Prevalencia de la obesidad en Chile: Modelo econométrico

Prevalencia de la obesidad en Chile:

Modelo econométrico

Introducción

En la presente investigación se analizarán los diversos factores que afectan a la obesidad en Chile, basándonos en información obtenida de la Food and Agriculture Organization of The United Nations (FAO) considerando los datos del PIB per cápita comprendido en un período de once años desde el 2006 al 2016.

De acuerdo a la investigación realizada, se encontró en un estudio de la OCDE donde se declaraba a Chile como el país con la más alta tasa de obesidad del continente Americano, con un 74%, situándolo sobre México (72,5%) y Estados Unidos (71%). Dejando una clara preocupación para nuestra población, motivo por el cual hemos decidido trabajar con este tema.

Nuestra hipótesis principal en este caso sería que a mayor PIB per cápita de las personas, es mayor la obesidad, con esto también intentamos comprobar, respaldado con bases teóricas, que además de factores cuantitativos como el índice de Gini, que mide la desigualdad de los países o los índices de actividad física en Chile. También inciden en este tema factores cualitativos como programas de gobierno englobados en el “Programa Elige Vivir Sano” implementado en el país desde el año 2011 y convertido en ley el año 2013.

Marco Teórico

Existen múltiples estudios revelados por distintas entidades acerca de la obesidad en nuestro país, de los cuales nos hemos basado para construir nuestro modelo seleccionando cinco variables que explican la tendencia del chileno a la obesidad, siendo estas: el PIB per cápita, la actividad física, el índice de Gini y el programa de gobierno Elige Vivir Sano.

La variable ingreso refleja nuestra hipótesis principal, donde logramos observar que existe una relación directa entre obesidad e ingreso, es decir, que a mayor ingreso económico, mayor es la prevalencia de obesidad. Para nuestro país se observa que esta prevalencia es mayor en grupos socioeconómicos más fuertes debido a que en aquellas familias que cuentan con una capacidad económica más limitada, lo que predomina es la desnutrición.[pic 1]

Siguiendo la misma línea, el Índice de Gini nos muestra el grado de desigualdad de cada país y considerando el nivel socioeconómico, múltiples investigaciones dejan en evidencia la tendencia ascendente de las diferencias sociales, siendo catalogado como un fenómeno de extraordinaria importancia epidemiológica para la salud pública, entremezclándose con factores sociales y biológicos. Esto dejando en evidencia la clara diferencia en la capacidad adquisitiva de las personas, siendo Chile un país productor de frutas y verduras de gran calidad en los campos y teniendo también una creciente oferta gastronómica, la gran mayoría de los chilenos se alimenta con carbohidratos, alimentos procesados, bebidas de fantasía y pan. [pic 2]

El desafío de nuestro país es avanzar en la definición de nuevas estrategias de intervención que permitan prevenir la obesidad y mejorar la calidad de vida de las futuras generaciones, una de ellas es el programa Elige Vivir Sano que se estableció en 2011 en búsqueda de fomentar una alimentación saludable y aumentar así los niveles de actividad física en nuestra población. Es por ello que fue seleccionada como una variable del modelo para así poder analizar cuál fue su impacto con respecto a la prevalencia de la obesidad en Chile. [pic 3]

PLANTEAMIENTO DEL MODELO Y ANÁLISIS DESCRIPTIVO DE LOS DATOS

Para la realización del estudio de nuestro modelo se utilizaron diversas fuentes, entre ellas la Encuesta FAO, el Banco Central, Banco Mundial y la Encuesta del MINDEP o Ministerio de Deporte, utilizando una muestra (Ver anexo 1) que correspondía a personas mayores de 18 años que se encontraban viviendo en Chile, entre los años 2006 y 2016. De tal manera nuestro modelo econométrico de forma Lin Lin quedaría planteado de la siguiente manera:

Prevalencia de Obesidad (PrevO) = [pic 4]

En este caso como queremos analizar la variación en la Tasa de Prevalencia de Obesidad en Chile a lo largo de los años, utilizaremos una data Time Series, con un total de 11 observaciones para cada una de las 5 variables (1 variable explicada y 4 variables explicativas), las cuales serán detalladas a continuación:

...