogares con jefes de familia de mayor edad y niños menores a los cinco años tienen mayor probabilidad de participar. En nuestro modelo, las variables de capital humano y de características de los hogares se incluyen como dummies para dar mayor flexibilidad al modelo.²² El nivel de lluvia en 1999 se incluye en el modelo para asegurarse que nuestros instrumentos trabajen bien en la segunda etapa de la estimación. Finalmente, dado que la residencia urbano/rural y la ubicación geográfica pueden afectar las decisiones de migración se incluyen en el modelo dummies para controlar la residencia urbano-rural y la región de residencia (se incluyen siete dummies regionales usando a la región metropolitana como región omitida).²³

También es importante destacar que el modelo en su conjunto se identifica gracias a la variación existente en las variables instrumento, las cuales se incluyen en la ecuación de migración y remesas, pero se excluyen de la ecuación de pobreza. Como se mencionó anteriormente, el modelo se estima tomando en consideración la posible correlación entre los componentes no observados de ambas ecuaciones. Finalmente, se toma en consideración que el uso de variables agregadas por región o municipio puede generar que los estimadores sufran de heteroscedasticidad a consecuencia de la correlación que existe entre las observaciones a nivel de municipio o de región. Se resuelve el problema utilizando estimadores que agrupan los errores estándar por municipalidad.²⁴

 

Estimación del modelo empírico de pobreza y recepción de remesas

 

El Cuadro 4 muestra los resultados para el modelo bivariado. El Cuadro muestra que una mayor tasa de creación de empleo en Estados Unidos genera una mayor probabilidad de recibir remesas internacionales en Guatemala y que una mayor lluvia no esperada en Guatemala genera una menor probabilidad de recibir remesas internacionales en Guatemala. La distancia al ferrocarril resultó no ser estadísticamente significativa por sí sola. El Cuadro 4 también muestra el resultado de un test chi cuadrado que permite probar si los tres instrumentos son significativos globalmente. El resultado es que son significativos al 1%.²⁵

Otros resultados de el Cuadro 4 se refieren a los signos encontrados para las variables de control donde se obtienen resultados no esperados. En el caso de la ecuación de pobreza se encuentra que tener miembros del hogar arriba de 15 años con secundaria y preparatoria aumenta la probabilidad de ser pobre. Estos resultados demuestran la complejidad de la relación existente entre las decisiones de los hogares de invertir en capital humano y la pobreza.²⁶

El Cuadro 4 también revela que hogares donde los jefes del hogar están en su edad productiva (25 a 59 años) o son mayores de 59 años tienen menor probabilidad de ser pobres, relativo a hogares donde el jefe del hogar se encuentra por debajo de los
25 años. Así mismo, nos muestra que hogares donde hay niños menores de 5 años y menores de 15 años tienen menor probabilidad de ser pobre relativo a hogares donde los miembros están por encima de los 15 años. También nos muestra que hogares donde el jefe del hogar es indígena tienen mayor probabilidad de ser pobre y hogares que son urbanos tienen menor probabilidad de ser pobres.

En el caso de la ecuación de recepción de remesas, el Cuadro nos muestra que hogares que tienen miembros con educación secundaria tienen mayor probabilidad de recibir remesas, mientras que hogares que tienen miembros con educación preparatoria tienen menor probabilidad de recibir remesas.

Hogares donde el jefe del hogar está por debajo de 25 años tienen mayor probabilidad de recibir remesas y hogares donde hay menores de 5 años y miembros menores a 15 años también tienen mayor probabilidad de recibir remesas. Estos resultados nos revelan patrones propios de hogares trasnacionales, lo cual es de esperarse en hogares receptores de remesas. El Cuadro 4 también revela que si el jefe del hogar es indígena tiene mayor probabilidad de recibir remesas. Este aspecto puede revelar que los hogares indígenas tienen lazos sociales más fuertes con sus emigrantes, relativo a hogares no indígenas.

Finalmente, se encuentra que mayor lluvia en 1999 aumenta la probabilidad de recibir remesas. Este resultado es importante pues permite separar los componentes observados y predecibles de lluvia, de los niveles no esperados de lluvia. Estos resultados nos indican que los niveles predecibles de lluvia pueden generar más emigrantes, quizás porque ayudan a financiar la emigración, pero que los shocks (positivos) de lluvia generan menor necesidad de emigración.

El Cuadro 5 muestra el cálculo del ATT de las remesas sobre la probabilidad de ser pobre. El Cuadro muestra que la probabilidad de ser pobre y recibir remesas es de 7.16%, mientras que la probabilidad de ser pobre y no recibir remesas es de 50.1%. Estos cálculos son hechos para la población que recibe remesas internacionales. El efecto promedio sobre los tratados es una reducción de la probabilidad de ser pobre de 599%.

 

Análisis de robustez

 

El Cuadro 5 muestra también el cálculo del ATT de las remesas sobre la probabilidad de ser pobre para especificaciones alternativas. La primera de ellas se refiere en incluir en la recepción de remesas a los hogares que reciben remesas internas.

El no incluir la recepción de remesas internas en el modelo puede generar sesgo de especificación. Incluimos la recepción de remesas como parte del modelo para analizar la robustez del resultado mostrado en la sección anterior. El Cuadro muestra que al incluir a hogares que reciben remesas internas, el efecto de las remesas es reducir la probabilidad de ser pobre en 148%. Este resultado puede entenderse de dos formas. Primero, el hecho de que el impacto se reduzca puede indicar que la no inclusión de las remesas internas en el modelo inicial generaba un sesgo hacia arriba en el efecto calculado. Segundo, también puede entenderse en el sentido de que las remesas internas tienen un menor impacto en reducir la pobreza y por ello, al incluirlas en el modelo, el impacto general de las remesas se ve disminuido.

También se incluye en el Cuadro una especificación que excluye las variables de capital humano pues, como se mostró en el Cuadro 4, al incluir las variables de capital humano se obtienen signos no esperados en la ecuación de pobreza. Esto implica que nuestras estimaciones podrían sufrir de sesgo de endogeneidad, si es que las variables de capital humano son endógenas, y dicha endogeneidad daña la estimación del impacto de las remesas sobre la pobreza. El Cuadro 5 muestra que, al excluir las variables de capital humano, el impacto de las remesas sobre la pobreza es de 616%. Este resultado se puede interpretar de dos formas. Primero, indica que el sesgo de endogeneidad es subestimar el verdadero impacto de las remesas sobre la pobreza. Segundo, puede indicarnos que parte del efecto reductor de pobreza de las remesas se genera a través de su impacto positivo sobre el capital humano de los hogares y, por lo tanto, al excluir las variables de capital humano del modelo sobreestimamos el impacto de las remesas sobre la pobreza.

 

Un modelo Tobit con variable endógena para estimar el impacto de las remesas sobre la severidad de la pobreza y la desigualdad entre pobres

 

En esta sección se analiza el impacto de las remesas sobre la severidad de la pobreza y la desigualdad entre pobres. En particular se analiza el impacto de las remesas sobre el índice FGT (1), también conocido como la brecha de pobreza –intensidad de la pobreza--y el índice de pobreza FGT (2), también conocido como la desigualdad entre pobres:

 

 

(4)  

 

 

(5)  

 

Donde y_i representa el ingreso del hogar i, LP representa la línea de pobreza en Guatemala y P es el conjunto de hogares pobres. Se definen las variables y como la contribución del hogar i a los índices FGT(1) y FGT(2), respectivamente. Se asume que dichas contribuciones son funciones lineales de las características de los hogares como se indica a continuación:

 

(6)

 

Donde z_ij es la contribución al índice FGT(j) del hogar i. A su vez u_ij es el término de error para el hogar i en el índice j.

Para determinar el efecto de las remesas sobre los índices FGT(j) introducimos en la ecuación (6) la variable indicadora de recepción de remesas d_i presentada en la sección “Un modelo empírico de pobreza y recepción de remesas”:

 

(7)

 

Es importante destacar que la ecuación 7 sufre de dos importantes sesgos: 1) la endogeneidad de la variable indicadora de recepción de remesas y 2) el truncamiento que tiene la ecuación (7) por el hecho de que está definida únicamente para hogares pobres. Para resolver este problema utilizamos la metodología propuesta por Wooldridge (2002). Esta metodología consiste en estimar un modelo Tobit con variable endógena para controlar el truncamiento que existe en la medición de los índices FGT(j) y la endogeneidad de las remesas. Con esta metodología, el modelo empírico se escribe de la siguiente forma:

 

(8)

 

El modelo se complementa con la ecuación (2) presentada en la sección “Un modelo empírico de pobreza y recepción de remesas” del artículo. Las variables de control X_h y las variables instrumento son las mismas que se presentaron en la sección “Especificación del modelo de pobreza”. La estimación del modelo se lleva a cabo por Máxima Verosimilitud siguiendo a Wooldridge (2002:533).

 

Resultados sobre el impacto de las remesas sobre la severidad de la pobreza y la desigualdad entre pobres

 

Los resultados para la estimación del modelo Tobit con variable endógena se muestran en el Cuadro 6. En la segunda columna se muestran los resultados para el índice FGT(1), la severidad de la pobreza. Se muestra que la probabilidad de recibir remesas, condicionada a ser pobre, reduce la severidad de la pobreza. En particular, un aumento del 1% en la probabilidad de tener remesas, condicionada a ser pobre, reduce en .42 puntos el índice FGT(1), lo cual representa una reducción del 34% del índice FGT(1) en su valor medio. Este impacto es estadísticamente significativo (vea el Cuadro 7).

El Cuadro 6 también nos muestra que tener miembros con educación primaria aumenta la intensidad de la pobreza, pero que tener miembros con educación secundaria y educación universitaria disminuye la intensidad de la pobreza. El Cuadro también nos muestra que la intensidad de la pobreza es mayor para hogares donde hay miembros menores de cinco años y miembros entre cinco y quince años. La intensidad de la pobreza también se muestra que es mayor para hogares donde el jefe del hogar tiene más de 65 años y que es menor cuando el jefe de familia es no indígena.

 

El Cuadro 6 también nos muestra el resultado con relación al índice FGT(2). Nos muestra que la probabilidad de recibir remesas condicionada a ser pobre aumenta el índice FGT(2). En particular, un aumento del 1% en la probabilidad de recibir remesas aumenta en .02 puntos el índice FGT(2), lo cual representa un aumento del .28% en el índice FGT(2) y, por lo tanto, en la desigualdad entre pobres (vea Cuadro 7).

 

Finalmente, el Cuadro 6 también nos muestra que la desigualdad entre pobres se reduce cuando hay miembros de la familia con educación primaria y se ve aumentada cuando hay miembros en la familia con educación secundaria y educación universitaria. La desigualdad entre pobres se ve reducida cuando hay menores de cinco años y cuando hay individuos entre los cinco y los quince años. La desigualdad entre pobres se ve disminuida cuando el jefe del hogar tiene más de 65 años y se ve aumentada cuando el jefe del hogar es no indígena.

El Cuadro también nos muestra la significancia conjunta de los controles por el truncamiento de los datos. Para el caso del FGT(1), los controles son significativos al 1%. Para el caso del FGT(2) son significativos al 5%. Esto demuestra que no controlar por el truncamiento generaría estimaciones sesgadas.

 

Conclusión

 

Este artículo utiliza una base de datos representativa para Guatemala con el fin de analizar el efecto de las remesas sobre diversas medidas de pobreza en Guatemala.

Tres resultados resaltan. Primero, la recepción de remesas reduce la probabilidad de ser pobre en Guatemala en 599%. Esto se encuentra analizando la probabilidad de ser pobre, condicionada a recibir remesas, contra la probabilidad de no ser pobre, condicionado a la recepción de remesas.

El segundo resultado encuentra que las remesas reducen la severidad de la pobreza en Guatemala en 34%. Esto se encuentra controlado por la endogeneidad de las remesas y el truncamiento implícito que existe al medir la pobreza.

El tercer resultado encuentra que las remesas aumentan marginalmente la desigualdad entre pobres, pues el aumento es de .28%. Este resultado también controla por la endogeneidad de las remesas y el truncamiento que existe al medir la pobreza. Estos resultados contribuyen al debate sobre el impacto reductor de la pobreza en tanto que muestran que las remesas no sólo reducen la probabilidad de ser pobre, sino que también reducen la severidad de la pobreza. Por supuesto, las remesas también pueden generar tensión social pues aumentan la desigualdad entre pobres.

Ahora un análisis total implicaría realizar simulaciones que nos permitieran evaluar el impacto que las remesas tienen en su conjunto sobre las tres medidas de pobreza. Debido a que esto escapa a los alcances de este artículo, decidimos basar este análisis en la intensidad que cada uno de los impactos tiene. En este sentido podemos decir que, dado que las remesas reducen sustancialmente tanto la probabilidad de ser pobre como la severidad de la pobreza, mientras que sólo aumentan marginalmente la desigualdad entre pobres, el impacto conjunto es el de reducir la pobreza y sus efectos.

Desde el punto de vista de política económica queda claro que entender las razones que explican el impacto tan dramático de las remesas para reducir la pobreza y su severidad constituye una motivación para fomentar los estudios económicos que permitan entender los mecanismos a través de los cuales las remesas logran este impacto reductor de pobreza.

Estos resultados también informan a los tomadores de política en el hecho de que las remesas generan dos externalidades positivas: la primera es que, al haber menos pobres, eliminan la necesidad de recursos que el estado debe invertir con ese fin; la segunda, es que, al reducir la severidad de la pobreza, reducen los recursos que el estado debe invertir para sacar de la pobreza a las familias que aún persisten en ella.

El resultado final que también informa a los hacedores de política es que las remesas incrementan la desigualdad entre pobres, por lo que el estado debe pensar en políticas que permitan compensar la tensión social que esa mayor desigualdad pueda generar en las zonas receptoras de remesas. Este tipo de acciones se refiere a políticas públicas que contribuyan a mejorar el tejido social de las comunidades. Un ejemplo de tales políticas lo representan los programas en México de tres por uno, los cuales pueden permitir que toda la comunidad se beneficie de la recepción de las remesas. El resultado parece indicar que el énfasis de los programas tres por uno debería darse a beneficiar a miembros de la comunidad que sean pobres y que no reciban remesas, con el fin de disminuir la potencial tensión que dichos pobladores puedan experimentar hacia la población receptora de remesas. Esta conclusión, sin embargo, requiere de mayor investigación que deberá realizarse en el futuro.

 

Bibliografía

 

Acosta, P., Calderón, C., Fajnzylber, P. y López, H. (2008). “What is Impact of International Remittances on Poverty and Inequality in Latin America”. World Development 36 (1) 89:114.

Adams, Jr., R. (1991). “The Effects of International Remittances on Poverty, Inequality and Development in Rural Egypt”. Research Report 86. International Food Policy Research Institute, Washington, DC.

Adams, Jr., R. (1993). “The Economic and Demographic Determinants of International Migration in Rural Egypt”. Journal of Development Studies, 30, 146-167.

Adams, Jr., R. (1998). “Remittances, Investment and Rural Asset Accumulation in Pakistan”. Economic Development and Cultural Change, 47, 155-173.

Adams, Jr., R. y Cuecuecha, A. (2010a). “Remittances, Household Expenditure and Investment in Guatemala”. World Development vol. 38, Issue 11, 1626-1641.

— (2010b). “The Economic Impact of International Remittances on Poverty and Household Consumption and Investment in Indonesia”. World Bank. Policy Research Working Paper 5433.

— (2013). “The Impact of Remittances on Investment and Poverty in Ghana”. World Development vol. 50, 24-40. Forthcoming.

Adams, Jr., R. y Page, J. (2005). “Do International Migration and Remittances Reduce Poverty in Developing Countries?” World Development vol. 33, Issue 10, 1645-1669.

Bourguignon, F., Fournier, M. y Gurgand, M. (2004). “Selection Bias Corrections Based on the Multinomial Logit Model: Monte-Carlo Comparisons”. Unpublished DELTA Working Paper, France.

Carrasco, R. (2001). “Binary Choice with Binary Endogenous Regressors in Panel Data: Estimating the Effect of Fertility on Female Labor Participation”. Journal of Business & Economic Statistics, American Statistical Association vol. 19(4), pp. 385-94.

Chami, R., Fullenkamp, C. y Jahjah, S. (2003). “Are Immigrant Remittance Flows a Source of Capital for Development?” IMF Working Paper 03/189, International Monetary Fund, Washington, DC.

Chiquiar, D. y Hanson, G. (2005). “International Migration, Self-Selection and the Distribution of Wages: Evidence from Mexico and the United States”. Journal of Political Economy 113, 239-281.

Cox-Edwards, A. y Ureta, M. (2003). “International Migration, Remittances and Schooling: Evidence from El Salvador”. Journal of Development Economics 72, 429-461.

Cuecuecha, A. y DaRocha, J. M. (2011). “El Crédito, las Remesas y la Medición de la Pobreza” en Mendoza, A. y Watkins, K. (eds), Reflexiones sobre la Crisis Financiera. Puebla, Pue: UPAEP/UNAM.

Cuecuecha, A. y Rendon, S. (2012). “Mexicans In and Out of the US: Facts on Job Search and International Migration”. En Cuecuecha, A. y Pederzini, C. (eds.) Migration and Remittances from Mexico: Trends, Impacts and New Challenges. Lanham, MD: Lexington Books.

De la Briere, B., Sadoulet, E., de Janvry, A. y Lambert, S. (2002). “The Roles of Destination, Gender and Household Composition in Explaining Remittances: An Analysis for the Dominican Sierra”. Journal of Development Economics, 68, 309-328.

Dubin, J. y McFadden, D. (1984). “An Econometric Analysis of Residential Electric Appliance Holdings and Consumption”. Econometrica, 52, 345-362.

Greene, W. H. (2012). Econometric Analysis. 7^th ed. Upper Saddle River, NJ: Prentice Hall.

Google Maps (2013). Consultados el 4 de mayo del 2013. http://maps.google.com

Guatemala (2002). “Population Census”. Guatemala, C. A.

Hanson, G. y Woodruff, C. (2002). “Emigration and Educational Attainment in Mexico”. Working Paper. UCSD.

Hausman, J. Stock, J. y Yogo, M. (2005). “Asymptotic properties of the Hahn-Hausman test for weak instruments”, Economics Letters 89 (3): 333-342.

Hirschman, A. y Rotschild, M. (1973). “The Changing Tolerance for Income Inequality in the Course of Economic Development; With a Mathematical Appendix”. Quarterly Journal of Economics 87, 544-566.

Instituto Nacional de Estadística (INE, 2000). “Encuesta Nacional Sobre Condiciones de Vida”.

Instituto Nacional de Estadística Geografía e Informática (INEGI, 2000). “XII Censo General de Población y Vivienda”. Consulta realizada el 8 de mayo del 2013 por estado de residencia y lugar de nacimiento.

Instituto Nacional de Sismología, Vulcanología, Meteorología e Hidrología (INSIVUMEH, 2009). http://www.insivumeh.gob.gt/

International Fund for Agricultural Development (IFAD, 2012). “Remittances in Latin America and the Caribbean”. http://www.ifad.org/remittances/maps/latin.htm

International Organization for Migration. (2002). “Encuesta sobre Emigración Internacional “, Cuadernos de Trabajo sobre Migración.

— (2004). “Encuesta sobre Impacto de Remesas. Familiares en los Hogares Guatemaltecos”, Cuadernos de Trabajo sobre Migración.

Lechner, M. (2002). “Some Practical Issues in the Evaluation of Heterogeneous Labour Market Programmes by Matching Methods”. Journal of the Royal Statistical Society 165, 59-82.

Lee, L. (1983). “Generalized Econometric Models with Selectivity”. Econometrica 51, 507-512.

Lipton, M. (1980). “Migration from Rural Areas of Poor Countries: The Impact on Rural Productivity and Income Distribution”. World Development 8, 1-24.

Lokshin M.; Bontch-Osmolovski, M. y Gliskaya, E. (2007). “Work-Related Migration and Poverty Reduction in Nepal”. Policy Research Working Paper, WPS 4231. World Bank.

López-Córdova, E. (2006). “Globalization, Migration and Remittances: The Role of Mexican Migrant Remittances”. INTAL-ITD Working Paper 20.

McKenzie, D. y Rapoport, H. (2007). “Network Effects and the Dynamics of Migration and Inequality: Theory and Evidence from Mexico”. Journal of Development Economics 24 (1), 1-24.

Maddala, G. S. (1983). Limited Dependent and Qualitative Variables in Econometrics. Cambridge, UK: Cambridge University Press.

Martínez, C. y Yang, D. (2007). Remittances and Poverty in Migrants’ Home Areas: Evidence from the Phillipines. Universidad de Chile, Departamento de Economía, Documentos de Trabajo 257.

 

Mora, J. y Taylor, J. E. (2005). “Determinants of International Migration: Disentangling Individual, Household and Community Effects”. Unpublished draft manuscript, Department of Agricultural Economics, University of California, Davis, USA.

Munshi, K. (2003). “Networks in the Modern Economy: Mexican Migrants in the US Labor Market”. Quarterly Journal of Economics, 118, 549-597.

Osili, U. (2004). “Migrants and Housing Investments: Theory and Evidence from Nigeria”. Economic Development and Cultural Change 52, 821-849.

Passel, J. (2006). “Changing Dynamics and Characteristics of Immigration to the United States”. Pew Hispanic Center Report.

Paxson, C. (1992). “Using Weather Variability to Estimate the Response of Savings to Transitory Income in Thailand”. American Economic Review 82, 15-33.

Prais, S. J. y Houthakker, H. S. (1971). The Analysis of Family Budgets. Cambridge: Cambridge University Press.

Railroad Development Corporation (2009). Ferrovías Guatemala. http://www.rrdc.com/op_guatemala_fvg.html#stats

Ray, D. (1998). Development Economics. Princeton, NJ: Princeton University Press.

Rendon, S. y Cuecuecha, A. (2010). “International Job Search: Mexicans in and out of the US”. Review of Economics of the Household 8 (1), 53-82.

Schultz, T. P. (1982). “Notes on the Estimation of Migration Functions”. En Sabot, R. Migration and the Labour Force, Westview Press, Boulder, CO, USA.

Stock, J. H. y Yogo, M. (2004). “Testing for Weak Instruments in Linear IV Regression”. Working Paper. Harvard University.

Taylor, J. E. (1987). “Undocumented Mexico-US Migration and the Returns to Households in Rural Mexico”. American Journal of Agricultural Economics 69, 626-638.

Todaro, M. (1976). Internal Migration in Developing Countries. International Labour Office, Geneva, Switzerland.

United States (2008). “Population Census 2008: Local Area Unemployment Statistics”. http://www.bls.gov/LAU/

Woodruff, C. y Zenteno, R. (2007). “Migration Networks and Micro-enterprises in Mexico”. Journal of Development Economics 82, 509-528.

Wooldridge, J. M. (2002). Econometric Analysis of Cross Section and Panel Data. Cambridge, MA: MIT Press.

World Bank (2004). Poverty in Guatemala. Washington, DC.

World Bank (2011). Migration and Remittances Factbook, 2011. Washington, DC.

Yang, D. (2005). “International Migration, Human Capital and Entrepreneurship: Evidence from Philippine Migrants’ Exchange Rate Shocks”. World Bank Research Working Paper 3578, April 2005. World Bank, Washington, DC.

Yang, D. y Choi, H. (2007). “Are Remittances Insurance? Evidence from Rainfall Shocks in the Philippines”. World Bank Economic Review 21, 219-248.