Características individuales y la elección del

proveedor en salud: un análisis multivariante

Juan Carlos Carbajal Ponce

Departamento de Economía, PUCP

1. Introducción

A pesar del incremento del gasto social destinado al sector salud en la segunda mitad
de los 90 y de la reforma de la Seguridad Social en salud llevada a cabo hacia 1997, parece
haber un consenso general acerca de los persistentes problemas que enfrenta este sector: la
insuficiencia en la cobertura y en la calidad de los servicios, y la desigual distribución de
los recursos materiales y humanos [Escobal e Iguiñiz, 2000]. Una de las causas naturales de
la baja cobertura es, sobre todo en países en vías de desarrollo, la limitación de los medios
que pueden destinarse al sector. Ello, sin embargo, no evade la pregunta acerca de la
eficiencia y la equidad en la asignación del gasto y de la inversión.

En la práctica, las políticas de salud se diseñan sobre la base del concepto de

necesidad, en contraposición al concepto de demanda. Sin embargo, puede ocurrir que las
necesidades estimadas no empaten con las demandas efectivas por atenciones de salud. De
ser éste el caso, o las necesidades quedan descubiertas, o los recursos se desperdician, o
suceden ambas cosas a la vez [Musgrove, 1985]. La pregunta relevante es si ocurre esto en
el Perú.

Esta interrogante es particularmente interesante en un contexto en el que, además de

escasez de recursos, parece haber un problema de definición de las poblaciones objetivo por
parte de los distintos proveedores de los servicios. Un estudio llevado a cabo a instancias
del Banco Mundial concluye que existen conflictos a la hora de delimitar los espacios de
atención relevantes y que hay una carencia apreciable de coordinación en la interacción
entre los agentes – Ministerio de Salud (MINSA), Seguro Social de Salud (ESSALUD) y el
sector privado – por lo que no se puede establecer correctamente las metas y prioridades del
sistema [Banco Mundial, 1999].

Los datos recogidos por la Encuesta Nacional de Niveles de Vida (ENNIV) llevada a
cabo en 1997 parecen corroborar este hecho. Del total de personas cubiertas únicamente por
ESSALUD que acudió a consulta médica, cerca del 38 por ciento recurrió a otro proveedor
(MINSA, privado, no institucional); por otro lado, 46 por ciento de las personas con seguro
médico privado exclusivo no consultó a un proveedor privado, mientras que la consulta no
institucional, aún en los grupos de personas que registran tenencia de algún seguro médico,
presenta niveles elevados.

Londoño y Frenk [1997] sugieren que este fenómeno se presenta comúnmente en los
sistemas de salud que siguen el patrón del modelo segmentado, donde las divisiones
artificialmente establecidas por los agentes partícipes del sistema – en el caso peruano
MINSA, ESSALUD y sector privado – no corresponden con el comportamiento seguido
por los individuos que recurren a la atención médica.

Habría, al parecer, una débil relimitación de espacios institucionales de atención, lo que

en definitiva perjudica el funcionamiento actual y la evolución a largo plazo del sistema
peruano de salud. De ser éste el caso, cobraría sentido la afirmación de Musgrove. Ahora
bien, puede enfrentarse este problema de dos maneras: ajustar la oferta a las preferencias de
la población, o forzar cambios en el comportamiento individual para que las personas
actúen como los diseñadores de política crean conveniente. El primer camino es
ciertamente más sencillo. Pero para ello se precisa tener cierto conocimiento sobre el
comportamiento real de las poblaciones, y sobre sus motivaciones.

¿Cómo deciden las personas a que proveedor de servicios de salud acudir, cuando
requieren de ello? Ciertamente tienen en cuenta su ingreso (individual o familiar) y los
precios relativos. Pero son igualmente importantes las preferencias individuales, y las
características de las personas con relación a sus preferencias. Discernir los elementos
condicionantes de la elección efectiva puede servir, espero, para ampliar nuestra
comprensión acerca de la demanda por servicios de salud.

El propósito del presente trabajo es identificar, si las hay, las diferencias significativas
entre los individuos que habiendo reportado casos de enfermedad, malestar o accidente,
acuden a consulta a los centros proveedores del MINSA, los que lo hacen a centros de
ESSALUD, los que acuden a agentes privados , y los que recurren a instancias no
institucionales1. Se ha hecho práctica común en los estudios empíricos de la demanda por
servicios de salud agrupar dentro de la consulta no institucional tanto a la medicina
tradicional, como a la consulta a terceros, digamos farmacéuticos, parientes, etc. En este
estudio se incluirá, como parte de la consulta no institucional, la posibilidad de autoconsulta
(personas que reportan presencia de malestar – enfermedad – accidente, y no registran
ningún tipo de consulta pero sí de automedicación)2.

Inicialmente se plantearon dos objetivos específicos. Primero, investigar si los grupos

de elección - definidos a partir de la selección efectiva de uno de los proveedores
mencionados - son distintos entre sí o si comparten los mismos rasgos. ¿Son similares los
individuos pertenecientes a cada grupo de elección y distintos los que pertenecen a grupos
diferentes? Segundo, de encontrarse diferencias significativas entre los grupos, identificar
las variables que estarían contribuyendo en mayor grado a la discriminación. ¿Qué
particularidades son las que más diferencian a las personas que acuden a uno u otro
proveedor? ¿Cómo se relacionan las variables, de haber interacción entre ellas? La hipótesis
de trabajo preliminar fue que, en efecto, se podía establecer cierta idiosincrasia al interior
de cada grupo de elección. Personas que comparten ciertos rasgos, y no otros, hacen uso
preferente de cierto proveedor, más allá de la restricción de ingreso y precios relativos que
enfrentan.

1
La hospitalización será dejada de lado por dos razones. Primero, tiene que ver con sucesos más aleatorios.
Segundo, usualmente conlleva un efecto negativo directo sobre la riqueza de las familias – enfermedades
catastróficas – lo que reduce las posibilidades reales de elección del proveedor.
2
Se dejan de lado algunas otras categorias que forman parte del sector salud, como la sanidad policial/militar,
por la poca frecuencia de los casos reportados.

2
 Para cumplir con los objetivos de la investigación hago uso de una técnica de
estadística multivariante, conocida como análisis discriminante. El análisis discriminante
permite investigar las diferencias entre grupos de objetos con respecto a un número
determinado de variables de manera simultánea, tomando en cuenta las relaciones
multivariantes [Klecka: 1980]. Este procedimiento identifica la existencia de un número de
variables que separa de la mejor manera posible entre las categorías establecidas.

En lo que sigue se realiza una exposición del funcionamiento del sistema de salud
peruano hasta mediados del año 2001, para contextualizar el análisis y para delimitar con
precisión el problema bajo tratamiento. Ciertamente es complicado llevar a cabo una
descripción concisa del sector salud de cualquiera país. En el caso peruano, la situación se
complica aun más debido a los procesos de reforma del sector. El análisis se concentra
primeramente en el comportamiento de la oferta de servicios, y luego se describe
brevemente el comportamiento de los consumidores de los servicios. Como se verá, existen
serios problemas en la cuestión de la delimitación de los espacios institucionales
apropiados, lo que puede generar desperdicio de recursos y reforzar las barreras económicas
y no económicas al acceso de los servicios de salud.

La tercera parte expone una revisión de la literatura sobre el tema. He creído

conveniente presentar de manera conjunta el tratamiento teórico y el tratamiento empírico,
puesto que la mayor parte de estudios empíricos sobre la demanda por servicios de salud
utiliza el mismo marco de referencia. Termina el capítulo con la exposición del marco
teórico utilizado por este estudio, y la metodología para realizar las estimaciones empíricas.

La cuarta parte contiene una descripción de los datos utilizados para las estimaciones,
el establecimiento de las funciones discriminantes y el análisis de los resultados de dichas
estimaciones. El estudio abarca información estadística para los años 1997 y 2000, años en
los que se realizaron las últimas ENNIV. La comparación entre los resultados para estos
años permitirá avizorar los cambios operados a raíz de la reforma implementada en el
sector.

2. El entorno de salud en el Perú

2.1. La organización de los servicios de salud

El sistema peruano de salud hacia el año 2001 se componía básicamente de tres

subsistemas: el sector público a cargo del Ministerio de Salud, el régimen contributivo de la
seguridad social, y el sector privado. Cada uno de los cuales tenia como propósito atender a
segmentos poblacionales diferentes. Este esquema encaja con lo que algunos autores
[Londoño y Frenk: 1997; Maceira: 1996; Madies: 2000] han denominado el modelo
segmentado de salud. Dicho modelo se caracteriza porque funciona sobre la base de tres
subsistemas diferenciados en cuanto a recursos disponibles, calidad de servicios y
poblaciones objetivo. Un típico modelo segmentado divide a la población de un país en tres
segmentos, que deben coincidir, al menos en teoría, con los subsistemas establecidos. Cada
subsistema, por otro lado, se encarga no solo de proveer servicios de salud, sino también de

3
financiar y administrar los recursos. En palabras de Londoño y Frenk [1997], los sistemas
segmentados son verticalmente integrados pero poblacionalmente separados.

En el caso peruano, el régimen estatal tenia a su cargo del cuidado de la salud pública,
llevando a cabo campañas masivas de servicios de salud pública – vacunaciones, por
ejemplo – y programas de información. También prestaba servicios de atención de salud
casi sin restringir su acceso a la capacidad adquisitiva de los usuarios, aunque en realidad se
concentra en la población de escasos recursos. En la segunda mitad de la década de los 90
se introdujeron esquemas tarifarios en los hospitales públicos, siguiendo el principio de
recuperación de costos. Francke ha analizado esta implementación de tarifas públicas,
concluyendo que responde a criterios variados y que puede afectar de forma sustancial, a
pesar de lo reducido de sus montos, la demanda por servicios de salud [1998, p. 51].
Además de estas funciones, el régimen estatal definia los lineamientos generales de la
política de salud.

El Perú emprendió una reforma de su sistema de seguridad social hacia 19973. El

régimen resultante quedo constituido por el Seguro Social de Salud, a cargo de la atención
médica completa de la población con trabajo formal en condición de dependencia, y de sus
familiares o derecho habitantes. Dichos servicios eran financiados a través de aportes
individuales obligatorios, definidos como un porcentaje de los ingresos mensuales de los
trabajadores (9%), y administrados centralmente por ESSALUD. La Entidad Previsional
inició a fines de la década pasada la oferta de planes libres, no obligatorios, de medicina
previsional para la población laboral independiente y para los estudiantes universitarios,
amplianado su cobertura e incluyendo a nuevos sectores socioeconómicos. Aun cuando su
evolución ha sido relativamente favorable en los primeros años de creación, no se tiene
conocimiento de su éxito a largo plazo. Éste depende de la capacidad de los planes para
captar a un número de usuarios suficiente para compartir el riesgo.

Una característica importante de la reforma previsional es que se establece un esquema

mixto en las prestaciones que rompe el monopolio de ESSALUD. La configuración del
subsistema permitia la oferta de planes complementarios por parte de las así llamadas
Entidades Prestadoras de Salud (EPS) a trabajadores dependientes e independientes. Dichos
planes involucraban por lo general un costo adicional a los ofrecidos por ESSALUD, pero
incluian prestaciones en centros de salud particulares. Bajo este esquema, un trabajador
cotiza un porcentaje de su ingreso a ESSALUD (6.75%) recibiendo a cambio derechos de
atención en caso de enfermedades catastróficas. Un porcentaje restante (2.25%) y una tarifa
adicional, son destinados a la entidad previsional escogida para la cobertura de
enfermedades no catastróficas. La elección de la EPS se hace colectivamente en cada centro
de trabajo que así lo desee.

El subsistema privado quedaba destinado como alternativa para la población de

mayores recursos, la cual podía optar entre adquirir un seguro médico o permanecer
descubierta, asumiendo directamente los costos de los servicios de salud. El subsistema
privado tenía en la práctica poca supervisión, quedando en libertad para definir sus propios
objetivos y metas. La reforma de la Seguridad Social y la introducción de las EPS alteraron
su funcionamiento. Aun cuando es todavía pronto para realizar un diagnóstico concluyente

3
Una evaluación de esta reforma se encuentra en Carbajal y Francke [2000]

4
de este proceso en el Perú, Carbajal y Francke [2000] sugieren que las EPS estarían en
alguna medida captando un mercado ya cubierto por los seguros privados4, al ofrecer planes
de seguro a los trabajadores de empresas grandes y medianas paralelos a ESSALUD en
cuanto a la atención de enfermedades y eventos de salud comunes, y complementarios en
cuanto a la cobertura de enfermedades catastróficas. Estos planes se basan en una
combinación precio-calidad más elevada que los ofrecidos por ESSALUD, y permiten el
acceso a clínicas y consultorios privados.

Figura 1. Diseño del modelo segmentado peruano 5

Grupos Sociales

Con capacidad de pago

Población
Funciones Con seguro Con seguro Sin seguro pobre
social privado

Modulación

Administración

Prestación

Seguridad Social Sector Privado MINSA

Estudios realizados en varios países revelan fallas graves en el modelo segmentado6.

Entre ellas, se puede mencionar la duplicación de funciones y el desperdicio de recursos, y
la escasa coordinación entre los subsistemas; siendo que los fenómenos mencionados
ocurren tanto en el ámbito de provisión de los servicios como en la esfera administrativa y
de supervisión y control. En segundo lugar, es común la aparición de diferenciales
importantes de calidad entre los diversos subsistemas; diferenciales que en el caso peruano
generan que una porción de la población cubierta por el Seguro Social mantenga
adicionalmente cobertura previsional privada. En tercer lugar, y dado que el régimen
público es abierto, se presenta el fenómeno de traslado de pacientes del sector previsional
(y en menor instancia, del sector privado), a hospitales y centros médicos dependientes del
MINSA (subsidios cruzados). En cuarto lugar, la medicina tradicional y la consulta a
personas sin especialización en la práctica médica profesional (familiares por ejemplo) se

4
No es casualidad que las EPS esten ligadas a companias de seguro privadas. Vease Carbajal y Francke
[2000].
5
Figura elaborada a partir de Londoño y Frenk [1997, p. 11].
6
Véase por ejemplo Londoño y Frenk [1997], Maceira [1996], y Banco Mundial [1999].

5
constituyen como alternativas viables para la población pobre, debido a la insuficiente
cobertura de los sistemas formales de salud.

Por otro lado, en la segunda mitad de la década de los 90 se dio una mejora relativa de
la situación del sistema peruano en varios aspectos: se logró cierto avance en los
indicadores de salud de la población7; y se recuperó ligeramente el gasto nacional en salud.
No obstante, en el año 1996, refiere el estudio efectuado tripartitamente por el MINSA, la
Superintendencia de Entidades Prestadoras de Salud (SEPS) y la Organización
Panamericana de la Salud (OPS) [MINSA-SEPS-OPS: 1999] el gasto nacional en la
atención de salud ascendía a 4.0 por ciento del PBI peruano. Aun cuando puede existir
subestimación del gasto privado, continúa el mencionado estudio, el Perú tiene un gasto
nacional que está por debajo del promedio latinoamericano.

Figura 2. Flujos Financieros en la Atención de la Salud. Perú, 1996

Fuentes:
100% del Externo Gobierno Hogares Empresas
financiamiento 0.7% 37.7% 32.4% 29.2%

Fondo (*): Seguros y ESSALUD

100% de fondos autoseguros
82.2%
en seguros 17.8%

Prestadores: Consultorios y
100% del MINSA Farmacia ESSALUD
clínicas privadas
gasto 34.2% 26.6% 25.6%
13.6%

(*) Sólo está intermediado por fondos propiamente tales el 29.9% del financiamiento. Las flechas con línea punteada indican flujos
menores.
Elaborado en base a: Reyes, Carmen y Moisés Ventocilla. Revisión y Actualización del Financiamiento del Sector Salud 1995-
1996. Informe Final. MINSA, 1997.
En: MINSA-SEPS-OPS [1999], p. 7, Figura N. 2.

Quedan todavía varios temas pendientes. Entre ellos, las marcadas diferencias en los
perfiles epidemiológicos de los sectores urbano y rural; las disparidades en la asignación
del gasto y en la cobertura poblacional de cada subsistema, y la desigualdad de
oportunidades en el acceso a los servicios de salud y en la calidad de los mismos.
Desigualdad que se manifiesta entre las personas con distintos ingresos, pero también entre
personas de distintas localidades y con distintas características. “El gasto per cápita estaba

7
La esperanza de vida en el año 1997 alcanzó los 68.5 años y la mortalidad infantil es en la actualidad menos
de 50 por mil nacidos vivos. El primer dato proviene del Banco Interamericano de Desarrollo, Unidad de
Estadísticas y Análisis Cuant itativo; el segundo es de MINSA: www.minsa.gob.pe/asis/asistmibrechas.htm.

6
en el año 1996 en US$ 121, con una dispersión entre proveedores de US$ 91 que es el gasto
promedio del MINSA como proveedor y US$ 174 del proveedor privado.” [MINSA-SEPS-
OPS: 1999, p. 6] Estas diferencias son realzadas cuando se analiza la corriente de flujos
financieros del sector para el año 1996. En efecto, aún cuando el MINSA resulta ser el
mayor proveedor de servicios en cuanto a su cobertura (véase la sección a continuación), su
gasto representa únicamente la tercera parte del gasto total en prestaciones. El resto está
divido en gasto en servicios privados (incluye el gasto realizado en farmacias) que asciende
aproximadamente a 40 por ciento, y el gasto de ESSALUD, que asciende a 26 por ciento.

¿De qué depende la desigualdad en la asignación del gasto? En principio de la

disponibilidad de recursos del Estado peruano y de su disposición a canalizarlos hacia el
MINSA; es decir de la importancia relativa de la salud en el presupuesto público. También
depende del crecimiento económico, de la distribución del ingreso de la población y del
peso relativo de la población asalariada. Pero, y esto es importante, el efecto negativo de la
desigualdad en la asignación del gasto es ampliado, ceteris paribus, si el sistema de salud
funciona ineficientemente. No tiene sentido obviar los problemas de coordinación entre los
agentes del sistema y la dificultad en la delimitación de roles y espacios institucionales de
atención. Como refiere el estudio de MINSA-SEPS-OPS mencionado [1999, p. 4], los
niveles centrales del MINSA y de ESSALUD tienen departamentos de control, de asesoría
y de apoyo que emiten, cada uno por separado, la normatividad de las entidades y sus
lineamientos técnicos y de política, siendo la coordinación interinstitucional en el nivel
central solo coyuntural y en torno a problemas graves. Un estudio del Banco Mundial
[1999] corrobora esta aseveración: la definición de la población objetivo de cada
subsistema no es efectiva, por lo que no se pueden definir correctamente las metas y
prioridades del sistema de salud.

La falta de coordinación y la incorrecta o incompleta delimitación institucional generan

dos efectos perversos que han sido ya expuestos. En síntesis, se duplican los costos en
instancias centrales, de control, supervisión y regulación; es también muy probable que se
desperdicien las ganancias por economías de escala en los centros de atención. Segundo, los
esquemas de financiamiento no son siempre consistentes con el comportamiento real de los
usuarios de cada subsistema, lo que se traduce en traslado de pacientes de los subsistemas
privado y de seguridad social al MINSA (generándose subsidios cruzados), subutilizacion
de infraestructura en unos casos y saturación en otros, y en general desperdicio de recursos
humanos y materiales por la falta de correspondencia entre el comportamiento real y el
comportamiento esperado de los usuarios. Pero, ¿cómo se comporta la población? Este
tema se trata a continuación.

2.2. El comportamiento de los usuarios

Se ha puesto de manifiesto la existencia de un problema de delimitación de poblaciones

objetivo por parte de la oferta de servicios de salud. Los datos recogidos por la ENNIV
1997 sobre la utilización de estos servicios proveen evidencia para sostener esta hipótesis.

La figura 3 presenta información sobre la utilización de los servicios de salud de las

personas que reportaron percepción de enfermedad, malestar o accidente. La encuesta cubre
todo el Perú. Es evidente a partir de estos datos la falta de acceso real a los servicios. En
efecto, cerca de 30 por ciento de la población con percepción de necesidad en salud no

7
acude a consulta institucional. Nótese, por otro lado, la importancia del MINSA como
proveedor de servicios (57 por ciento del total de la consulta institucional) frente a
ESSALUD (22 por ciento) y el sector privado (18 por ciento), lo que no está de acuerdo a
su disponibilidad de recursos (véase la figura 2).

Figura 3. Niveles de Utilización de Servicios de Salud a partir de la

Percepción de Enfermedad*. Perú, 1997

No pudo
consultar MINSA 25.0%
19.5%
ESSALUD 9.5%
Considera
Consulta
necesario
consultar institucional Sanidad FFAA 1.0%
43.5%
73.5%
Privado 8.0%

E/M/A Consultó
100% 54.0%%
Farmacia 7.6%

No considera
Consulta Curandero 0.7%
necesario
consultar no institucional
10.5%
26.5% Otro 2.2%

*Respecto al 100% de personas que declararon enfermedad, malestar o accidente (E/M/A) en las últimas cuatro semanas previas a la
encuesta.
Fuente: ENNIV 1997.
En: Petrera y Cordero [1999], p. 217, Gráfico N° 3.

¿Cuáles son las razones que restringen la consulta institucional? Una primera razón es
la que tiene que ver con factores económicos (ingreso y precios relativos), sea porque hay
una escasez de recursos por parte de las familias, sea porque el costo de oportunidad del
acceso a los servicios es elevado, sea porque el costo de los servicios mismos es restrictivo.
En efecto, las restricciones económicas explican cerca del 83 por ciento de la no consulta
(figura 4).

Una mirada más detallada revela algunos problemas adicionales. La calidad de los
servicios desalienta el acceso a los mismos, factor que cobra importancia en los individuos
pertenecientes a los quintiles superiores de la distribución del ingreso, en los que poseen
aseguramiento en salud, y en los pobladores de las áreas urbanas. Nótese adicionalmente
que, para todos los casos excepto el primer quintil de la distribución del ingreso, el rubro
‘otras razones’ es importante. ¿Existen barreras no económicas al acceso a los servicios,
barreras que tienen que ver más con factores culturales, sociales y demográficos?

8
 Figura 4. Razones por las que NO se Consulta,
según variables de Estudio. Perú, 1997
No existen
No hay Falta Falta de Lugar está Atenció no
servicios de Otros Total
medicinas atención dineo lejos es buena
salud
Quintil de ingreso
1 0.17 1.41 84.82 0.71 6.71 2.47 3.71 100
2 0.22 1.79 79.90 2.68 4.68 2.01 8.71 100
3 0.52 1.03 75.20 1.80 6.71 6.71 8.01 100
4 n.d. 1.86 66.29 1.86 10.01 7.05 12.97 100
5 n.d. 2.08 57.86 0.81 9.51 10.75 19.00 100
Área de residencia
Lima Metropolitana n.d. 1.32 76.73 n.d. 2.33 1.67 17.95 100
Urbana 0.37 1.11 81.48 n.d. 0.74 7.52 8.81 100
Rural 0.18 1.87 72.47 2.82 11.62 4.49 6.56 100
Región geográfica
Costa n.d. 1.10 75.55 2.50 4.06 4.67 12.14 100
Sierra 0.56 2.43 70.68 1.44 12.45 6.15 6.29 100
Selva n.d. 1.04 82.04 0.69 3.84 3.66 8.73 100
Sexo
Hombre 0.36 2.23 74.56 1.64 6.68 4.80 9.74 100
Mujer 0.09 1.03 76.62 1.51 7.35 4.99 8.39 100
Aseguramiento
Si 0.55 3.79 38.38 n.d. 10.28 17.31 29.74 100
No 0.17 1.33 79.69 1.73 6.70 3.59 6.77 100

Total 0.21 1.57 75.72 1.57 7.06 4.91 8.98 100

Fuente: ENNIV 1997.

En: MINSA-SEPS-OPS [1999], p. 22, cuadro N° 8.

Por otro lado, del total de asegurados exclusivamente al subsistema de seguridad social
que registró la realización de una consulta médica, cerca del 38 por ciento acudió a un
proveedor distinto de ESSALUD (véase la figura 5). Un 46 por ciento de las personas con
seguro médico privado exclusivo no consultó a un proveedor institucional privado (clínica
o consultorio), sino que recurrió a proveedores alternativos, destacando entre ellos la
consulta no institucional.

El trabajo de MINSA-SEPS-OPS [1999] intenta explicar estos hechos. Allí se estudian

las diferencias de utilización según género, proveedor y ámbito, encontrándose que el
género es solo significativo como variable de discriminación cuando se diferencia por
ámbito geográfico (las categorías utilizadas son Lima Metropolitana, Resto Urbano y
Rural). “Asimismo - sigue el estudio - cuando se discrimina por quintil de ingreso no se
observa ningún comportamiento diferenciado significativo, aunque sí una ligera tendencia
hacia la mayor utilización femenina de servicios de salud a medida que aumenta el
ingreso…” [p. 22].

La hipótesis de trabajo es que, no obstante los resultados anteriormente citados, si

existen diferencias entre los grupos de usuarios de los servicios médicos. ¿Por qué no se
registran en el análisis citado? Una razón es que dicho estudio contempla únicamente las
diferencias de medias a partir de una variable explicativa (en el primer caso es el género, en
el segundo es la distribución del ingreso según quintiles). El análisis univariante tiene serias
deficiencias cuando existe más de una variable explicativa, siendo que las variables

9
explicativas presentan grados significativos de interrelación, porque deja de lado
importantes relaciones multivariantes.

Figura 5. Condición de Aseguramiento y Consulta (en porcentajes).

Perú, 1997
Condición de aseguramiento

Donde se No asegurado ESSALUD ESSALUD y Privado Fuerzas

atendió seguro privado Armadas
Total personas 18,615,844 4,798,505 142,970 383,164 387,589
Total 100 100 100 100 100
No institucional 23.1 11.1 32.4 26.3 4.6
MINSA 60.7 15.2 8.8 15.8 19.5
ESSALUD 0.9 62.1 0.0 3.5 1.1
Privado 15.0 11.3 55.9 54.4 8.0
Sanidad Policial/Militar 0.3 0.3 2.9 0.0 66.7

La consulta no institucional incluye consulta a farmacéutico, medicina tradicional y otras fuentes no institucionales.
Fuente: ENNIV 1997.
En: Petrera y Cordero [1999], p. 221, Cuadro N° 5.

El propósito del presente trabajo es investigar las variables condicionantes de la

elección de servicios de salud en su dimensión multivariante, más allá de las restricciones
económicas. Concuerda con lo que ha sido identificado por Ii [1996, p. 7] como los temas
centrales de política en los países de bajos ingresos: el conocimiento de los patrones
correctos de la demanda por servicios, la identificación de las necesidades de salud, y la
mejora de las facilidades de acceso real. En general, parafraseando a Ii, asegurar que los
servicios de atención básica de salud sean oportunamente utilizados.

3. Marco teórico y metodología

3.1. Revisión de la literatura

La mayoría de los estudios sobre la demanda por servicios de salud toma como
referencia el enfoque teórico al problema de elección individual racional, establecido
inicialmente por Becker [1965] y Lancaster [1966]. En dicha aproximación se considera al
consumo como una actividad productiva en la que los bienes y servicios sirven para generar
ciertos estados individuales (por ejemplo, un estado de salud particular). Dado que esta
actividad requiere tiempo y esfuerzo, debe considerarse el costo de oportunidad invertido
en la producción los estados.

10
 La aplicación de esta tradición al problema de elección de servicios de salud ha sido
expuesta, en su dimensión dinámica, por Grossman [1972]. Allí se considera a la salud
como un bien de capital durable, que produce resultados de salud durante un período de
tiempo. Una aproximación estática se encuentra, entre otros, en Acton [1975], Heller
[1982], Gertler et al [1987], y Dor et al [1987]. Los dos últimos estudios presentan en
detalle sendos modelos de elección individual fundamentados en un marco teórico similar,
por lo se ha tomado a ambos como referencia principal. Recientemente, Cortéz [1996], Ii
[1996], y MINSA [1997] han presentado modelos de elección más simplificados,
manteniendo similitudes en su aproximación teórica a los mencionados trabajos.

Gertler et al [1987] y Dor et al [1987] proponen que la estimación de la demanda por

servicios de salud se puede analizar utilizando un modelo de elección discreta, que
considera la toma de decisión de los individuos que enfrentan un evento perjudicial de
salud (enfermedad o accidente). Un individuo típico elige una canasta compuesta por el
consumo de bienes distintos de los servicios de salud, y una opción de atención médica que
conlleva cierta recuperación en la salud de la persona. El conjunto de alternativas de
consulta incluye a los distintos proveedores, y a la autoconsulta como la opción base. Cada
proveedor registra una combinación precio-calidad particular, donde el precio incluye no
solo el costo de los servicios sino también el costo monetario de acceso a los servicios
(costo de transporte y costo de oportunidad en tiempo de viaje y tiempo de espera). El
impacto sobre la salud de la persona se evalúa a partir de la calidad percibida del
tratamiento, y depende de las cualidades del proveedor, de las características de los
individuos8, y de un término de perturbación que expresa la condición no determinística de
la elección. En el modelo, el individuo decide la provisión de servicios ex ante la
realización de los mismos, por lo que la recuperación esperada está relacionada con la
percepción del individuo acerca de la calidad de los tratamientos.

Esto se expresa formalmente como sigue. Para cualquier opción de atención j = {0, 1,
... , 1 - J}, un individuo con problemas de salud decide sobre Hj, Cj y Tj, tal que la utilidad
individual condicionada al recibimiento del tratamiento provisto por j es:

U j = U (H j , C j , T j ) (1 )

Donde Hj es el estado de salud esperado luego de consultar al proveedor j, Cj ≥ 0 es el

consumo de la canasta de bienes después de pagar por los servicios de salud (cuyo precio
ha sido normalizado, esto es PC = 1), y Tj es la desutilidad del tiempo de viaje y del tiempo
de espera asociada al proveedor j. Claramente, UC > 0, UH > 0, y UT < 0.

El impacto del tratamiento sobre el estado de salud del individuo se modela a partir de
los resultados esperados de la autoconsulta, H0, y de la calidad del proveedor médico
percibida, Qj. De allí se deduce que el estado de salud esperado viene dado por una función
de producción de estados de salud normalizada a partir de la calidad de la opción de
autotratamiento (Q0 = 1):

H j = Q j ⋅ H0 ( 2)

8
“…esto es, los problemas médicos, el estado general de la salud, y la habilidad de implementar el
tratamiento recomendado.” [Dor et al: 1987, p. 38]

11
 Sea Pj el costo monetario total de acceder al tratamiento j, que incluye tanto el costo
monetario del servicio (consulta y medicinas) propiamente dicho, como el costo de llegada
al servicio y el costo de oportunidad del tiempo de viaje y el tiempo de espera. Sea
asimismo Y el ingreso total del consumidor. La función de utilidad indirecta condicionada
es entonces (asumiendo preferencias monotónicas):

U j = U ( H j , Y − Pj , T j ) (3 )

O, utilizando la función de producción de resultados de salud:

U j = U (Q j ⋅ H 0 , Y − Pj , T j ) ( 3a)

El problema no condicionado de maximización de la utilidad individual contiene las

utilidades indirectas derivadas de las J diferentes alternativas, donde j = 0 expresa la
autoconsulta o consulta no institucional, y j = {1, … , J-1} es el conjunto de proveedores
institucionales.

U * = max {U 0 , U1 , .... , U J −1 } ( 4)

La solución de (4) permite obtener el nivel máximo de bienestar individual, y se

modela a partir de las probabilidades de elección de las distintas opciones. En este sentido,
se escoge la opción de tratamiento cuya probabilidad de resultar en un nivel de utilidad
‘máximo’ es mayor a las de las otras opciones. Naturalmente, la forma funcional de la
demanda por servicios de salud depende de la forma funcional de la utilidad condicionada y
de la distribución de las variables estocásticas [Dor et al: 1987, p. 42], de donde se discute
las especificaciones empíricas para las funciones de utilidad condicionadas.

Dichas especificaciones responden naturalmente a los objetivos de las investigaciones

de los diversos autores. En Gertler et al [1987] se establece una función de utilidad
indirecta condicionada que no asume, antes bien permite evaluar el sentido (decreciente) de
la tasa marginal de sustitución entre el consumo de la canasta de otros bienes y el consumo
de servicios de salud, con lo cual se pone a prueba (y se corrobora) la normalidad del bien
salud y de los servicios de salud.

El trabajo de Dor et al [1987] supone que la salud es un bien normal y plantea una
función de utilidad del tipo Cobb-Douglas para (3a). Este supuesto, por otro lado, define la
elección del proveedor sobre la base de la restricción del ingreso y la combinación precio-
calidad preferida por el consumidor. La figura 6 muestra la normalidad de los servicios de
salud, para un conjunto de elección discreta al que se enfrenta un consumidor con las
preferencias tipo Cobb-Douglas. La elección se realiza entre las opciones (QH, PH), calidad
alta - precio alto, y (QL, PL), calidad baja - precio bajo.

“Con un nivel bajo de ingresos, digamos YL, la elección es entre los puntos A y B [i.e., entre
una ganacia en salud de (HH – HL) y una ganancia en el consumo de (PH – PL). Con un ingreso de
YL, la ganancia en el consumo es preferida a la ganancia en salud y la opción costo bajo – calidad
baja es seleccionada. Cuando el ingreso aumenta, la tasa marginal de sustitución del consumo por la
salud cae sobre las dos líneas horizontales HH y HL. […] Eventualmente (con el ingreso YH en la

12
figura [6]), la ganancia en salud es preferida a la ganancia en el consumo, y la opción C es elegida,
con mayor calidad – mayor precio.” [Dor et al: 1987, pp. 41-42. Traducción propia]

Figura 6. La elección en el Caso Discreto

H = QH0

A C
HH = Q H – H 0

HL = Q L – H0
B D

Y L– P*H YL– P*L YH – P * H YH – P* L C = Y – P*

En: Dor et al [1987, p. 43, figura 2]

Una condición clave de ambos modelos es la definición del término Qj en la función

de utilidad indirecta condicionada. Nótese que ni éste ni el término H0 son empíricamente
observables. H0, sin embargo, se presenta en todas las alternativas, por lo que es poco
importante en la especificación empírica de (3a). Por otro lado Qj, la calidad esperada del
tratamiento provisto por j, se establece como una función que depende de las características
individuales, las cualidades del proveedor, y un término de perturbación aleatorio.
Formalmente:

Qj = Q ( X , Z j , ε j ) ( 5)

Donde X es un vector de características individuales, relacionadas al estado de salud de

la persona y a su capacidad de implementar los tratamientos, Zj es el vector de
características del proveedor j observables por el individuo, y ε j es el término de
perturbación con media cero y varianza finita. Al reemplazar (5) en (3a), se obtiene
finalmente la función de utilidad indirecta utilizada:

U j = U ( X , Z j , Y − Pj , T j , ε j ) ( 6)

Como se menciono, la especificación de la forma funcional de la utilidad indirecta

condicionada utilizada para los estudios empíricos responde a los propósitos de los distintos

13
trabajos. En Ii [1996] por ejemplo, la utilidad del individuo i derivada de la elección de la
opción j entre las J opciones disponibles es:

U i j = α ' Z i j + β 'j X i + ε i j ( 7) 9

La utilidad del individuo i reportada por el consumo de los servicios del proveedor j
depende de Zij, los atributos observables de j percibidos por el individuo i; de Xi, las
características observables del propio individuo; y del término de perturbación incluido
para capturar los errores en la percepción y optimización del consumidor de cada
alternativa.

Usando esta especificación, o una variante, se calcula la probabilidad de la elección de

la opción j mediante un modelo de elección discreta simple o múltiple. Usualmente se
estima dicha probabilidad haciendo uso del análisis logit binomial, multinomial, u otro
(logit anidado, por ejemplo). Una de las complicaciones de estos modelos es que se debe
incluir las características de las opciones no elegidas (por ejemplo, el precio de los
proveedores no consultados), lo cual ha sido comúnmente trabajado mediante modelos de
estimación ad hoc para precios y distancias no observados. Los distintos estudios empíricos
han sido realizados en países en vías de desarrollo para establecer los parámetros de la
función de demanda que se deriva del modelo de elección discreta, y especificar las
variables exógenas que tienen efectos las cantidades consumidas de servicios médicos y la
elección de los proveedores. A su vez, se han construido modelos para establecer el
impacto de la tenencia de seguros sobre la elección (en especial sobre la cantidad de
demanda)10.

Entre los trabajos más completos de estimación de la demanda por servicios de salud se
encuentran el ya mencionado de Dor et al [1987], que busca evaluar el impacto del tiempo
de viaje sobre la demanda de servicios de salud (clínicas, hospitales y autoconsulta) en las
zonas rurales de Costa de Marfil. El argumento de la función de producción de calidad
esperada en los servicios incluye al estado de salud de las personas (medido en número de
días saludables en las cuatro semanas previas a la encuesta) y a la edad como características
individuales, y a la educación de las personas como aproximación a una medida de capital
humano. Dor et al consideran asimismo una función de producción agrícola para evaluar el
efecto de los ingresos futuros sobre la demanda por servicios de salud. El argumento de esta
función de producción agrícola, incluida en la especificación de la utilidad indirecta
condicionada, considera al número de adultos y el número de hijos en el hogar, a la
disponibilidad de tierra y al género de los individuos como variables relevantes en la
determinación de la productividad de las familias. Los resultados presentados concluyen
que, en efecto, el tiempo de viaje es un determinante importante en la elección del
proveedor, tanto en cuanto a costo de acceso como en cuanto a parámetro de desutilidad
directo. Asimismo, se encuentra que la edad y el número de adultos en el hogar tienen un
efecto negativo en la probabilidad de consultar servicios institucionales (hospitales y
clínicas). El efecto del género sobre la demanda es ambiguo, siendo poco significativo en la
demanda por atención en clínicas, pero positivo y significativo en la demanda por atención

9
Se ha modificado la notación de Ii para que coincida con la utilizada en este trabajo, que por otro lado sigue
la presentada por Gertler et al y Dor et al.
10
Véase, además de los mencionados, Lavy y Germain [1994], Musgrove [1983], Phelps y Newhouse [1974],
entre otros.

14
en hospitales. El resultado más significativo, a decir de los propios autores, es que la
demanda por atención médica es substantivamente más elástica en cuanto al tiempo de viaje
entre los sectores de bajos ingresos que entre los individuos con ingresos elevados.

Heller [1982] presenta también un modelo completo para estimar la demanda por
servicios de salud en Malasia. Entre los resultados encontrados, Heller indica que tanto los
costos de los servicios y de acceso a los servicios, como el ingreso de las personas afectan
la elección del proveedor, pero no inciden en la cantidad total de servicios que se demanda.
Resultados similares son presentados por Mwabu [1986], en un estudio realizado para la
zona rural de Kenya.

La investigación empírica de la demanda de servicios de salud en el Perú sigue sobre

todo la tradición establecida por Gertler y colaboradores [Gertler et al: 1986; Gertler et al:
1987]. En Gertler et al [1987] se establecen cuatro opciones de atención (autoconsulta,
hospital público, clínica pública, proveedor privado). El argumento de la función de
producción de calidad en los servicios en este caso incluye mediciones del estado de salud
inicial (edad y tipo de enfermedad, a través de una variable dummy); la acumulación de
capital humano (educación); y las características del proveedor. Los autores suponen que la
calidad de la atención varía con la ubicación geográfica, por lo que se registra una variable
ficticia para el ámbito geográfico de los individuos.

Usando información recogida en el año 1984, Gertler et al [1987] concluyen que el

precio total juega un rol significativo en la demanda por servicios médicos, que dichos
servicios son un bien normal, y que su demanda deviene más elástica cuando el ingreso cae.
Ello implica que el cobro de tarifas en los servicios públicos impacta en mayor proporción a
los sectores pobres. El estudio presenta una simulación de la implementación de políticas
generadoras de ingresos en hospitales y centros de atención públicos, conjuntamente con el
uso de estos ingresos para mejorar las facilidades de acceso a servicios. Se deduce que “…
si el gobierno impone tarifas moderadas y usa estos ingresos para resolver el problema de
acceso, habría, si es que hay, una pequeña pérdida en el bienestar agregado, pero también
habría una redistribución del bienestar de los pobres a los ricos.” [p. 22] Este resultado, por
otro lado, solo es relevante en el ámbito urbano. De ser este el caso, los autores sugieren
que se piense en esquemas tarifarios diferenciados de acuerdo a la capacidad de pago, con
lo cual se podría efectuar la recuperación de costos para ampliar el acceso real a los
servicios, evitando el sesgo regresivo en la adopción de una tarifa plana. Resultados
adicionales son los siguientes: la edad está positivamente relacionada al uso de servicios de
mayor calidad (proveedores privados y hospitales públicos), al igual que la educación. “Los
coeficientes estimados implican que la educación incrementa la productividad esperada de
la atención privada y de la atención en hospitales en comparación con la auto atención, y
reduce la productividad esperada de la atención en clínicas (centros de salud) en
comparación con la auto atención.” [p. 18] Al efectuarse la distinción entre proveedores
públicos dependientes del MINSA, y proveedores dependientes de la Seguridad Social, se
encuentra que la calidad percibida de estos últimos es mayor a la de los primeros.

En la segunda mitad de los noventa, investigaciones sobre el tema han sido efectuadas
por Cortéz y colaboradores [MINSA: 1997]; Cortéz [1996] para el caso de la población
infantil; Petrera [1999] para el caso de la mujer rural; y Petrera y Cordero [1999] para el
caso de los individuos cubiertos por la seguridad social. Este último no establece una
demanda de servicios de salud, sino que explora la elección del proveedor de servicios de

15
los individuos asegurados a ESSALUD (aunque se distingue únicamente dos opciones de
elección, ESSALUD y otros proveedores). En MINSA-SEPS-OPS [1999] se expone un
análisis de la relación entre variables socioeconómicas y el registro de las necesidades de
salud. Este análisis, sin embargo, es univariante, lo que deja de lado las importantes
relaciones multivariantes – simultáneas. Los últimos estudios realizados para el Perú
muestran que el costo total de los servicios de salud (esto es, el precio de la consulta y el
costo de oportunidad debido al tiempo invertido, tanto en la llegada al lugar de consulta
como en la espera en consulta), el ingreso, la educación (en el caso de menores de edad, la
educación de la madre), la tenencia de un seguro privado y el diferencial de la calidad en el
servicio son variables relevantes para la decisión sobre el proveedor médico.

Pese a haber sido reconocidos desde hace tiempo por la literatura (por ejemplo, Gertler
et al: 1986; Acton: 1975), otros factores asociados a las características individuales
(sociales, demográficos, biológicos, culturales), que afectan la percepción de los atributos
de los establecimientos y de los beneficios de los tratamientos en los estados de salud (que
pueden incluir además consideraciones psicológicas), no han sido satisfactoriamente
explorados. Una excepción es el trabajo de Ii [1996] para el caso boliviano, en el que se
establece la pertenencia a la cultura Aymara – tomándose como indicador el lenguaje
materno – como relevante en la decisión acerca de los servicios de salud. La población
Aymara sería más renuente a buscar consulta institucional que los otros grupos étnicos.

3.2. Supuestos de comportamiento

La hipótesis preliminar que se maneja es que existen elementos individuales, más allá
de la limitación de recursos y los precios relativos, que condicionan la elección del
proveedor (el lugar de consulta efectiva). En ese sentido, mi trabajo no busca establecer una
función de demanda por servicios de atención médica, antes bien parte de suponer que
existen diferencias significativas en las preferencias de los individuos, según los grupos de
elección del proveedor de salud. Personas distintas tienen preferencias distintas. Buscar
estas diferencias entre grupos es el principal objetivo.

Como en los otros casos, el conjunto de elección en el modelo lo supongo compuesto

por dos tipos de bienes, los servicios de salud y la canasta de otros bienes. Dentro del
primero se distinguen J proveedores distintos, incluida la posibilidad de autoprovisión y/o
consulta no institucional. Mantengo el supuesto de comportamiento racional del individuo
como maximizador de su bienestar. En este caso, el bienestar individual depende del
consumo de dos bienes: Cj, la canasta compuesta (cuyo precio ha sido normalizado); y Hj,
la recuperación en el estado de salud ante la eventualidad de un evento perverso
(enfermedad, malestar o accidente) derivada del tratamiento j. Nuevamente, el conjunto
factible de tratamientos esta indexado mediante {0, 1, ... , J-1}. En este caso, no es
necesario considerar la normalización de la calidad de la autoconsulta o consulta no
institucional (Q0 ≠ 1), por lo que para cualquier opción de atención, el resultado de salud
esperado depende ahora de la calidad (Q j) y del estado de salud previo a la consulta (HE).
Asimismo, supongo que los individuos tienen información suficiente como para evaluar
‘correctamente’ los resultados de salud ex ante la realización de la consulta o autoconsulta,
por lo que los errores en la percepción y optimización son aleatorios con media cero y

16
varianza constante. De este modo, un individuo i, con ingresos Y, enfrentado al costo de los
servicios de atención Pj, tiene la siguiente función de utilidad indirecta condicionada:

U i j = U i ( H i j , Yi − Pj ) ∀ j ∈ { 0 , 1 , ... , J − 1} (8 )

Donde:

Hi j = Hi ( Qi j , H iE ) (9 )

Qi j = Qi ( X iD , X iB , X iS , Z i j , ε i j ) (10 )

La ecuación (10) descompone los factores individuales que estarían influyendo sobre la
percepción de la calidad del tratamiento j, donde XD refiere a los factores demográficos
(edad, género), XB está por los factores biológicos que condicionan las respuestas esperadas
por el individuo, y XS es un vector de características socioculturales que influye en la
percepción de calidad y en las reacciones de aceptación o rechazo a los distintos tipos de
servicios (por ejemplo, idioma materno, religión, años de educación). La matriz X = [XD,
XB, XS] captura las características individuales que afectan las preferencias,
independientemente de los precios de los servicios, del ingreso y del tiempo requerido para
llegar a cualquier proveedor médico o suministro de atención. En el caso de la autoconsulta
y la consulta no institucional, P0 recoge el costo de acceso y consumo de algún tipo de
servicio o automedicación (compra de medicinas). En los otros casos, Pj es el costo de
acceso y seguimiento del tratamiento propuesto por el proveedor j.

Introduciendo las funciones (9) y (10) en (8), resulta la función de utilidad indirecta
condicionada del consumidor i a la consulta al proveedor j (para todo j = 0, 1, ... , J-1)
como:

Ui j = Ui ( X iD , X iB , X iS , H iE , Zi j , Yi − Pj , εi j ) (11)

El individuo resuelve el problema no condicionado de maximización de la utilidad,

definido a partir de:

U i* = max (U i o , U i 1 , ... , U i J −1 ) ( 12 )

Como se ha mencionado, mi interés es analizar el impacto de las características

individuales, más allá de la restricción de ingresos y los precios, sobre la elección entre un
proveedor de salud y el consumo de la canasta de otros bienes. En ese sentido, no se
considera en la examinación de los datos ni el ingreso de los individuos, ni los precios
totales de los servicios o tratamientos seguidos. Es claro que la combinación final escogida
por el individuo i depende de su conjunto factible. Pero también, y esto es lo esencial en el
trabajo, depende de las preferencias individuales. Ello se aclara cuando se evalúa las
decisiones de dos individuos, digamos r y s, que disponen de un mismo ingreso y se
enfrentan a los mismos proveedores. Sin pérdida de generalidad, supongamos también que
enfrentan eventos perversos de salud similares. La figura 7 grafica esta situación.

17
 Figura 7. La elección en el Caso Discreto con
Preferencias distintas e Ingreso semejante

H = H(Q, HE )
Individuo r Individuo s
(con H E ) (con HE )

HH
r
F Fs
HL

Gr Gs

C=Y–P Y – PL Y – PH Y – PH Y – PL C=Y–P

El individuo r se plantea la decisión entre dos proveedores médicos, F y G, y las

canastas de otros bienes después de consumir los servicios de salud. Dadas sus preferencias,
descritas por la curva de indiferencia situada en el cuadrante izquierdo, elige la opción F
(con precio y calidad altos) como la que maximiza su utilidad no condicionada. Es decir:

U *r = max (U r F , U r G ) = Ur F

Por otro lado, el individuo s elige de acuerdo a sus preferencias a la opción G como la
que reporta mayor utilidad entre dos las alternativas.

U *s = max ( U s F , U s G ) = U s G

Es claro que, dado que se ha supuesto que los individuos enfrentan eventos, precios e
ingresos similares, la elección efectiva depende de la percepción de la utilidad de los
tratamientos y de las preferencias de los consumidores. Nótese que la tasa marginal de
sustitución de atención médica por consumo de otros bienes es distinta para los individuos.

3.3. Especificaciones empíricas

De lo anterior se sigue que la elección óptima del individuo r es:

U *r = U r F = U r ( X rD , X rB , X rS , H rE , Z r F , ε r F ) (13 )

18
 Donde se ha omitido el ingreso individual y los precios del servicio para centrar el
análisis en los factores individuales. Esta función se puede expresar en términos de la
opción elegida, a través de la inversa de la función de utilidad (suponiendo que ella exista),
como:

Z r F = Z r ( X rD , X rB , X rS , H rE , γ r F ) ( 14 )

Donde el término γ captura los errores aleatorios en la percepción del consumidor y en

el proceso de optimización. Dado que no busco estimar funciones de demanda, no es
necesario especificar una forma funcional para la utilidad individual, por lo que no es un
problema dejar establecido (14) genéricamente. Siendo cuatro el número de alternativas
contempladas, se puede plantear entonces cuatro funciones similares, para cuatro
individuos ‘representantes’ de los grupos de elección efectiva.

Z r 0 = Z r ( X rD , X rB , X rS , H rE , γ r 0 ) (15 a )
Z s 1 = Z s ( X sD , X sB , X sS , H sE , γ s 1 ) (15b )
Z t 2 = Z t ( X tD , X tB , X tS , H tE , γ t 2 ) (15 c )
Zv 3 = Z v ( X , X , X , H , γ v 3 )
v
D
v
B
v
S E
v (15 d )

El análisis de los datos se realiza sobre (15a – 15d). Zij representa la pertenencia al
grupo de elección j, con j = {0, 1, 2, 3}, cada uno de los cuales reporta características
distintivas: la autoconsulta o atenciones no institucionales, los servicios provistos por el
MINSA, los que brinda ESSALUD, y los servicios de atención médica privada. La idea
clave es comparar las medias de los grupos de elección, de acuerdo a las variables incluidas
en el argumento de (15a – 15d). Si del análisis se deduce que los grupos son homogéneos
en sus características individuales – dejando de lado el ingreso y el costo de los servicios –
concluiríamos que, efectivamente, son básicamente las variables económicas las que
restringen la elección. Si, por otro lado, los grupos de elección son distintos entre sí, puede
deducirse que hay, además de los precios y el ingreso de los individuos, variables que
influyen en la elección del consumidor. Para verificar cuales de las variables individuales
supuestas inicialmente influyen en la elección, y cómo ocurre la interacción entre ellas, se
utilizará una técnica de estimación multivariante.

3.4. Metodología de estimación de las funciones discriminantes

La metodología escogida para este trabajo supone un enfoque distinto al utilizado para
las estimaciones de las funciones de demanda por servicios de salud, puesto que no se
utilizará técnicas de análisis probabilístico, sino una técnica multivariante conocida como
análisis discriminante. Esta técnica permite investigar las diferencias entre grupos de
objetos o individuos (casos), con respecto a un número determinado de variables de manera
simultánea [Klecka, 1980]. El procedimiento identifica la existencia de un número de
variables, a partir de un grupo grande de ellas, que mejor distingue (discrimina) entre las
categorías establecidas. El análisis discriminante puede ser considerado una extensión del

19
modelo de multianálisis de varianza (MANOVA). Dicho modelo parte de la corroboración
de la hipótesis nula [Jobson: 199211]:

H o p : µ 0 = µ 1 = µ 2 = µ 3 = ... = µ J ( 18 )

Donde µ j representa el vector columna de medias de las p variables predictoras y j =

{0, 1, …, J-1} son los distintos grupos de una población determinada. La estimación del
modelo se basa en la siguiente ecuación de medias muestrales para el individuo i del grupo
j (en notación vectorial, para p variables):

xi j = x + ( x ⋅ j − x ) + ( xi j − x ⋅ j ) ( 19 )

Donde el primer termino del lado derecho de la ecuación representa el vector de gran
medias, el segundo es el vector de diferencias entre las medias grupales con las medias
totales, y el tercero es el vector de diferencias entre los casos y las medias grupales. De la
estimación de la ecuación (19) se pueden inferir las matrices de suma de cuadrados de los
errores intragrupos (W), suma de cuadrados de los errores entre los grupos (G) y suma de
cuadrados de los errores totales (T).

J −1 Nj

W = ∑ ∑( x
j = 0 i =1
ij − x ⋅ j ) ( xi j − x ⋅ j )' ( 20 )

J −1 Nj

G= ∑ ∑(x
j=0 i=1
⋅j − x ) ( x ⋅ j − x )' ( 21 )

J −1 Nj

T = ∑ ∑( x
j = 0 i =1
ij − x ) ( xi j − x )' ( 22 )

T = W +G

A partir de estas matrices se han construido test estadísticos para verificar la hipótesis
nula de igualdad de los centroides grupales. Uno de los más comunes es el test que se
deriva del ratio conocido como Lambda de Wilks (Wilks’ Lambda), definido como:

W
Λ = ( 22 )
W +G

Nótese que este test estadístico multivariante produce valores entre cero y uno. Valores
pequeños de Λ indica diferencias significativas entre los grupos. Si el resultado del análisis
de multivarianza sugiere que las medias del vector de variables relevantes x 12 difieren en
los grupos, puede definirse entonces una combinación lineal de x dada por

11
La exposición la tecnica de estimacion se basa en Jobson [1992], Bray y Maxwell [1985], y Klecka [1980].
12
La inclusion de las variables predictoras se hace de acuerdo al cambio en Λ que genera la introduccion de la
variable bajo consideracion en el modelo.

20
 y = b' x ( 23 )

Así, la naturaleza de las diferencias entre grupos es estudiada usando estas funciones
lineales, denominadas funciones canónicas. Una función canónica es una combinación
lineal de las variables discriminantes, cuyos parámetros son formados a partir de las
diferencias entre la matriz de covarianzas intragrupos y las matrices de covarianzas entre de
los grupos. La especificación de la variable y que caracteriza las diferencias entre los
grupos de elección es realizada a partir de la maximización del ratio Fy, que es similar al
definido para los modelos ANOVA.

b' G b J
Fy = ( 24 )
b 'W b N − J + 1

Este criterio de discriminación, conocido como el criterio de discriminación de Fisher,

determina un conjunto de k autovalores (λ λ 1, … , λ k) con sus correspondientes autovectores
(b1, … , bk), donde se cumple que los autovectores son mutuamente ortogonales. Se cumple
además que los autovalores están definidos en orden de magnitud decreciente, por lo que la
primera función canónica es la que mejor discrimina entre los grupos de elección. La
inferencia de las funciones canónicas se hace a partir de la hipótesis nula que establece que
los k autovalores son iguales a cero. Esta hipótesis es equivalente a la definida inicialmente
(ecuación 18). Rechazar la hipótesis nula sugiere que al menos uno de los autovalores (en
particular, λ 1) es distinto de cero, con lo que la función canónica asociada a este autovalor
resulta significativa. El proceso de prueba de los autovalores continua hasta definir los k
autovalores significativos, con la condición adicional de que los autovectores sean
ortogonales. Así, la primera variable canónica puede interpretarse como una combinación
lineal de las variables que maximizan las diferencias entre las medias de los J grupos. La
segunda variable canónica captura las diferencias de las medias en una dirección ortogonal
a la primera, y así sucesivamente.

La formación de un máximo de J-1 funciones discriminantes (donde J es el número de

categorías contempladas) permite situar a cada caso en el espacio definido por las funciones
canónicas ortogonales consideradas como significativas. Adicionalmente, se puede situar a
los centroides de cada categoría. El análisis de los resultados, de la significancia de los
coeficientes que componen cada autovector y de las funciones canó nicas, permite verificar
la existencia de diferencias sustanciales entre las categorías, y cuáles de las variables
exógenas son las que aportan mayor discriminación.

Existen dos aproximaciones a la interpretación de las funciones canónicas

discriminantes. En la primera aproximación se analizan los coeficientes de cada función
(los componentes de cada autovector b). Así, el coeficiente bkp de la variable p en la
función discriminante yk (o el coeficiente estandarizado) representa el impacto marginal de
las variables p sobre la función yk manteniendo las demás variables constantes. En su
defecto, se puede interpretar a la función yk usando los coeficientes de correlación entre
ésta y las variables originales. En este caso, como señala Jobson [1992] las correlaciones
miden como las variables operan conjuntamente, antes que marginalmente. Así, si existe un
alto grado de correlación entre la función discriminante yk y la variable xp, se puede
concluir que ambas tienden a moverse conjuntamente.

21
 Los supuestos del modelo de las funciones discriminantes son similares a los supuestos
del modelo MANOVA. En particular, debe cumplirse que [Bray y Maxwell: 1985, pp. 32 -
33]: (a) Las unidades o casos bajo estudio deben tomarse a partir de una muestra aleatoria
de la población de interés; (b) Las observaciones deben ser estadísticamente independientes
unas de otras; (c) Las variables exógenas deben tener una distribución normal
multivariante. En la práctica, este requerimiento puede relajarse, suponiéndose que cada
variable sigue una distribución normal; (d) Los grupos de estudio deben compartir la misma
matriz poblacional de covarianzas. Se considera que el análisis discriminante opera
correctamente cuando las variables dependientes están medidas al menos en escala
intervalar. De manera similar a los métodos de regresión múltiple, la inclusión de variables
dicotómicas no genera problemas estadísticos, aunque la interpretación de los resultados
suele ser menos directa.

4. Resultados

4.1. Los datos

La base de datos utilizada fue generada a partir de la ENNIV de los años 1997 y 2000.
En ambos casos, se consideran los datos individuales de personas mayores de 18 años que
registraron ocurrencia de malestar, enfermedad o accidente, en las cuatro semanas previas a
la realización de la encuesta, y que realizaron algún tipo de tratamiento o consulta
(incluyéndose el autotratamiento y la automedicación como opciones validas). He dividido
la muestra en cuatro categorías (grupos), que si bien corresponden con los principales
proveedores de servicios de salud formales e informales, no son exhaustivos. Esto es, se
dejan de lado algunas categorías que forman parte del sistema peruano de salud, pero cuyo
peso relativo es menor. Así, los grupos de elección considerados en el análisis son:

0 = Autoconsulta (incluye la consulta en farmacia, vivienda particular o similar,

la consulta a otros terceros no institucionales, y el acceso a medicinas sin
consulta a terceros);

1 = MINSA (incluye la consulta en hospital, centro o puesto de salud dependiente

del MINSA, o en centro o puesto de salud CLAS);

2 = ESSALUD/IPSS (incluye la consulta en centros médicos dependientes de

ESSALUD/IPSS);

3 = Consulta Privada (incluye la consulta en clínica o consultorio particular).

Los cuadros 8 y 9 presentan los datos de utilización de servicios de salud para los años
considerados en el estudio. Nótese que entre estos años, el numero absoluto de consultas a
proveedores de servicios de salud (incluyéndose la autoconsulta) desciende
significativamente. Sin embargo, la utilización relativa de los servicios provistos por el
MINSA y la seguridad social aumenta. La importancia del MINSA, en comparación con
cualquier otro agente, es mayor en el año 2000, a despecho de las reformas en el sistema de

22
salud previsional, que como se vio tienen como finalidad ampliar la cobertura de los planes
previsionales de salud. Aun cuando es pronto para establecer conclusiones robustas, este es
un hecho que no debe dejarse fácilmente de lado.

Figura 8. Frecuencias de utilización de servicios de salud, 1997

Lugar de consulta final 1997

(personas mayores de 18 anos)

Porcentaje Porcentaje
Frecuencia Porcentaje
casos validos acumulado

Casos validos Autoconsulta (1) 1687 15.29 49.20 49.20

MINSA (2) 837 7.58 24.41 73.61
IPSS (3) 446 4.04 13.01 86.61
Consulta privada (4) 353 3.20 10.29 96.91
Otros (5) 106 0.96 3.09 100.00
Total 3429 31.07 100.00

Casos no validos 7607 68.93

Total 11036 100.00

(1) Incluye los casos de consulta a farmacia-botica, vivienda particular, y los casos que no reportan consulta pero que reportan
acceso a medicamentos.
(2) Incluye los casos de consulta a hospitales, centros y puestos de salud del MINSA, y los centros o puestos de salud de los
CLAS.
(3) Incluye los casos de consulta en establecimientos del IPSS.
(4) Incluye los casos de consulta a clinicas y consultorios particulares.
(5) Incluye los casos de consulta a establecimientos de las FFAA y la Policia Nacional, puestos de salud de ONG-parroquias, y
puestos de salud comunitarios.

Fuente: ENNIV 1997.

En el análisis discriminante, el lugar de consulta funciona como variable dependiente.

Las variables explicativas consideradas se dividen, discutiblemente, en a) factores
demográficos: estado civil y dominio geográfico; b) factores biológicos: presencia de
malestares o enfermedades crónicas, edad y genero de la persona; c) y factores
socioculturales, que influyen en la percepción de la enfermedad y en las reacciones de
aceptación o rechazo a los distintos tipos de servicios: idioma materno, religión, niveles de
educación, tenencia en el hogar de teléfono fijo y/o teléfonos celulares, uso frecuente de la
internet (para el año 2000, considerando como ‘frecuente’ el acceder a la red dos o mas de
dos veces por semana) 13. Se incluye además al número de días registrados como enfermo

13
Es cierto que un mayor poder adquisitivo facilita el acceso a los servicios telefonicos y de
telecomunicaciones, sin embargo, factores sociales relativizan una apreciacion netamente economica de estas
variables. “Aun cuando la frase ‘estatus socio-economico’ […] sugiere que debe haber una correlacion entre
la posicion economica y la posicion social, no hay duda de que las dos son distintas”. [Olson: 1971]

23
y/o impedido en cama (en logaritmos) como una variable proxy para capturar la gravedad
del padecimiento14.

Las figuras 10 y 11 ofrecen el detalle de las variables cualitativas utilizadas en el

análisis. También presentan los resultados del test univariante (estadístico Pearson Chi
Cuadrado) de tabulaciones cruzadas, lugar de consulta (fila) versus variable independiente,
digamos el genero (columna), que pone a prueba la hipótesis nula de independencia entre
las filas y las columnas. Esto es, se prueba la premisa de que el lugar de consulta y la
variable independiente, digamos el genero, son independientes una de otra.

Figura 9. Frecuencias de utilización de servicios de salud, 2000

Lugar de consulta final 2000

(personas mayores de 18 anos)

Porcentaje Porcentaje
Frecuencia Porcentaje
casos validos acumulado

Casos validos Autoconsulta (1) 1104 9.47 43.35 43.35

MINSA (2) 745 6.39 29.25 72.60
ESSALUD (3) 388 3.33 15.23 87.83
Consulta privada (4) 219 1.88 8.60 96.43
Otros (5) 91 0.78 3.57 100.00
Total 2547 21.85 100.00

Casos no validos 9112 78.15

Total 11659 100.00

(1) Incluye los casos de consulta a farmacia-botica, vivienda particular, y los casos que no reportan consulta pero que reportan
acceso a medicamentos.
(2) Incluye los casos de consulta a hospitales, centros y puestos de salud del MINSA, y los centros o puestos de salud de los
CLAS.
(3) Incluye los casos de consulta en establecimientos de ESSALUD.
(4) Incluye los casos de consulta a clinicas y consultorios particulares.
(5) Incluye los casos de consulta a establecimientos de las FFAA y la Policia Nacional, puestos de salud de ONG-parroquias, y
puestos de salud comunitarios.

Fuente: ENNIV 2000.

Los resultados de este test univariante son, para ambos años, significativos en todas las
variables. Esto es, se rechaza la premisa de independencia entre el lugar de consulta y la
variable exógeno respectiva, a un nivel de significancia de a lo mas uno por ciento. Aun
cuando este test no capta la interacción de las variables entre si, da un indicio claro de su
importancia. En pocas palabras, las variables consideradas individualmente tienen
relevancia a la hora de distinguir entre personas que acuden a distintos proveedores. En la
siguiente sección se presentan los resultados del análisis multivariante, que ofrece además
alguna clave para entender la interacción de las variables.

14
Esta variable es el resultado de la suma de la entrada en la Encuesta ‘numero de dias enfermo’ y la entrada
‘numero de dias impedido o en cama’. Usualmente se lee en el texto ‘log dias impedido’, por simplicidad.

24
 Figura 10. Variables Cualitativas 1997
Tabulacion Cruzada (Test Chi Cuadrado)
Pearson Chi-Square (3 grados de libertad)
Variable Valor Niv. Sig. Valor Dicotomico
Dominio urbano 100.00060 0.00000 0 = urbano 1 = rural
Genero 26.00300 0.00001 0 = hombre 1 = mujer
Estado civil (1) 14.12658 0.00274 0 = casado 1 = otro estado
Lengua materna (2) 41.00786 0.00000 0 = castellano 1 = otro idioma
Religion (3) 11.84851 0.00792 0 = catolica 1 = otra religion
Telefono fijo en hogar 206.42856 0.00000 0 = si 1 = no
Celular(es) en hogar 28.14258 0.00000 0 = si 1 = no
Educacion primaria 41.49812 0.00000 0 = si 1 = no
Educacion secundaria 54.88773 0.00000 0 = si 1 = no
Educacion superior 132.37712 0.00000 0 = si 1 = no
Presencia enfermedad cronica 53.73754 0.00000 0 = si 1 = no
(1) La categoria casado incluye a los casos cuyo estado civil es conviviente.
(2) La categoria otros incluye a todos los demas idiomas registrados por la encuesta.
(3) La categoria otros incluye a las demas religiones, y a los casos que registran 'ninguna' como respuesta.
Fuente: ENNIV 1997.

Figura 11. Variables Cualitativas 2000

Tabulacion Cruzada (Test Chi Cuadrado)
Pearson Chi-Square (3 grados de libertad)
Variable Valor Niv. Sig. Valor Dicotomico
Dominio urbano 75.68653 0.00000 0 = urbano 1 = rural
Genero 13.99964441 0.00291 0 = hombre 1 = mujer
Estado civil (1) 11.36469701 0.00991 0 = casado 1 = otro estado
Lengua materna (2) 81.3400258 0.00000 0 = castellano 1 = otro idioma
Religion (3) 12.80885636 0.00507 0 = catolica 1 = otra religion
Telefono fijo en hogar 130.0360473 0.00000 0 = si 1 = no
Celular(es) en hogar 40.36084702 0.00000 0 = si 1 = no
Educacion primaria 17.63214006 0.00052 0 = si 1 = no
Educacion secundaria 34.40921884 0.00000 0 = si 1 = no
Educacion superior 61.77731058 0.00000 0 = si 1 = no
Presencia enfermedad cronica 34.19699336 0.00000 0 = si 1 = no
Acceso frecuente a internet (4) 21.4126124 0.00009 0 = si 1 = no
(1) La categoria casado incluye a los casos cuyo estado civil es conviviente.
(2) La categoria otros incluye a todos los demas idiomas registrados por la encuesta.
(3) La categoria otros incluye a las demas religiones, y a los casos que registran 'ninguna' como respuesta.
(4) La categoria si registra acceso a internet en dos o mas ocasiones a la semana.
Fuente: ENNIV 2000.

25
4.2. Las funciones discriminantes

Para corroborar el supuesto de igualdad de matrices de covarianzas entre grupos no he

utilizado el test Box M, pues este test es muy sensible al tamaño muestral. En vez de esto,
considérese los valores registrados en la tabla que aparece como Log Determinants en el
anexo. Valores similares entre grupos apoyan el supuesto de igualdad de covarianzas, lo
que se verifica en ambos años.

Un subproducto del análisis discriminante es el test de igualdad de medias entre

grupos, para cada variable considerada independientemente (el anexo contiene los
estadísticos y resultados de todo el análisis para ambos años). Si bien en el caso de las
variables dicotómicas es extraño aplicar este test, considérese el ejemplo extremo de un
grupo con individuos únicamente mujeres (media = 1), y otro con individuos únicamente
hombres (media = 0). Aun con estas reservas, la hipótesis de igualdad de medias entre
grupos es rechazada (a un nivel de significancia menor a 1 por ciento) en ambos años, para
todas las variables consideradas. Los cuatro grupos de elección difieren en ambos años,
cuando se les evalúa según cada variable independiente. La siguiente pregunta (¿como
difieren?) es posible intentar contestarla a partir de los resultados de las funciones
discriminantes canónicas (FDC).

Figura 12.
Variables seleccionadas en el análisis discriminante (método step-wise)
1997 2000
Variables - Teléfono fijo en hogar Variables - Teléfono fijo en hogar
incluidas - Edad incluidas - Lengua materna
- Educación superior - Edad
- Log días de impedimento - Educación secundaria
- Educación primaria - Log días de impedimento
- Genero - Educación superior
- Educación secundaria - Genero
- Lengua materna - Estado civil
- Celular(es) en hogar - Presencia enfermedad crónica
- Presencia enfermedad crónica - Dominio urbano
- Estado civil - Acceso frecuente a internet
- Dominio urbano - Celular(es) en hogar

Variables - Religión Variables - Religión

excluidas excluidas - Educación primaria

Naturalmente, se hicieron dos corridas distintas, una para cada año. Se escogió el
método step-wise, que selecciona a las variables de acuerdo al criterio de reducción del
estadístico Lambda de Wilks (verse la sección tres). La figura 12 presenta las variables
incluidas, para los años 1997 y 2000, según el orden de inclusión en cada año. Las
funciones discriminantes canónicas expresadas por el sistema de tres ecuaciones lineares y
= b’x (figuras 13a, 13b, para los años 1997 y 2000 respectivamente; los coeficientes de las
variables han sido estandarizados) incluyen a estas variables en el vector de exógenas x.
Aun cuando las tres funciones canónicas, en los dos años considerados, son validas con un
nivel de significancia menor a 1 por ciento (verse el anexo), las dos primeras funciones
explican la mayor parte de la variabilidad entre los grupos de elección. La figura 14 revela

26
adicionalmente que los porcentajes de las varianzas representados en las dos primeras FDC
son similares para los años 1997 y 2000; esto es, cerca de 90 por ciento de la variabilidad
entre los grupos de elección esta capturado por las primeras dos funciones canónicas. Es
posible así reducir el análisis de los resultados, convenientemente, a estudiar la interacción
de las dos primeras FDC.

Figura 13a. y = b’x (1997)

Coeficientes estandarizados de las Funciones Discriminantes Canonicas, 1997
dominio lengua telef fijo en celular(es) educ educ presencia log dias
genero estado civil educ secund edad
urbano materna hogar en hogar primaria superior enf cron impedim

y 1 = 0.172 -0.055 0.157 0.034 0.351 -0.110 0.261 0.245 0.399 0.148 -0.622 -0.112
y 2 = 0.035 0.409 -0.213 0.381 0.095 0.321 -0.047 -0.167 0.022 -0.310 -0.044 0.630
y3 = -0.195 -0.309 -0.308 0.071 0.546 0.315 -0.123 -0.388 0.215 0.039 0.551 -0.295

Figura 13b. y = b’x (2000)

Coeficientes estandarizados de las Funciones Discriminantes Canonicas, 2000
dominio lengua acceso telef fijo en celular(es) educ presencia log dias
genero edad estado civil educ secund
urbano materna internet hogar en hogar superior enf cron impedim
y 1 = 0.140 0.019 -0.624 0.246 0.252 -0.017 0.347 0.183 0.263 0.332 0.033 0.097
y 2 = 0.165 0.363 0.284 -0.085 0.666 0.016 0.058 0.083 -0.431 -0.143 -0.349 0.438
y 3 = -0.393 -0.240 0.447 -0.177 -0.041 0.499 0.654 0.198 -0.169 -0.076 0.112 -0.017

Como se sospechaba a partir del análisis univariante, ambos años incluyen un numero
significativo de variables, dejando de lado a la religión como variable de discriminación, y
a la educación primaria en el año 2000 (este año incluye una nueva variable como
discriminante, el acceso frecuente a internet). La interpretación de las funciones canónicas
y la interacción entre las variables exóge nas como determinantes de la elección del
proveedor en salud, se derivan de las matrices estructurales presentadas en la figura 15. El
orden de las variables exógenas refleja el mayor grado de correlación con las FDC. Esto es,
las variables explicativas que aparecen en primer lugar en la tabla 15 tienen una correlación
(en valor absoluto) mayor con la primera función canónica; el segundo grupo registra un
grado mas alto de correlación con la segunda FDC; y las variables restantes se
correlacionan mas significativamente con la tercera FDC. La figura quince no incluye las
correlaciones con la tercera FDC (véase el anexo). Como se señalo, esta función canónica
representa un efecto marginal en la explicación de la variabilidad entre los grupos, y en la
interrela ción de las variables explicativas en el proceso de elección del proveedor en salud.

Figura 14. Resumen de las Funciones Discriminantes Canónicas.

1997
Correlación
y = b’x Autovalor % de varianza % acumulado
canónica
FDC 1 0.146 72.5 72.5 0.357
FDC 2 0.043 21.6 94.0 0.204
FDC 3 0.012 6.0 100.0 0.109
2000
Correlación
y = b’x Autovalor % de varianza % acumulado
canónica
FDC 1 0.129 63.1 63.1 0.338
FDC 2 0.054 26.6 89.7 0.227
FDC 3 0.021 10.3 100.0 0.144

27
 ¿Cual es la interpretación de las funciones canónicas discriminantes? Nótese que la
interacción de las variables explicativas es similar para los años 1997 y 2000. Las variables
cuya correlación mayor es con la primera FDC son las mismas, excepto por el reemplazo de
la educación primaria por la tenencia de teléfonos celulares en el hogar en el año 2000. Lo
interesante es, sin embargo, el signo de las correlaciones. Todas son positivas, salvo la
edad, que se correlaciona negativamente con la primera FDC en ambos años. Así, la
tenencia de teléfono fijo (valor dicotómico 0), el dominio urbano (0), el acceso a educación
secundaria y superior (0), y el acceso a educación primaria en el 97 (0) o la tenencia de
teléfonos celulares en el hogar para el 2000 (0) están correlacionados con valores bajos en
la primera FDC. Mayor edad, por otro lado, significa menores valores en la misma FDC.
Esta función expresa en cierto sentido la posibilidad de pertenencia a sectores socio-
económicos distintos de la sociedad peruana. Valores pequeños en la FDC 1 se relacionan
con el acceso efectivo a educación, a medios de comunicación modernos y la vivencia en
medios urbanos. Lo contrario sucede con valores grandes en la FDC 1. Como se recordara,
ninguna variable de ingreso o gasto esta incluida en el análisis, pero la interacción
capturada en la primera función discriminante parece reflejar una asociación con el estatus
socio-económico de las personas.

He querido evitar el uso del termino ‘socio-economico’, pues se tiende a reducir la

complejidad del mismo, de los factores que determinan un estatus socio-económico, al
factor económico (léase el pie de pagina 13). Y este estudio pretende, justamente, evitar
este exceso. Aun así, se reconoce la evidente interrelación entre el acceso efectivo a los
sectores urbanos, ‘modernos’, y el ingreso de las personas. En resumen, valores altos en la
primera FDC se asocian a individuos relativamente mas jóvenes, pertenecientes a sectores
no urbanos, con poco acceso efectivo a la educación, sobre todo en niveles de educación
mas avanzados, y con escaso acceso a medios modernos de comunicación.

La segunda función canónica es más difícil de interpretar. El efecto de las variables con
mayor correlación con la FDC 2 no cambia entre el 97 y el 2000, pero si la importancia
relativa. Para 1997, la gravedad del padecimiento esta fuerte y positivamente
correlacionada con la segunda función canónica, seguida de la variable idioma materno,
cuyo valor dicotómico 1 (idioma distinto al castellano) se asocia con valores altos de la
FDC 2. La importancia relativa de estas variables, más no el signo de las correlaciones, se
invierte en el 2000. La presencia de enfermedad crónica (valor dicotómico 0) esta asociada
con valores altos de la FDC 2, al igual que el genero femenino (valor dicotómico 1). Por
otro lado, el estado civil conyugal (casado-conviviente, valor dicotómico 0) se asocia con
valores mayores de la segunda función canónica15. Esta función estaría atrapando la
interacción entre variables más congénitas a las personas y a la gravedad del padecimiento,
además del estado civil. En pocas palabras, valores altos del la FDC 2 pueden asociarse a
personas preponderantemente de habla no castellana y de genero femenino, que sufren
enfermedades relativamente mas graves, con presencia de malestares o desordenes
crónicos, y que tienden a estar en vida conyugal.

15
Para el año 1997, la tenencia de celulares en el hogar tiene una correlacion positiva con la segunda FDC,
pero este hecho es dificil de explicar.

28
Figura 15. Matrices estructurales
Matriz estructural 1997 Matriz estructural 2000
Correlacion entre las variables exogenas y las funciones discriminantes canonicas (estandarizadas).

Variable exogena FDC 1 FDC 2 Variable exogena FDC 1 FDC 2

telefono fijo en hogar 0.646 * 0.242 telefono fijo en hogar 0.622 * 0.016
educacion superior 0.514 * 0.200 dominio urbano 0.485 * 0.144
dominio urbano 0.453 * 0.155 edad -0.469 * 0.257
edad -0.451 * 0.102 educacion superior 0.440 * -0.041
educacion secundaria 0.328 * 0.160 celular(es) en hogar 0.341 * 0.047
educacion primaria 0.283 * 0.141 educacion secundaria 0.327 * -0.073

log dias impedimento -0.069 0.679 * lengua materna transformada 0.328 0.613 *
lengua materna transformada 0.177 0.422 * log dias impedimento 0.064 0.449 *
presencia enfermedad cronica 0.279 -0.341 * presencia enfermedad cronica 0.186 -0.422 *
genero 0.058 0.270 *

estado civil 0.063 -0.195 acceso frecuente a internet 0.094 0.061

celular(es) en hogar 0.069 0.367 estado civil 0.140 -0.117
genero 0.033 0.368

Variables orderadas segun tamaño en valores absolutos de correlacion entre cada variable y las FDC. Las variables en los primeros lugares
tienen mayor correlacion absoluta con la primera FDC, las ultimas con la tercera FDC (no aparece aca). El simbolo * indica la FDC con la que la
variable tiene mayor correlacion absoluta.

Estas son las funciones canónicas. Debe estar más o menos claro, al menos esto espero,
la forma en la que interactúan las variables discriminantes que quedan capturadas en las
funciones discriminantes. El siguiente paso es analizar como separan las funciones a los
grupos de elección, o, en otros términos, como afectan las variables discriminantes –
representadas en su dimensión multivariante por las funciones canónicas – a la elección del
proveedor en salud. Para ello, utilizo los centroides de los grupos de elección según las
funciones discriminantes, y el grafico respectivo. (Un grafico similar puede realizarse en
tres dimensiones, utilizando las tres FDC. El problema radica en la interpretación de la
tercera función, dejando de lado la parsimonia del uso de dos funciones por un incremento
marginal en la explicación de las varianzas, lo cual creo que no es del todo una buena
idea.)

Figura 16. Centroides de los grupos de elección

Centroides de los grupos de eleccion segun las FDC

1997 2000
Proveedor Proveedor
FDC 1 FDC 2 FDC 1 FDC 2
Autoconsulta 0.159 -0.178 Autoconsulta 0.129 -0.243
MINSA 0.307 0.316 MINSA 0.304 0.293
IPSS -0.788 0.118 ESSALUD -0.673 0.101
Privado -0.493 -0.046 Privado -0.492 0.048

29
 Del cuadro anterior, y de los gráficos de los centroides presentados abajo, es claro que
la primera función canónica separa a las personas que eligen las opciones de la seguridad
social y el sector privado, de las que eligen automedicarse o acudir a los centros de salud
del MINSA. Por el contrario, la segunda función distingue entre las opciones institucionales
y la opcion de la autoconsulta. ¿Como interpretar estos resultados? Recuerdese que la
primera FDC representa la interaccion de variables socio-economicas, por lo que la
interpretacion en este caso es, creo yo, natural. Personas con mayor estatus socio-
economico, entendido como mayor acceso efectivo a educacion en niveles avanzados y
medios de comunicacion modernos, acuden preferentemente a las instancias privadas y de
seguridad social. Dos sutilezas a señalar. El hecho de que las opciones MINSA y seguridad
social (sea IPSS en 1997, sea ESSALUD en el año 2000) aparecen como antagónicas hace
pensar que los componentes no económicos son efectivamente significativos. Si las
variables discriminantes asociadas a la primera FDC fueran reflejo únicamente del ingreso
de las personas, la opción de la consulta privada estaría a la izquierda de la seguridad
social. Mi punto es que, efectivamente, es un exceso reducir el estatus socio-económico al
poder adquisitivo de las personas. Hay mas cosas atrás, que influyen en la selección del
proveedor, y ello se ve reflejado en la posición relativa de los centroides. Lo segundo es
que en el año 2000 las opciones de ESSALUD y de consulta privada parecen haberse
‘acercado’. Lo que ha sucedido es que la coordenada de la FDC 1 para la seguridad social
se ha corrido a la derecha. Ello puede estar reflejando la expansión de los programas de
seguridad social, que entran a competir con la provisión privada de servicios de salud,
captando parte de la demanda potencial por servicios privados.

Centroides de Grupos segun primeras

dos Funciones Discriminantes (1997)
.4
MINSA
.3

.2
IPSS
.1

0.0
privado
F Disc 02

-.1
autoconsulta
-.2
-.8 -.6 -.4 -.2 0.0 .2 .4

F Disc 01

30
 La segunda función canónica aparece como explicativa de un sesgo hacia la selección
de proveedores institucionales, de acuerdo a ciertas características individuales asociadas a
la gravedad del padecimiento, a la presencia de enfermedad o malestar crónicos, al idioma
materno, y en menor grado al género y estado conyugal de la persona. Estos resultados son
consistentes en los dos años de estudio, aunque en el año 2000 la consulta privada se acerca
a los otros dos grupos de consulta institucional, dejando mas aislada a la consulta no
institucional. Los primeros rasgos tienen una interpretación sencilla: las personas acuden a
consulta institucional cuando presentan padecimientos graves o cuando son proclives a
malestares crónicos. La interacción de las otras variables explicativas es más sutil. Puede
decirse que hay una tendencia en el género femenino y en las personas casadas o
convivientes a asistir a consulta institucional. La relación entre el idioma materno y la
tendencia a la consulta institucional es contra intuitiva y no del todo clara: personas de
habla castellana aparecen con un pequeño sesgo hacia la consulta no institucional.

Centroides de Grupos segun primeras

dos Funciones Discriminantes (2000)
.3

.2

ESSALUD
.1
privado

-.0

-.1
F Disc 02

-.2
autoconsulta

-.3
-.8 -.6 -.4 -.2 0.0 .2 .4

F Disc 01

Los resultados presentados, finalmente, han sido validados de acuerdo al poder

predictivo de las funciones canonicas. Esto es, se simula una clasificacion de los casos via
los coeficientes de clasificacion generados por el procedimiento discriminante, y se
compara con la eleccion efectiva – la pertenencia efectiva a los grupos de eleccion (el
anexo incluye los coeficientes de clasificacion, y las tablas de validacion respectivas). Debo
reconocer que, si bien la clasificacion mediante las funciones discriminantes supera en
todos los casos la probabilidad de clasificacion a priori (esto es, asignando .25 de

31
probabilidad a priori a los casos), no es particularmente alta: 41 por ciento de casos
clasificados correctamente para el año 1997, y 43 para el año 2000. Esto merece dos
comentarios. Primero, el poder explicativo de los analisis tradicionales de corte trasversal
no es elevado. Segundo, el tamaño relativo de los grupos de selección puede estar
distorsionando los resultados de la clasificación. No obstante esta salvedad, creo que los
resultados son significativos, al menos para llamar la atención de posteriores
investigaciones sobre la interacción de los factores no económicos en el proceso de elección
del proveedor en salud.

4.3. Conclusiones del estudio

El estudio presentado indica que, efectivamente, los grupos de elección se distinguen

por razones más allá de las económicas. Las variables que afectan la elección del proveedor
en salud – elección entre la autoconsulta o consulta no institucional, la consulta a
proveedores dependientes del MINSA, la consulta a proveedores dependientes de la
Seguridad Social, y la consulta a proveedores privados – pueden ser reducidas y estudiadas
mediante dos funciones discriminantes.

La primera función discriminante captura la interacción entre variables asociadas al

estatus socio-económico de las personas. Valores bajos en la primera función discriminante
se asocian a individuos relativamente mayores, pertenecientes a sectores urbanos, con
acceso efectivo a la educación, sobre todo en niveles de educación más avanzados, y con
acceso efectivo a medios modernos de comunicación. La segunda función discriminante
captura las características congénitas a las personas, y su estado civil. Valores bajos en la
segunda función discriminante pueden asociarse a personas preponderantemente solteras,
de habla castellana y de genero masculino, que sufren enfermedades relativamente menos
graves, pero que no padecen malestares o desordenes crónicos. La composición de las
funciones discriminantes, y la interacción de las variables discriminantes, es similar en los
dos años de estudio (1997 y 2000).

La primera función discriminante separa a los individuos que acuden a consulta en

centros privados y dependientes de la Seguridad Social, de los que lo hacen a centros
dependientes del MINSA o que realizan autoconsulta. La segunda función discriminante
separa a las personas que acuden a proveedores no institucionales (incluida la autoconsulta
como opción base) de los que acuden a proveedores institucionales. Los centroides de las
funciones discriminantes indican que el MINSA y la autoconsulta, como grupos de
elección, registran valores positivos en la primera función discriminante, mientras que la
consulta privada y la consulta a ESSALUD/IPSS registran valores negativos. Por otro lado,
la autoconsulta tiene un valor negativo en la segunda función discriminante, mientras que
los otros grupos de elección mantienen valores positivos (o muy cercanos a cero, en el caso
de la consulta privada para el año 1997).

Si bien este resultado se mantiene en los años 1997 y 2000, en este último año la
consulta privada y la consulta a centros de ESSALUD aparecen mas ‘cercanos’. Este hecho
puede deberse a la expansión de la Seguridad Social a poblaciones tradicionalmente sin
seguro de salud mandatorio – por ejemplo, estudiantes universitarios y trabajadores urbanos
informales – que estarían entrando a competir con los servicios provistos por los agentes
privados. Esto puede significar una mejora en la asignación de recursos de personas que

32
mantenían un doble aseguramiento, pero tendrá consecuencias en los montos destinados al
sector privado.

¿Quieren decir estos resultados que el sistema peruano de salud no es susceptible a una
reforma en su estructura, y que se debe mantener la separación de la población
característica de los modelos de salud segmentados? En realidad no. Lo que los resultados
sugieren es que hay condicionantes, mas allá de la capacidad adquisitiva de las personas,
que afectan la elección del proveedor. Y cualquier intento por reformar el sistema de salud
debe tener presente la forma como estas variables interactúan. Por ejemplo, del análisis se
deduce que hay una tendencia en las personas solteras de habla castellana a acudir a
consulta no institucional. Tomar esto en cuenta significa diseñar incentivos más adecuados
para hacer atractiva a la consulta institucional para este tipo de personas. Por otro lado, esto
no es tan sencillo como parece, pues no es posible utilizar los coeficientes de clasificación
provistos por el análisis discriminante para futuras clasificaciones, si es que las políticas de
salud alteran la estructura del sistema. Al verse enfrentadas a un reformado sistema, las
personas alterarán sus evaluaciones y sus decisiones (esto esta relacionado a la crítica de
Lucas) para adecuarse al nuevo entorno. Los resultados, al menos, llaman la atención sobre
la importancia de factores no económicos en la toma de decisiones de los individuos.

5. Bibliografía

ACTON, Jan Paul

1975 “Nonmonetary factors in the demand for medical services: some empirical
evidence.” En: Journal of Political Economy , vol. 83, n. 3.

ARROW, Kenneth J.
1987 “Rationality of self and others in an economic system.” En: Rational Choice. The
Contrast between Economics and Psychology. Robin M. HOGARTH y Melvin W.
REDER. Chicago: The University of Chicago Press.

1963 “Uncertainty and the welfare economics of medical care.” En: The American
Economic Review, vol. LIII, n. 5.

BANCO MUNDIAL
1999 Peru. Improving health care for the poor. A World Bank Country Study.
Washington D. C.: The World Bank.

1993 World Development Report 1993. Investing in health. Washington D.C.: The
World Bank.

BECKER, Gary
1963 “A theory of the allocation of time.” En: The Economic Journal, vol. 75, n. 299.

BRAY, James H. y Scott E. MAXWELL

1985 Multivariate Analysis of Variance. Sage University Paper series on Quantitative
Research Methods, vol. 54. Newbury Park, CA: Sage.

33
CARBAJAL, Juan Carlos y Pedro FRANCKE
2000 La Seguridad Social en Salud: situación y posibilidades. Documento de Trabajo n.
187, Departamento de Economía, PUCP. Lima.

CORTÉZ, Rafael
1996 “Pautas para la estimación de la demanda de servicios de salud infantil en el Perú:
análisis teórico y empírico.” En: ¿Cómo estamos? Análisis de la Encuesta de
Niveles de Vida. Gilberto MONCADA y Richard WEBB (ed.). Lima: Instituto
Cuanto – UNICEF.

DOR, Avi, Paul GERTLER y Jacques VAN DER GAAG

1987 “Non-price rationing for medical care; the case of Côte d’Ivoire.” En: Health care
financing and the demand for medical care, LSMS Working Paper n. 37.
Washington D.C.: The World Bank.

ESCOBAL, Javier y Javier IGUIÑIZ

2000 Balance de la investigación económica en el Perú. Serie Diagnóstico y Propuesta
1. Lima: CIES.

GERTLER, Paul, Luis LOCAY y Warren SANDERSON

1987 “Are user fees regressive? The welfare implications of health care financing
proposals in Peru.” En: Health care financing and the demand for medical care,
LSMS Working Paper n. 37. Washington D.C.: The World Bank.

GERTLER, Paul et al
1986 Demanda de servicios de salud en el Perú. Informe Técnico No. 2, Proyecto
ANNSA – PERU. Lima: MINSA.

GROSSMAN, Michael
1972 “On the concept of health capital and the demand for health.” En: Journal of
Political Economy , vol. 80, n. 2.

FRANCKE, Pedro
1999 El cobro de tarifas y la equidad en la distribución del subsidio público en salud en
el Perú. Documento de Trabajo n. 163, Departamento de Economía, PUCP, Lima.

1998 Focalización del gasto público en salud en el Perú: situación y alternativas.

Documento de Trabajo n. 155, Departamento de Economía, PUCP, Lima.

HELLER, Peter
1982 “A model of the demand for medical and health services in Peninsular Malaysia.”
En: Social Science and Medicine, vol. 16, n. 3.

II, Masako
1996 The demand for medical care. Evidence from urban areas in Bolivia. LSMS
Working Paper n. 123. Washington D.C.: The World Bank.

34
JOBSON, J. D.
1992 Applied multivariate data analysis. Vol. II, Categorical and multivariate methods.
New York: Springer – Verlag.

KLECKA, William R.
1980 Discriminant analysis. Sage University Paper series on Quantitative Applications
in the Social Sciences, n. 07 – 019. Beverly Hills, CA: Sage.

LANCASTER, Kelvin J.
1966 “A new approach to consumer theory.” En: Journal of Political Economy, vol. 74,
n. 2.

LAVY, Victor y Jean-Marc GERMAIN

1994 Quality and cost in health care choice in Developing Countries. LSMS Working
Paper n. 105. Washington D.C.: The World Bank.

LONDOÑO, Juan-Luis y Julio FRENK

1997 Pluralismo estructurado: hacia un modelo innovador para la reforma de los
sistemas de salud en América Latina. Documento de Trabajo n. 353, Oficina del
Economista Jefe, Banco Interamericano de Desarrollo.

MACEIRA, Daniel
1996 Fragmentación e incentivos en los sistemas de atención de la salud en América
Latina y el Caribe. Documento de Trabajo, n. 335. Washington D.C.: Oficina del
Economista Jefe, Banco Interamericano de Desarrollo.

MADDALA, G.S.
1983 Limited – dependent and qualitative variables in econometrics. Cambridge:
Cambridge University Press.

MADIES, Claudia, Silvia CHIARVETTI y Marina CHORNY

2000 Aseguramiento y cobertura: dos temas críticos en las reformas del sector salud.
En: Revista Panamericana de Salud Pública. Número especial sobre la Reforma
del Sector Salud. Año 79, Nos. 1/2.

MINSA
2000 Calidad del servicio de salud desde la percepción de la usuaria (diagnóstico de
necesidades de comunicación). Lima: MINSA – PROYECTO 2000.

1997 Análisis de la demanda por servicios de salud: Perú 1995. Lima: CIUP, MINSA,
USAID.

MINSA – SEPS – OPS

1999 Equidad en la atención de salud: Perú 1997. Lima: SEPS.

MUSGROVE, Philip
1985 “Reflexiones sobre la demanda por salud en América Latina.” En: Cuadernos de
Economía, Año 22, n. 66. Santiago de Chile.

35
1983 Family health care spending in Latin America. Washington D. C.: Pan American
Health Organization.

MWABU, Germano
1986 “Health care decisions and the household level: results of rural health survey in
Kenya.” En: Social Science and Medicine, vol. 2, n. 3.

OLSON, Mancur
1971 The Logic of Collective Action. Public goods and the theory of groups.
Cambridge, Mass.: Harvard University Press.

ORTIZ DE ZEVALLOS, Gabriel y Pierina POLLAROLO (ed.)

2000 Salud. Task Forces: Agenda para la Primera Década. Lima: Instituto Apoyo.

PETRERA, Margarita
1999 “La demanda por servicios de salud de la mujer rural en el Perú.” En: Pobreza y
economía social. Análisis de una encuesta (ENNIV 97). Richard WEBB y Moisés
VENTOCILLA (ed.). Lima: Instituto Cuanto.

PETRERA, Margarita y Luis CORDERO

1999 “El aseguramiento público en salud y la elección del proveedor.” En: Pobreza y
economía social. Análisis de una encuesta (ENNIV 97). Richard WEBB y Moisés
VENTOCILLA (ed.). Lima: Instituto Cuanto.

PHELPS, Charles E., y Joseph P. NEWHOUSE

1974 “Coinsurance, the price of time, and the demand for medical services.” En: The
Review of Economics and Statistics, vol. 66, no. 3.

SMITH, James P.
1999 “Healthy bodies and thick wallets: the dual relation between health and economic
status.” En: Journal of Economic Perspectives, vol. 13, n. 2.

STEVENS, James
1992 Applied Multivariate Statistics for the Social Sciences (2da. edición). Hillsdale,
New Jersey: Lawrence Erlbaum Associates.

ZWEIFEL, Peter y Friedrich BREYER

1997 Health economics. New York: Oxford University Press.

36