Perú. Gasto público en educación superior, estimaciones varias

Gráfico 1 Gasto en Universidad Pública/PBI % vs PBI per cápita en dólares constantes 2005

Elaboración propia.


Datos:
PBI per cápita en USD constantes 2005

  • World Bank Development Indicators

Gasto en Universidad Pública/PBI %


Lo primero que llama la atención del gráfico es la repentina disminución del gasto en universidades públicas después del 2002. Esta “disminución” se debe en parte al aumento del PBI pero también puede deberse a que el gráfico proviene de diferentes fuentes que siguen diferentes metodologías en los criterios seguidos para determinar qué es “gasto público en universidades públicas”. Al respecto, el Concytec explica en su parte metodologíca (Perú ante la sociedad del conocimiento: indicadores de ciencia, tecnología, innovación 1960 – 2002, p. 282) que para el cálculo del gasto se tomó en cuenta el gasto corriente y el gasto de capital el cual es generalmente omitido en series disponibles. Para la estimación encontrada en el CINDA (sólo años 2006-2010) los criterios metodológicos seguidos no son claros pero se lista por separado (no incluidos aquí) el gasto en I+D, el gasto en el sector otros y el gasto en educación superior no universitaria. En los datos de ESCALE a su vez hay una serie de gastos no incluidos:

  • Educación superior financiada con recursos directamente recaudados (programa 048 y fuente 2).
  • CONCYTEC, Instituto Peruano del Deporte y Centro Vacacional Huampaní (pliegos 111, 114 y 342).
  • Transferencias a municipios, gobiernos regionales y otros organismos públicos (modalidades 20, 21 y 22).
  • Programa de asistencia social (programas 051).
  • Sub Programa de becas y créditos educativos (sub programa 0113).
  • Actividad proyecto de alfabetización (actividad proyecto 000022).

Además, los datos de Escale están listados como “Gasto público en educación por alumno, superior universitaria (soles corrientes)” lo cual significa que para poner estos montos como porcentaje del PBI se han tenido que someter a la siguiente transformación: \[\frac{(Indicador\:Original)(Número\: de\:estudiantes\:matriculados\:en\:universidades)}{PBI\:en\:soles\:corrientes}\times 100\] Eso a su vez implica que para este indicador se han revisado varias fuentes adicionales (INEI para la matrícula, Banco Central de Reserva para el PBI) lo cual aumenta la posibilidad de error.

Si el análisis se realiza tomando en cuenta toda la educación superior (universitaria y no universitaria) la situación se repite, es decir los montos estimados difieren. En este caso la estimación del CINDA corresponde a Presupuesto de Educación Superior como porcentaje del PBI.

Gráfico 2 Gasto en Educación Superior/PBI % vs PBI per cápita en dólares constantes 2005

Elaboración propia.


Datos:

PBI per cápita en USD constantes 2005

  • World Bank Development Indicators

Gasto en Universidad Pública/PBI %


A continuación está el código utilizado para generar los gráficos.

#Gráfico 1
imasd_peru <- read.csv("C:/Users/Lucia/Dropbox/RArch/imasd_peru.csv")
#Datos de CINDA, montos en millones de US$
#2006
PBI2006<-546/0.0059
PBI2007<-699.7/0.0065
PBI2008<-839.2/0.0065
PBI2009<-984.9/0.0077
PBI2010<-997.2/0.0067
EDentrePBI2006porciento<-round((312.4+19.9)/PBI2006*100,2)
EDentrePBI2007porciento<-round((418.3+21.7)/PBI2007*100,2)
EDentrePBI2008porciento<-round((496.7+23)/PBI2008*100,2)
EDentrePBI2009porciento<-round((533+27.7)/PBI2009*100,2)
EDentrePBI2010porciento<-round((527.8+30)/PBI2010*100,2)
CINDA_gasto<-c(EDentrePBI2006porciento,EDentrePBI2007porciento,EDentrePBI2008porciento,EDentrePBI2009porciento,EDentrePBI2010porciento)
#identifico la variable x
 
library(ggplot2)
library(RColorBrewer)
x <- imasd_peru$A_Year
 
d1 <- data.frame(x=x, y=imasd_peru$I_PBI.per.capita.WB.2005.USD..)
#xy <- expand.grid(x=x, y=x)
d2 <- data.frame(x=c(imasd_peru$A_Year,seq(2006,2010,1)), y=c(imasd_peru$J_GastoUnivPublica.PBI.[1:33],imasd_peru$AF_GastoUnivPublica.PBI._trasnformado[34:46],CINDA_gasto), Fuentes= c(rep("Concytec",33),rep("Escale",13),rep("CINDA",5)))
 
p1 <-  ggplot(data = d1, mapping = aes(x = x, y = y)) + 
  geom_line(stat = "identity")+
  ylab("PBI per cápita (USD 2005)") 
 
p2 <-  ggplot(data = d2, mapping = aes(x=x, y=y)) + 
  geom_point(aes(colour=Fuentes))+
  geom_line(aes(colour = Fuentes, linetype = Fuentes))+
  ylab("Gasto en univ. públicas/PBI %")+
  scale_colour_brewer(palette="Set1")
 
## convert plots to gtable objects
library(gtable)
library(grid) # low-level grid functions are required
g1 <- ggplotGrob(p1)
g1 <- gtable_add_cols(g1, unit(0,"mm")) # add a column for missing legend
g2 <- ggplotGrob(p2)
g <- rbind(g1, g2, size="first") # stack the two plots
g$widths <- unit.pmax(g1$widths, g2$widths) # use the largest widths
# center the legend vertically
g$layout[grepl("guide", g$layout$name),c("t","b")] <- c(1,nrow(g))
grid.newpage()
grid.draw(g)
#####
#Gráfico 2
x<-seq(1970,2015,1)
gasto<-c(0.54,0.45,0.67,0.62,0.74,0.62,0.57,0.65,0.58,0.58,0.74,0.73,0.75,0.77,0.75,0.78,1,1.01,0.61,0.67,0.43,0.37,0.89,1.15,0.99,1.23,1.27,1.34,1.48,1.7,1.68,1.76,1.78,NA,NA,NA,0.59,0.65,0.65,0.77,0.67,NA,NA,NA,NA,NA)
imasd_peru <- read.csv("C:/Users/Lucia/Dropbox/RArch/imasd_peru.csv")
 
library(ggplot2)
library(RColorBrewer)
 
d1 <- data.frame(x=x, y=imasd_peru$I_PBI.per.capita.WB.2005.USD..)
#xy <- expand.grid(x=x, y=x)
d2 <- data.frame(x=x, y=gasto, Fuentes= c(rep("Concytec",33),rep("CINDA",13)))
 
p1 <-  ggplot(data = d1, mapping = aes(x = x, y = y)) + 
  geom_line(stat = "identity")+
  ylab("PBI per cápita (USD 2005)") 
 
p2 <-  ggplot(data = d2, mapping = aes(x=x, y=y)) + 
  geom_point(aes(colour=Fuentes))+
  geom_line(aes(colour = Fuentes, linetype = Fuentes))+
  ylab("Gasto en educ. superior/PBI %")+
  scale_colour_brewer(palette="Set1")
 
## convert plots to gtable objects
library(gtable)
library(grid) # low-level grid functions are required
g1 <- ggplotGrob(p1)
g1 <- gtable_add_cols(g1, unit(0,"mm")) # add a column for missing legend
g2 <- ggplotGrob(p2)
g <- rbind(g1, g2, size="first") # stack the two plots
g$widths <- unit.pmax(g1$widths, g2$widths) # use the largest widths
# center the legend vertically
g$layout[grepl("guide", g$layout$name),c("t","b")] <- c(1,nrow(g))
grid.newpage()
grid.draw(g)

Created by Pretty R at inside-R.org


 

Un comentario

  1. I like the helpful information you provide in your articles. Ill bookmark your weblog and check again here regularly. I’m quite certain I will learn plenty of new stuff right here! Good luck for the next!

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *