SENSIBILIDAD DE LA DEMANDA POR SERVICIOS DE SALUD ANTE UN

SISTEMA DE TARIFAS EN EL PERÚ: PRECIO VS. CALIDAD?*

Martín Valdivia
Grupo de Análisis para el Desarrollo

Resumen
Las limitaciones presupuestales en países en desarrollo han llevado a plantear la
posibilidad de establecer cobros por los servicios de salud que se ofrecen en los
establecimientos de salud del MINSA a los grupos con capacidad de pago. La
implementación de dicha política depende de supuestos acerca de la elasticidad de
la demanda, y la capacidad del sistema de identificación del nivel socio-económico
de los individuos. El análisis empírico que se presenta muestra que, efectivamente,
la utilización de los servicios públicos de salud en el Perú está relativamente
concentrados en los económicamente más favorecidos, y esta característica está al
menos parcialmente explicada por la desigualdad en la distribución geográfica de
la infraestructura de salud. Sin embargo, el análisis econométrico sugiere que las
características de la demanda no justifican tal política. Las elasticidades precio de
la demanda por los servicios de salud en establecimientos públicos serían mayores
entre los de mayor nivel socio-económico. (NSE) En tal sentido, una política que
eleve las tarifas que se cobran a los individuos de mayores recursos en los
establecimientos públicos llevaría a un desplazamiento de esa demanda hacia las
alternativas privadas, y no a que los establecimientos de salud recuperen parte de
sus costos.

Lima, Diciembre 2000

___________________________
* Este documento es parte de la investigación que el autor realiza en el marco del Proyecto
“Household Behavior and the Provision of Public Health Services in Peru: Searching for Policy
Lessons to Enhance Impact on Equity” con el apoyo de la OMS, Initiative on Health Sector Reform.
El autor también reconoce el apoyo del Consorcio de Investigación Económica y Social, Lima Perú,
Proyectos Medianos. La asistencia de Ana C. Dammert ha sido fundamental para el desarrollo del
análisis empírico de esta investigación. Marjorie Chinen también tuvo una participación importante
en las etapas iniciales del análisis. Ciertamente, los errores que se encuentren en esta versión son
responsabilidad exclusiva del autor.
1) Introducción

La necesidad de reformar el sistema nacional de salud hacia una atención preferencial a los
pobres ha ganado una gran aceptación entre los diferentes grupos sociales a lo largo de la
última década. Por ejemplo, se ha establecido que para muchas sociedades, el nivel de
tolerancia para la inequidad en salud es menor que el nivel de tolerancia para la
inequidad en ingresos o educación, ya que las diferencias en salud son, literalmente, un
asunto de vida y muerte. (Birdsall y Hecht, 1995).
Como muchas de las reformas estructurales implementadas en países de desarrollo, la
reforma en el sector salud ha sido fuertemente alentada por el Banco Mundial, de acuerdo
con su percepción del problema. La receta general del Banco Mundial para la reforma en
salud en países en desarrollo incluye aumentar la inversión pública en servicios básicos de
salud, programas masivos de educación sobre cuidados preventivos y el uso de servicios de
salud básicos, universalización del seguro de salud, etc. Implementar un sistema de tarifas
para el uso de los servicios médicos públicos ha sido también recomendado como un
instrumento de financiamiento dentro de la estrategia de descentralización dirigida a
mejorar la calidad de dichos servicios.1 Finalmente, la reforma sobre el sistema de pago a
los proveedores de salud (hospitales y médicos) es importante para proveer adecuados
incentivos y reducir la corrupción en el sector salud.
Claramente el objetivo de mejorar el acceso a un adecuado servicio de salud a través
de la construcción de mejores establecimientos de salud y de mejoras en la calidad del
servicio en los ya existentes, es compartido plenamente tanto por los diferentes entornos
académicos como por los diseñadores de políticas. En muchos países en vías de desarrollo
como el Perú, el proceso general de reforma económica ha ayudado a incrementar la
inversión en capital humano consiguiendo estabilidad macroeconómica y liberando
recursos públicos de los subsidios (ver Banco Mundial, 1998).

1
Además de incrementar los fondos, implementar un sistema de tarifas puede inducir a un uso
eficiente de los servicios de salud públicos. Con un apropiado esquema de precios, el gobierno
puede reducir el uso de hospitales para problemas de salud básicos, o el uso de servicios de salud
gratuitos para grupos no focalizados.

1
 A pesar de ello, la escasez de recursos para la inversión en salud sigue siendo una de
las principales limitaciones para su implementación en muchos de los países en desarrollo,
en particular en el Perú. La necesidad de un sistema de recuperación de costos para los
establecimientos públicos de salud pública, como mecanismo de financiamiento de las
mejoras del servicio aumenta en contextos recesivos como los que caracterizan a la
economía peruana desde 19982 La principal preocupación en torno a esta política es su
impacto sobre la equidad en el acceso a los servicios de salud pública. (Ver Stout, et. al.,
1997). En tal sentido, esta política requiere un conocimiento adicional sobre la naturaleza
de la demanda por servicios médicos. Por ejemplo, estudios iniciales sobre los factores que
afectan la decisión de los individuos acerca del proveedor de salud, indicaban que el cobro
de tarifas por los servicios de salud pública podría tener un fuerte efecto regresivo, lo cual
podría limitar significativamente el acceso de la población pobre a dicho servicio (ver,
Gertler, etc. al., 1987, 1990 para el caso peruano). Sin embargo, algunos estudios recientes
han indicado que dicho efecto regresivo es mucho menor cuando se controla por la calidad
del servicio que provee el establecimiento de salud (ver, por ejemplo, Lavy y Germain,
1994 para el caso de Ghana).
El punto es precisamente que la elección de los proveedores de servicios de salud por
parte de los individuos pobres y no pobres se ve muy afectada por la calidad asociada a
dicho servicio. Estos últimos resultados han formado la base de la justificación de la
propuesta de adoptar una política que financie las mejoras en la calidad del servicio a través
del cobro de tarifas. Mas aún, la elección del proveedor de salud, tanto para los pobres
como para los que no lo son, es altamente dependiente de la calidad asociada a ellos. Este
resultado trabaja en la vía de fundamentar las políticas destinadas a financiar las mejoras en
la calidad de los servicios mediante una implementación de un sistema de tarifas.
Sin embargo, se necesita recopilar más evidencia empírica para que una política como
esta pueda ser recomendada con confianza en un país con alta incidencia de pobreza como
el Perú. Uno de los parámetros fundamentales es la elasticidad de la demanda por los

2
De hecho, diversas áreas del Ministerio de Salud, entre ellas el Proyecto 2000 que apoya el
USAID, están ya involucradas en la preparación de un sistema de tarifas y exoneraciones para los
establecimientos MINSA.

2
servicios de salud. Si este parámetro es muy alto para los pobres, el efecto sobre equidad
sería letal. Si lo es también para los no pobres, entonces la capacidad de recuperación de
costos se hace inviable. Aún si estas elasticidades son relativamente bajas pero
sustancialmente diferentes, es necesario realizar un trabajo más detallado para diseñar un
mecanismo apropiado de cobrar tarifas a agentes heterogéneos. Es decir, mediante un
mecanismo que ayude a identificar efectivamente la disposición a pagar de los individuos
se podría mejorar significativamente los efectos de implementar un sistema de tarifas sobre
la equidad.
El caso peruano es particularmente apropiado para este estudio por lo menos por tres
motivos. Primero, porque el acceso a servicios de salud de calidad suficiente, es mínimo y
se distribuye muy desigualmente. Segundo, porque se ha incrementado la presión social
para acelerar la reforma de salud, así como el financiamiento de los establecimientos de
salud a través del cobro de las tarifas más altas. Tercero, debido a que existen una nueva
bases de datos en el mercado que provee importante información sobre la calidad de los
servicios de salud ofrecida por diferentes proveedores: Censo de Infraestructura Sanitaria y
Recursos del Sector Salud (1996) realizado por el Ministerio de Salud (MINSA).
El objetivo de este documento es presentar la evidencia empírica acerca de los
parámetros fundamentales para el funcionamiento de una política tarifaria en los
establecimientos públicos de salud que se ubican en zonas urbanas. La restricción del
análisis a zonas urbanas tiene dos justificaciones. La primera es que el proceso de
decisiones de los individuos de ambas zonas difiere sustancialmente, aumentando las
exigencias del esfuerzo. La segunda justificación se basa en que la incidencia de la pobreza
en zonas rurales es muy alta como para exista una política que busque implementar un
sistema tarifario para los servicios de salud en zonas rurales.
El documento consta de 5 secciones incluida esta introducción. La sección 2 presenta
una revisión de la discusión acerca de la sensibilidad de la demanda por servicios de salud
en la literatura local e internacional, incluyendo un resumen de los estimados
correspondientes. La sección 3 analiza la ENNIV 97 para establecer los principales hechos
estilizados de la utilización de los servicios de salud ambulatoria en el Perú. A
continuación, la sección 4 presenta la estrategia econométrica y discute los resultados

3
obtenidos para la elasticidad precio e ingreso de la demanda por servicios de salud
ambulatoria en el Perú. Finalmente, la sección 5 resume los resultados y plantea algunas
consideraciones finales relacionadas a las implicancias de política de estos resultados.

2) Marco Conceptual y la Evidencia Empírica Internacional

La provisión universal de servicios de salud por parte del Estado ha sido por mucho tiempo
considerado como un derecho básico de los ciudadanos. El derecho de todo individuo a
disfrutar de una vida saludable establecía un claro límite ético a la formalización del cobro
de tarifas por la provisión de servicios de salud, especialmente si éstos son ofrecidos por el
sector público en países en desarrollo (ver England, 1997 o Reddy y Vandemoortele, 1996).
En el marco de un país pobre como el Perú, el efecto de esa limitación ha sido la exclusión
de la población de un servicio de salud, que además es de muy baja calidad.
En el marco de servicios públicos gratuitos, las formas de exclusión en países en
desarrollo se han basado en mecanismos económicos y educativos. Los mecanismos
económicos de exclusión son varios. Uno de los más comunes ha sido el traspaso de la
responsabilidad de la obtención de instrumentos, medicinas, etc., del establecimiento de
salud hacia el paciente, o su familia. Otro mecanismo económico ha sido el
condicionamiento del acceso a una cita con un doctor, a una cama para el internamiento, o a
la sala de operaciones en casos de cirugía, a determinados pagos informales.
El mecanismo educativo supone la restricción de la información necesaria para la
identificación de síntomas y la disponibilidad de tratamientos. En países pobres, el bajo
nivel educativo de un grueso de la población implica el desconocimiento de métodos
preventivos básicos y una escasa capacidad para auto-identificar un malestar como
enfermedad, y buscar asistencia médica profesional.3

3
En este estudio, el análisis se centra en los servicios que prestan médicos o profesionales de la
salud. En tal sentido, la exclusión por educación incluye la utilización de la medicina tradicional,
incluidos curanderos y parteras. Este tema se complica cuando analizamos el caso de la medicina
moderna alternativa. Respecto a la utilización de la medicina tradicional, más allá del tema de
educación, se tiene que determinados grupos sociales prefieren este tipo de tratamientos porque con
ellos reciban un tipo de atención más respetuoso de sus patrones culturales.

4
 Una conjunción de estos mecanismos de exclusión explica la alta concentración de
los servicios de salud en los grupos más favorecidos de la sociedad, inclusive en el caso de
los proveedores públicos de salud que subsidian significativamente los mismos.4 Además,
con un déficit estructural en las transferencias monetarias del Tesoro Público, respecto a las
necesidades, se tiene que los servicios públicos de salud han tenido muy bajos niveles de
calidad.
La constatación del fracaso de un esquema de provisión gratuita y universal de los
servicios de salud pública para llegar a las poblaciones más necesitadas con un nivel de
calidad adecuado, han dado lugar a la necesidad de reformar los sistemas de salud de países
en desarrollo para que se utilicen mecanismos de mercado para mejorar la eficiencia y
sostenibilidad de los servicios, mejorando la cobertura y/o la calidad de los servicios de
salud ofrecidos. Tal como se discute en la introducción a este documento, la propuesta de
cobrar tarifas supone potenciales mejoras en eficiencia, sin mayores costos sobre la equidad
en el acceso a estos servicios de salud. Sin embargo, este diagnóstico y la propuesta
implícita, no han estado exentos de crítica. Algunos resultados relativamente negativos han
resaltado la necesidad de revisar con cuidado los supuestos sobre los que los mismos se
basan. En esta discusión, se pretende explicitar los supuestos utilizados, así como la
discusión que se ha generado alrededor de ellos.

2.1) La sensibilidad de la demanda a cambios en precios

El eje fundamental de una propuesta de cobro de tarifas se mueve alrededor de los

supuestos acerca de la elasticidad de la demanda, que ésta es sustancialmente distinta para
diferentes niveles socio-económicos, y que se sea menor a 1 en valor absoluto.5 Si la
elasticidad de la demanda por salud es distinta para diferentes grupos socio-económicos
(menor para los de mayores recursos) o tipos de servicios, entonces, es posible pensar que
una diferenciación de precios permite una disminución en la intensidad del conflicto entre
los objetivos de eficiencia y equidad en la provisión de los servicios de salud. De otro lado,

4
Para ver algunos indicadores de concentración en el caso peruano, revisar Valdivia (2001).
5
La elasticidad precio punto se define como el cambio porcentual en la demanda como resultado
de un aumento de 1% en el precio de los servicios de salud.

5
si la elasticidad promedio es efectivamente menor a 1, se espera que un aumento de los
precios en, digamos 10%, implica una disminución de la demanda por salud
proporcionalmente menor. Ello establece que los aumentos en los precios lleven a un
aumento en los ingresos totales de los establecimientos de salud que proveen los servicios.
Cuanto menor sea la elasticidad promedio en valor absoluto, mayor será la capacidad del
establecimiento de aumentar sus ingresos a través de un aumento de las tarifas.
La creciente importancia de la recuperación de costos a través del cobro de tarifas en
la reforma de salud en países en desarrollo ha generado una multiplicación de los estudios
para estimar la elasticidad de la demanda en diferentes países a través de la información de
encuestas de hogares más o menos especializadas para este tipo de análisis. Más aún, se
cuentan con varios estudios que han revisado los diferentes esfuerzos para sintetizar las
principales conclusiones. Entre los principales, están los de Gertler y Hammer (1997) y
Reddy y Vandemoortele. (1996) En resumen, la evidencia empírica internacional acerca de
la sensibilidad de la demanda a cambios en precios apoya las siguientes ideas:
• importantes grupos poblacionales tienen elasticidades menores a 1, en valor absoluto.
• la elasticidad precio es relativamente menor, en valor absoluto, para los ricos respecto a
la de los pobres.
• la elasticidad precio es relativamente mayor, en valor absoluto, para los niños respecto a
la de los adultos, y de éstos respecto a los ancianos.
• la elasticidad precio es mayor en aquellos entornos económicos en que existen varias
alternativas para la provisión de servicios de salud (rural respecto a urbano).
• la elasticidad precio es mayor para aquellos servicios que no requieren internamiento
del paciente (enfermedades menos serias).
Estas tendencias pueden establecerse a pesar que los diferentes estudios difieren en el
enfoque, la calidad de la información y en el modelo econométrico utilizado. Las
principales limitaciones encontradas en los estudios se relacionan al tipo de información
utilizada y los controles considerados en el análisis econométrico.
Respecto al tipo de información, en muchos casos, las estimaciones utilizan
información de corte transversal, caso en el cual las diferencias en los precios por los
servicios públicos no son aleatorias, sino que refleja una política anterior de gobierno, sea

6
de cobro de tarifas, o de inversión en infraestructura de salud. La omisión de los factores
que motivan las diferencias en las políticas de precios entre regiones genera sesgos en la
estimación de la elasticidad de la demanda. Este sesgo se reduce o puede ser eliminado
cuando se utiliza información longitudinal en la cual se da un cambio efectivo de los
precios por servicios de salud y se observa a la población antes y después del cambio,
especialmente cuando se configura un experimento natural.6 Los estimados reportados por
Gertler y Hammer (1997) sugieren la idea que la elasticidad ha sido generalmente
subestimada cuando se ha utilizado información de corte transversal.
En cuanto a los controles, es necesario tomar en cuenta la interrelación entre los
precios y la calidad del servicio que se presta o recibe. La elasticidad precio es subestimada
cuando el modelo econométrico no ha considerado las diferencias en calidad asociadas a las
diferencias en precios entre los diferentes establecimientos de salud que utilizan los
individuos (Alderman y Lavy, 1996). Si asumimos que el cobro de tarifas está relacionado
a una mejora en la calidad del servicio de salud que se ofrece a los usuarios, podemos
hablar de una elasticidad calidad - precio, ηQ, P . Dado que la literatura empírica estima una

elasticidad calidad, εD, Q , entonces podemos re-estimar una elasticidad total a partir de la

siguiente expresión: εQ , P = ε D , P + εD ,Q ηQ , P . Ciertamente, εD, Q y ηQ, P son positivas, lo que

indica que una elevación de las tarifas que se acompañe con mejoras en la calidad del
servicio tendría un menor impacto negativo sobre la cobertura que logra el establecimiento

respectivo ( εQ , P < εD , P ). Los estudios analizados sugieren que este efecto es importante, y

que la disponibilidad de medicinas aparece como el indicador de calidad más valorado por
la población.
La importancia de estas diferencias en el impacto estimado de una política de tarifas
sobre la equidad y requerimientos presupuéstales exige que cualquier propuesta en este
sentido haga un concienzudo análisis de robustez. En lo que sigue de esta sub-sección se

6
Ver Rosenzweig y Wolpin (2000) para una revisión de las bondades, limitaciones y perspectivas
de la estimación de modelos econométricos a partir de la utilización de bases de datos que incluyen
experimentos naturales.

7
discuten algunos aspectos adicionales relacionados a la elasticidad de la demanda por
servicios de salud.

Diferenciación de precios en la provisión de servicios de salud

Las diferencias en la sensibilidad de la demanda entre pobres y no pobres establece un

criterio ético a favor de cobros diferenciados por los servicios de salud en beneficio de los
pobres. Este criterio se basa en la idea de promover la equidad en el acceso a los servicios
de salud, el cual es particularmente importante en este caso considerando que la falta de
acceso a este tipo de servicio puede tener implicancias de incapacidades permanentes o
muerte. Sin embargo, los criterios éticos también llevan a una de las principales críticas al
enfoque de la reforma de los sistemas de salud basados en los incentivos de mercado. Esta
crítica se basa en establecer una diferencia significativa entre la disposición a pagar por un
servicio y su capacidad de pago. Reddy y Vandemoortele (1996), por ejemplo, argumentan
que una persona puede estar en disposición a pagar por la atención médica para ella (o un
familiar) dada la urgencia de la necesidad, pero a costa del sacrificio de otros bienes
fundamentales como alimentos. El asunto es que la elasticidad de demanda está
inversamente relacionada a la disposición de pago pero no captura bien la capacidad de
pago del individuo o su familia. En el caso planteado, habría una alta disposición a pagar
(baja elasticidad), pero la capacidad de pago sería menor. El punto es que sería
recomendable cobrar de acuerdo a la segunda.
También hay criterios económicos a favor de la diferenciación tarifaria. El principal
es que la salud de un individuo afecta el nivel de salud de los otros individuos de la
sociedad (externalidad), especialmente en el caso de enfermedades transmisibles. En
aquellos casos en los que las externalidades sean muy grandes, se recomienda subsidiar
ampliamente (tarifa cero) el servicio de prevención de salud. En el Perú, por ejemplo, los
programas de prevención relacionados a enfermedades transmisibles son parte de
programas nacionales ampliamente subsidiados. El criterio ético también sirve para
explicar la atención prioritaria y subsidiada de aquellos grupos especialmente vulnerables
como el binomio madre-niño durante los primeros años del segundo.

8
Elasticidad - cobertura total vs. elasticidad cobertura MINSA: El rol de la competencia

Si se está analizando una política de segmentación del mercado, es necesario tomar en

cuenta la reacción del resto de ofertantes en el mercado correspondiente. Si no hay otros
ofertantes, no hay problema, como sería el caso en algunos entornos rurales. Si los hay, y
éstos no reaccionan, entonces se da una diferencia entre los cambios en la demanda que
recibe el establecimiento bajo análisis y la cobertura del mercado en su conjunto, en este
caso, del sistema de salud global, que incluye al IPSS, a los proveedores privados, entre
otros.
Una estrategia lógica para el cobro de tarifas es elevar más la tarifa a cobrar a los no
pobres que se atienden en establecimientos del MINSA. Ciertamente, ello implica una caída
en el número de no pobres que se atenderían en dichos establecimientos, lo que limita la
capacidad de captar recursos por parte del MINSA. Sin embargo, no es cierto que la
cobertura del sistema de salud cae en la misma proporción. Una buena parte de estos no
pobres estarían cambiando de proveedor, pasando al sector privado, y no simplemente
dejando de atenderse. En tal sentido, la cobertura no se afecta por la política de precios, en
la misma magnitud en que lo hace las atenciones médicas que se dirigen a los
establecimientos MINSA.

2.2) Otros Aspectos Relacionados a la Demanda por Servicios de Salud

Un cambio muy fuerte en la estructura tarifaria afecta otros aspectos relacionados a la

provisión de salud, entre ellos los incentivos de los proveedores de salud, y la capacidad
institucional para administrar una diferenciación.

Incentivos y formas de pago

Una de las principales fallas de mercado asociadas a los sistemas de provisión de salud se
da por la asimetría de información entre el médico (agente) y el paciente (principal).7 La
búsqueda de atención médica pretende obtener la opinión de un experto en el tema, pero la

7
Ver Poterba (1994) para una explicación extensa de la naturaleza de esta imperfección en los
mercados de salud.

9
incertidumbre en los resultados de los diferentes tratamientos hace muy difícil (costoso)
para el principal (paciente) obtener información acerca de la conveniencia de un
determinado tratamiento.
Esta asimetría en la información puede distorsionar los efectos de los precios sobre
la eficiencia en la provisión de servicios de salud, por ejemplo en el uso de medicinas. Si
los pagos a los establecimientos no son proporcionales a la cantidad de medicinas, entonces
el médico estaría incentivado a disminuir el tratamiento de los pacientes por debajo de lo
recomendado en cuanto él y/o su establecimiento se perjudican financieramente. Es
necesario, entonces, que si corresponde limitar los pagos de los individuos, el
establecimiento se vea compensado a través de transferencias presupuestales
compensatorias.
Debe también tomarse en cuenta que si los pagos del individuo son proporcionales,
entonces, son los padres los que se podrían ver incentivados a detener el tratamiento antes
de lo recomendado por problemas financieros, especialmente luego que el paciente
experimenta una mejoría observable.

Discriminación según nivel de ingresos: el mecanismo institucional

Toda la discusión de esta sección ha venido llevándonos a concluir acerca de la

necesidad de tarifas diferenciadas por nivel de ingreso. Sin embargo, es posible argumentar
que es muy difícil organizar un sistema que identifique adecuadamente a los individuos,
especialmente tomando en cuenta los incentivos de los individuos a sub-reportar su
capacidad de pago y de los funcionarios a generar mecanismos de cobro a cambio de una
mejor clasificación. Aún cuando se generen mecanismos de control, su eficiencia puede ser
cuestionada debido a distorsiones institucionales.
Más allá de esos problemas, el arreglo institucional con el que se operacionalice el
sistema de identificación de usuarios debe controlar por los siguientes problemas:
i) desconocimiento de la población de los beneficios,
ii) beneficios (escalonamiento de subsidios) son menores a costo de obtenerlos,
incluyendo cobros indebidos de parte de funcionarios encargados y del
establecimiento,

10
iii) Estigma social en contra de recibir una acreditación de indigencia.
La pregunta relevante se asocia a evaluar si los beneficios de un sistema de
identificación del NSE de los beneficiarios, tomando en cuenta el nivel de sus errores,
compensan los costos operativos del mismo.

3) La Utilización y el Acceso a Servicios Médicos Ambulatorios en el Perú

El acceso a los servicios de salud y su utilización por parte de la población son dos
conceptos relacionados pero distintos. Se puede decir que un individuo utiliza los servicios
de salud según sus necesidades y el acceso que tenga a los servicios de salud..La necesidad
de los servicios de salud se puede dar por una dolencia o enfermedad específica, pero
también por prevención según lo dicten sus normas de comportamiento, sociales y/o
individuales. El acceso a estos servicios puede establecerse a partir de la restricción
económica y/o la disponibilidad de estos servicios bajo condiciones razonables.
La disponibilidad económica se refiere a la condicionante que establece el precio de
los servicios de salud y el nivel de ingresos del individuo o su familia. Si el precio es cero,
la restricción de ingresos no es importante. Mientras más alto el precio, sin embargo, la
restricción de ingresos se vuelve más importante para determinar el tipo de servicio de
salud que utiliza el individuo. La disponibilidad de los servicios de salud se asocia a la
existencia de un establecimiento de salud en la localidad con capacidad de atender las
necesidades de atención del individuo. En tal sentido, no sólo importa que la localidad
cuente con un establecimiento de salud, sino también que éste se encuentre cerca del hogar
del individuo, que cuente con el equipo y personal necesario, que el trato personal sea el
adecuado, etc. Estos factores se asocian normalmente a lo que se llama calidad objetiva del
servicio de salud que se ofrece.
Esta sección analiza primero la forma como la utilización de los servicios
ambulatorios de salud se distribuyen entre la población según su nivel socio-económico,
establecido a partir del gasto per cápita del hogar al que pertenece. Luego, se trata de
vincular esos patrones de utilización con la disponibilidad y calidad objetiva de los
servicios de salud disponibles en cada localidad.

11
3.1) La Utilización de Servicios Ambulatorios de Salud

Como se menciona líneas arriba, una de las primeras condicionantes de la utilización de los
servicios de salud es la existencia de una enfermedad, al menos de la reportada en las
encuestas de hogares.8 En tal sentido, es importante analizar primero los patrones de
utilización del reporte de dolencias o enfermedades. Al igual que diversos estudios
anteriores, la tabla 1 muestra que los peruanos más pobres tienden a reportarse enfermos en
una proporción similar a la de los más ricos.9 Murrugarra y Valdivia (2000) argumentan
que esto no sería resultado de una uniformidad en la probabilidad de enfermarse, sino más
bien el resultado de un sesgo a sub-reportar asociado a esta medida subjetiva del estado de
la salud de los individuos. Ellos muestran, controlando por otras características de los
individuos, que las personas más educadas tienen una probabilidad más alta de reportarse
enfermos, pero esa diferencia desaparece conforme envejecen los individuos, cuando es
más probable que las enfermedades sean más severas.

Tabla 1: Utilización de servicios médicos ambulatorios por quintiles de gasto

I II III IV V Total
/a
Enfermo 31.7 32.2 32.5 32.2 36.3 33.0
Atención médica ambulatoria /b 24.9 38.6 49.8 55.3 59.6 46.2
Urbano 26.2 37.5 51.3 55.6 59.5 51.1
Rural 24.5 40.1 45.4 52.9 60.6 35.1

Costa 20.1 41.9 50.5 62.0 67.0 50.6

Sierra 24.7 40.0 40.0 55.4 61.1 39.8
Selva 27.8 35.0 43.7 49.9 61.5 39.3
Lima Metro 41.7 33.6 54.8 52.7 57.3 53.6
/a
proporción de individuos que reportan una enfermedad durante las 4 semanas previas a la encuesta.
/b
proporción de individuos que reportaron una enfermedad y recibieron atención médica
Fuente: ENNIV 1997
Elaboración propia.

8
La ENNIV 1997 pregunta sobre consultas médicas de los no enfermos. Sin embargo, sólo un 3%
de los individuos que no se reportan enfermos, declaró haber utilizado atención médica.
9
El período de referencia en la ENNIV es de las últimas 4 semanas previas al momento de la
encuesta.

12
 La utilización de los servicios de consulta ambulatoria entre los que reportan una
enfermedad muestra una clara tendencia a favor de los ricos. (tabla 1) Sólo el 25% de los
individuos del quintil más pobre, que se reportaron haber estado enfermos, consultaron en
un establecimiento de salud formal.10 La misma cifra alcanza al 60% en el quintil más rico.
Este resultado es consistente con la importancia de la educación y el ingreso en la
utilización de dichos servicios. Este patrón de utilización es similar en los diferentes cortes
de la población, pero muestra una mucho menor inequidad en Lima. Este resultado sería
consistente con una mayor disponibilidad de infraestructura de salud pública e información
sobre la necesidad de atención médica formal en las grandes áreas urbanas.
La desagregación del uso de servicios médicos ambulatorios por tipo de proveedor en
la tabla 2 muestra que el pobre usa principalmente los servicios que se ofrecen en los
establecimientos públicos.11 (más del 80%) La utilización de establecimientos públicos, sin
embargo, es también bastante alta en los estratos más favorecidos. (66%) Este último
aspecto, sin embargo, cambia sustancialmente cuando el ratio se trabaja sólo con los
establecimientos de mayor nivel. (clínicas/hospitales) Sólo el 37% de los individuos del
quintil más rico se atendieron en establecimientos públicos.

Tabla 2: Utilización de servicios médicos ambulatorios por tipo de proveedor y quintiles de gasto
I II III IV V Global
Público 81.3 83.9 84.6 81.7 66.5 78.2
Privado 17.1 15.0 12.6 17.3 31.7 20.1

Hospital MINSA 77.4 81.3 71.3 63.7 37.1 59.2

Clínica Privada 22.6 18.7 28.7 36.3 63.0 40.8
Fuente: ENNIV 1997
Elaboración propia.

10
La referencia excluye a aquellos individuos que reportan haber buscado consulta médica en una
farmacia o con un curandero.
11
Entre los establecimientos públicos se incluye a los del IPSS (ahora ESSALUD). Sin embargo, el
patrón de utilización que aquí se presenta no varia significativamente si pasamos a estos al grupo de
establecimientos privados.

13
 Considerando que sólo el 22% de la población peruana cuenta con un seguro, este
resultado refuerza el punto que el ingreso es un factor crucial en la decisión del proveedor
de salud. De otro lado, el alto uso de servicios públicos por los más ricos puede relacionarse
con el tipo de seguro que cada individuo posee. La tabla 3 muestra que sólo el 22% de la
población peruana tienen seguro médico, y sólo 3.6% posee un seguro privado. Nótese que
la proporción de individuos con seguro es más alta entre los individuos en los quintiles más
altos, pero todavía menos de la mitad de ellos lo tiene.

Tabla 3: Acceso al seguro por quintiles de gasto.

I II III IV V Global
No asegurados 97.3 90.9 82.9 72.7 54.3 77.6
Seguro Público (IPSS) 2.4 7.7 15.6 23.4 36.9 18.8
Seguro Privado 0.3 1.4 1.5 3.9 8.8 3.6
Fuente: ENNIV 1997
Elaboración propia.

En que medida el aseguramiento condiciona el uso de los servicios médicos

ambulatorios?. La tabla 4 muestra el uso de servicios de salud en establecimientos públicos
y privados según las condiciones de aseguramiento de los individuos. Nótese que el acceso
al seguro público (IPSS) condiciona el uso de los servicios de IPSS (68%). El uso de
servicios MINSA por individuos con seguro público puede relacionarse a la falta de
establecimientos del IPSS en ciertas localidades. Por otro lado, el uso de servicios privados
por individuos con seguro público puede relacionarse a las diferencias en calidad, asociado
al tiempo de espera para consulta, tiempo promedio de duración de la consulta, la
disponibilidad de equipo, etc. Finalmente, individuos con seguro privado usan servicios del
IPSS, a pesar que no se conoce ningún acuerdo inter.-institucional para tales transacciones.

14
Tabla 4: Uso de medios de cuidado de salud por condición de aseguramiento.
Tipo de \ Tipo de No Seguro Seguro
Proveedor \ Seguro Asegurados Público Privado Global
MINSA 76.4 16.9 19.8 55.6
IPSS 1.6 68.2 38.8 23.6
Privado 22.0 14.9 41.4 20.8
Fuente: ENNIV 1997
Elaboración propia.

Siendo la utilización de los servicios de salud distinta según el nivel socio-económico

del individuo, es importante ver el efecto de los precios o las tarifas que se cobran en los
establecimientos públicos y privados. En el marco de una encuesta de hogares, primero
debemos ver quiénes pagan. La tabla 5 reporta la proporción de la población no asegurada
que paga por los servicios médicos que recibieron. Dos patrones se perciben con claridad.
Primero, la conexión entre los pagos del bolsillo y el nivel socioeconómico (NSE) de los
individuos está presente más allá de la elección del proveedor mismo, pero es más clara en
los establecimientos de primer nivel. Sin embargo, casi el 70% de los individuos del quintil
más pobre pagó por las consultas ambulatorias realizadas, a pesar que casi todos estos
establecimientos incluyen un tarifario con exoneraciones para los más pobres. (GRADE,
1999)

Tabla 5: Población que pagó consulta por tipo de proveedor de cuidado de salud y Quintil de gasto.
(Solo usuarios no asegurados)
I II III IV V Total
Públicos 68.8 78.8 85.9 88.5 90.0 83.8
Hospital 88.5 76.8 81.7 89.5 90.5 86.2
Centro de salud 64.1 79.5 88.4 87.8 89.6 82.5
Privado 71.1 78.3 75.2 83.7 87.9 83.8
Clínica - - 72.8 92.6 70.6 75.3
Centro de salud 71.1 77.5 75.5 82.8 90.5 84.8
Todos los proveedores 67.9 77.7 83.5 86.2 88.1 82.6
Fuente: ENNIV – 1997
Elaboración propia.

Lo segundo es que esta relación se mantiene aún en los establecimientos privados.

Este resultado generaría dudas acerca de la posibilidad de considerar los precios reportados

15
en la ENNIV como indicador del precio que estos pagaron por el servicio. La tabla 6
reporta la tarifa promedio que pagaron los no asegurados por consulta, según el tipo de
proveedor y región. Estas tarifas son más altas en medios privados, y en particular, en los
hospitales, y las áreas urbanas, todas ellas son tendencias consistentes con los prejuicios
normales y estudios previos. (Cortez, 1999) Asimismo, estos precios son consistentes con
informes de los archivos de los proveedores a los que se ha tenido acceso. GRADE (1999),
por ejemplo, encuentra que la moda estadística para las tarifas entre los establecimientos
MINSA en áreas urbanas está alrededor de 5 soles de 1999.

Tabla 6: Precios Implícitos de la Consulta Ambulatoria por tipo de Proveedor

de Salud (nuevos soles- precios Octubre 1997)
Urbana Rural Global
Solo usuarios no asegurados
Público 4.03 2.71 3.58
Hospital 4.52 4.00 4.39
Centro de salud o base 3.63 2.20 3.05
Privado 19.14 10.15 16.24
Hospital 23.51 21.66 23.13
Centro de salud o base 17.48 8.84 14.50
Fuente: ENNIV - 1997.
Elaboración propia.

La evidencia revisada hasta aquí sugiere que el ingreso juega un papel importante en
la elección del individuo acerca del proveedor de servicio de salud, especialmente entre los
no asegurados. Otra manera de analizar este aspecto es mirando el índice de concentración
Kakwani (IC) para analizar la desigualdad en el uso de las consultas ambulatorias asociada
a las diferencias socio-económicas. Este índice es una generalización del índice de
desigualdad de Gini, y en tal sentido, puede ser cuestionado en tanto se construyen bajo el
supuesto de la diagonal como norma de equidad. (Kakwani, et. al., 1997) No hay ninguna
razón de hecho, para considerar que una sociedad donde 10% de los más pobres concentran
10% de las visitas supone equidad perfecta en el uso de servicios médicos. Primero,
nosotros necesitaríamos considerar diferencias en necesidad. También necesitamos
controlar por las diferencias en la severidad de las enfermedades asociadas.

16
 A pesar de ello, el IC puede ser útil para entender diferencias entre los grupos de
población o, como en este caso, entre los diferentes tipos de proveedor de servicios
médicos. La tabla 7 reporta el IC de Kakwani para todas las visitas ambulatorias, y también
para las sub-muestras del MINSA. El valor positivo de este indicador establece que el uso
de los servicios médicos ambulatorios tienen una tendencia a favor de los ricos. Sin
embargo, dicha tendencia desaparece cuando se observa solo los servicios ofrecidos por
establecimientos MINSA, en particular, en los centros de salud y no tanto en los hospitales.
A nivel global, por ejemplo, el IC pasa de 17.4 a un valor negativo de –6.4 en el caso de los
centros de salud del MINSA, que sugiere que las atenciones en dichos establecimientos se
concentran más entre los pobres, aunque sólo ligeramente.

Tabla 7: Indices de concentración de Kakwani en el uso de Servicios Médicos 1997

(Consultas Ambulatorias)
Sistema Todo MINSA MINSA Hosp. Centros MINSA
Global 17.4 0.8 12.7 -6.4
Urbano 14.5 -2.9 2.1 -6.7
Rural 18.5 11.5 27.9 6.0
Fuente: ENNIV 1997
Elaboración propia.

La figura 1 muestra precisamente las curvas de la concentración (en diferencia)

asociadas a la distribución de las consultas ambulatorias de acuerdo al nivel socio-
económico de los individuos en áreas urbanas y rurales.12 Ambos paneles confirman las
tendencias mostradas en la tabla 7 en términos del sesgo pro-rico de las consultas
ambulatorias y las diferencias entre áreas urbanas y rurales. La atención ambulatoria en los
centros de salud es efectivamente, ligeramente pro-pobre en las áreas urbanas, pero ello no
es así en zonas rurales. El 40% de la población urbana más pobre concentra el 42% de las

12
La figura 1 muestra la diferencia entre las curvas de concentración y la diagonal, y permite una
mejor observación de las diferencias por tipo de proveedor. Los valores negativos indican que la
curva está por debajo de la diagonal, y son reflejo de un sesgo en favor de los individuos con mayor
nivel socio-económico.

17
consultas ambulatorias. En zonas rurales, sin embargo, el 40% más pobre concentra sólo el
33% de las consultas ambulatorias. A pesar de ello, la atención ambulatoria en centros de
salud rurales es la menos pro-rica, especialmente comparada con la atención ambulatoria
en hospitales MINSA. El 40% más pobre de la población rural concentra sólo el 20% de las
consultas ambulatorias en los hospitales MINSA.

Figura 1.a: Curvas de concentración (diferencias de la diagonal) para

consulta externa por tipo de proveedor (Urbano 1997)
0.10
0.05
0.00
-0.05 0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.00
-0.10
-0.15
-0.20
-0.25
-0.30

MINSA Hosp MINSA Centros MINSA Pub y Priv

Figura 1.b: Curvas de concentración (diferencias de la diagonal) para

consulta externa por tipo de proveedor (Rural 1997)

0.10
0.05
0.00
-0.05 0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.00

-0.10
-0.15
-0.20
-0.25
-0.30

MINSA Hosp MINSA Centros MINSA Pub y Priv

18
 Cómo se puede explicar estas diferencias entre las áreas urbanas y rurales en el efecto
del nivel socio-económico individual sobre la utilización de los servicios ambulatorios?.
Una de las posibilidades es que se deba a las diferencias en el acceso de los
establecimientos de salud y a la calidad de los servicios que se ofrecen en los mismos. La
siguiente sub-sección analiza esta hipótesis a partir de la información que se provee en el
Censo de Infraestructura de Salud. (MINSA, 1996)

3.2) El acceso a infraestructura y la calidad del servicio de salud

Hemos argumentado que las tendencias presentadas en las secciones anteriores son, al
menos parcialmente, explicadas por las diferencias geográficas en la accesibilidad de
proveedores de servicios de salud, y en la calidad de los servicios que prestan los diferentes
tipos de proveedores, públicos y privados, y según nivel de complejidad. En esta sección,
ahondamos en ese tema usando la información del Censo en Infraestructura de Salud de
1996 que incluye información de la infraestructura disponible en los establecimientos,
públicos y privados, que proveen servicios de salud.
La información disponible en dicha base de datos incluye el número de
establecimientos públicos y privados por tipo de complejidad, el número de camas en
funcionamiento, el número de doctores y otro personal profesional. Adicionalmente, se
tiene información sobre el número de laboratorios, consultorios especializados, farmacia y
capacidad de ofrecer exámenes de diagnóstico. La pregunta es en qué medida estas
características afectan la utilización de los servicios de salud por la población.
En este estudio tomamos al número de establecimientos de salud en un distrito como
un indicador de la accesibilidad de los servicios de salud, lo mismo que la distancia al
centro de salud que reportan los individuos en la ENNIV. De otro lado, se toma al número
de médicos, camas, la existencia de laboratorios, entre otros como indicadores objetivos de
la calidad de los servicios que se ofrecen en los establecimientos disponibles, públicos o

19
privados.13 Lo mismo se hace con el tiempo de espera para recibir atención que reportan los
individuos de la ENNIV.
Primero, analizamos cómo la desigualdad de esta infraestructura es asignada a través
de los distritos peruanos incluidos en la muestra de la ENNIV 97.14 La tabla 8 muestra los
ICs calculados para los diferentes indicadores utilizados. Los valores positivos indican que
la distribución distrital de la infraestructura de salud tiene un sesgo en favor de los distritos
con menores tasas de pobreza. Un mayor IC supone un mayor nivel de desigualdad. Un
primer punto a observar es que los servicios públicos de atención medica están más
uniformemente distribuidos que los privados, especialmente en el caso de la presencia de
establecimientos, independientemente del nivel de complejidad. En el caso de hospitales o
clínicas, (centros de salud) el IC del sector público es 35.0 (11.4) mientras que el del sector
privado llega a 61.2. (64.9) El problema de estos indicadores de concentración es que sus
valores absolutos no sugieren nada acerca de la severidad de la desigualdad. Para darle
contenido a estos valores es necesario referirse a las curvas de concentración. (ver anexo A)
El primer panel de la figura A.1 sugiere que el 40% de los distritos más pobres concentran
el 18% (9%) de los hospitales públicos. (privados) Este mismo conjunto de distritos
concentra el 32% de los centros de salud públicos.
Las diferencias entre el sector público y privado, sin embargo, son algo menores en el
caso del resto de servicios, tales como las camas en funcionamiento y el número de
doctores. Esto indicaría que los hospitales públicos “más grandes” o más equipados se
concentran de hecho en los distritos más ricos. Las diferencias vuelven a aparecer para el
resto de características de los establecimientos de salud, como los laboratorios, consultorios
especializados y farmacias. Sin embargo, en este caso la desigualdad es menor,

13
La literatura sobre el tema de calidad también habla de la valoración subjetiva de la calidad del
servicio, como un indicador que puede ser distinto a partir de diferencias de expectativas y
conocimiento entre la población. (ver Fiscella, et. al., 2000; da Silva, 2000, entre otros) Esa
dimensión del análisis no se incluye en este trabajo debido a que no se tienen indicadores confiables
sobre esas variables ni en la ENNIV 97, ni en el Censo de Infraestructura de Salud.
14
La tabla A.1 en el anexo compara los ICs de la muestra ENNIV con los de la muestra censal. Tal
comparación sugiere que la muestra ENNIV, aunque representativa del nivel de pobreza, está
relativamente sesgada hacia los distritos mejor dotados de infraestructura de salud, un aspecto a
tomar en cuenta a la hora de analizar los resultados que aquí se presentan.

20
probablemente porque la presencia de los servicios asociados se explica porque son muy
escasos los establecimientos públicos que los tienen.

Tabla 8: Indices Concentración para la infraestructura de salud en

las localidades ENNIV
Público Privado
Hospital/Clinica
Número de Hospitales 35.0 61.2
Camas 63.9 71.4
Doctores 69.9 73.8
Laboratorios 32.7 55.8
Consultorios 33.1 54.6
Farmacias 32.3 55.8
Diagnósticos 38.6 56.8
Centros de salud
Numero de unidades de salud 11.4 64.9
Camas 11.7 43.1
Doctores 39.4 80.1
Laboratorios 31.6 56.1
Consultorios 23.7 59.2
Farmacia 21.6 47.0
Diagnósticos 36.8 62.0
Fuente: ENNIV 1997
Elaboración propia.

4) El análisis econométrico

Los hallazgos preliminares mostrados en las secciones anteriores sugieren fuertemente que
el uso de servicios ambulatorios por individuos enfermos esta correlacionado con las
siguientes variables: ingreso del hogar, acceso al seguro, y el nivel de marginación de la
localidad de residencia, en cuanto esa marginalidad tiende a hacer menos accesibles los
servicios de cuidado de salud. En esta sección, queremos ver si dichas relaciones se
mantienen cuando nosotros controlamos para otras características del individuo, hogar y del
distrito, en el contexto de una modelo multivariado.
La estructura conceptual que se propone se basa principalmente en Lavy y Germain
(1994) y Dow (1996). Primero tomamos a un individuo quien puede reportar una
enfermedad o dolencia, dependiendo de sus características individuales, como de las de su

21
hogar y de su medio ambiente.15 Los individuos que se enferman deben decidir primero si
buscan o no cuidado médico. Entonces, condicionados en esa decisión, los individuos
eligen el tipo de proveedor de servicios de salud a consultar. El cuidado de salud es costoso,
pero las decisiones individuales están basadas en maximizar la utilidad que depende de la
salud y consumo de otros bienes, sujeto a una restricción presupuestal.
Cada proveedor, así como el auto-tratamiento, tiene una función de producción de
salud y ofrece una mejora esperada en salud para un cierto precio. La mejora esperada en
salud esta correlacionada positivamente con la calidad del proveedor como medida del
número de doctores que trabajan para ellos, la disponibilidad de medicamentos necesitados,
la infraestructura moderna y el tiempo de espera previo a la consulta. El precio del servicio
incluye no sólo el pago por la consulta sino también el costo de viaje al medio de salud, y
el costo de oportunidad del viaje. Con estos mecanismos en consideración, podemos
obtener una ecuación para la elección de proveedor de cuidado de salud por individuo, la
cual sería una función de características individuales, la calidad del proveedor de salud y el
precio asociado a ellos.
La revisión de la literatura muestra que la situación de este modelo se ha tratado de
diferentes maneras. La mayoría de los estudios previos limitaron la muestra bajo el análisis
de los individuos que se reportaron ellos mismo como enfermos. En principio, sin embargo,
estas estimaciones sufrirían de una tendencia de selectividad si la salud esta correlacionada
con el término del error de la ecuación del cuidado de salud, es decir, si hay algunas
características no observables que afectan ambos estados de salud del individuo y su
elección de tratamiento médico. Dow (1996) presenta una lista de ocho posibles modelos
que pueden usarse para tal estimación, y la decisión dependería de la naturaleza de la
correlación de los términos del error entre las alternativas en el árbol de decisiones. Estos
modelos alternativos pueden agregarse en dos grupos dependiendo de la manera en que es
tratada la salud del individuo.

15
Realmente, Lavy y Germain (1994) no pueden incorporar el problema de selectividad asociado a
la probabilidad de una persona que se enferma, como Dow lo hace. El banco de datos de la ENNIV
97 permite semejante análisis, y actualmente ya se ha hecho para Perú en Murrugarra y Valdivia
(1999).

22
 El primer grupo se caracteriza por la falta de distinción entre los no demandantes, es
decir no se distingue, si el no demandante no se reporto como enfermo, o habiendo
informado una enfermedad, decidió autotratarse o no tratarse. En ese caso, por ejemplo, las
tres opciones pudieron ser: tratamiento en un establecimiento público, en un
establecimiento privado, o el auto-tratamiento. Si pensamos en estas alternativas como
mutuamente independientes, entonces podemos estimar la ecuación con un modelo
logístico multinomial. (LMN) Algunos estudios anteriores han usado los modelos logístico
multinomial anidado (LMNA), basados en el supuesto que la correlación entre la opción de
un proveedor de cuidado de salud público y un privado es distinto de cero. La otra
posibilidad es la estimación de un modelo con una estructura de covarianzas irrestricta a
través de un modelo probit multivariado. (PM)
Aunque tales estimadores podrían ser insesgados, ellos serían ineficientes en cuanto
no usan toda la información disponible.16 La alternativa es estimar la elección de proveedor
de cuidado de salud juntamente con la estimación de salud, que es separar la opción de
ningún tratamiento en aquellos que no reportaron alguna enfermedad, y aquellos que
habiendo reportado una enfermedad, decidieron auto-tratarse. Murrugarra y Valdivia
(1999) dan énfasis al papel de edad y educación en la probabilidad de que una persona se
reporte a sí misma como enfermo. En cuanto al grupo anterior de estimadores, nosotros
tenemos la opción de estimar el modelo usando el modelo LMN, el modelo LMNA o el
modelo PM, dependiendo de la estructura de la covarianza que queramos asumir.

4.1) Los Datos y la Estrategia Econométrica

Para este estudio, proponemos combinar dos bases de datos: la Encuesta de Niveles de Vida
(ENNIV) de 1997 y el Censo de Infraestructura de Salud de 1996. La ENNIV de 1997 se
ha diseñado y ha sido llevado a cabo por el Instituto Cuanto con alguna asistencia técnica
del Banco Mundial.17 Se entrevistó a 3.804 hogares en las 3 regiones del país (Costa, Sierra

16
A pesar de la ineficiencia referida de estos estimadores, ellos serían aconsejables cuando el
reporte mismo de indicadores de salud sea sospechoso.
17
El Instituto Cuánto ya ha implementado dos ENNIVs, una 1994 y otra en 1996, y ambas han sido
usadas extensiva y satisfactoriamente en un gran número de estudios económicos.

23
y Selva), con 960 hogares en Lima Metropolitana, 1.392 en otras áreas urbanas y 1452 en
áreas rurales. Esta muestra es representativa al nivel de dominio (Costa urbana, Sierra rural,
etc.). El objetivo del estudio de la ENNIV es compilar información sobre las principales
características socioeconómicas de los hogares y evaluar sus condiciones de vida en 1997.
En ese sentido, contiene información muy completa sobre el ingreso del hogar y gastos, las
características de los miembros (educación, edad, salud, género, etc.), ahorros, empleo,
dotaciones de recursos, lo que permite un control apropiado de las características del
individuo y del hogar cuando se estima la demanda por atención médica.
Con respecto a la información relacionada a la salud, la ENNIV de 1997 incluye
información individual sobre enfermedades crónicas, el número de días enfermo en las 4
semanas previas a la fecha de la entrevista, y su grado, la utilización de cuidado médico
profesional por tipo de profesional e institución. Acerca del acceso a servicios de salud,
incluye información sobre el tiempo gastado para llegar al centro de salud, tiempo de
espera antes de la atención, así como en gastos pagados, incluyendo la consulta,
hospitalización y medicamentos. La concentración de este estudio en las consultas
ambulatorias se basa en el escaso numero de casos que reportan gastos en hospitalización y
medicinas.
De otro lado, el Censo en Infraestructura de Salud de 1996 incluye información para
cada proveedor en el número de profesionales de salud, camas y cuartos funcionando, la
disponibilidad de servicios importantes, entre otros rasgos. El Censo incluye todos los
proveedores públicos y privados de servicios de salud, salvo por los médicos
independientes.18 La referencia geográfica se usa para unir esta base de datos con las de la
ENNIV de 1997.
En cuanto a los modelos econométricos analizados para entender el proceso de
decisiones de los individuos acerca del tipo de tratamiento médico necesario, la idea
principal es estimar un modelo que tenga a la utilización de servicios de salud como
variable dependiente. En un primer caso, se estima un probit usando una variable ficticia

18
Para eliminar problemas de endogeneidad en el análisis econométrico, todas estas variables son
consideradas a nivel distrital, y en términos per cápita en el caso de la infraestructura, para evitar
sesgos asociados a las diferencias del tamaño de los distritos.

24
que toma el valor de 1 si el individuo buscó una consulta ambulatoria con un médico o en
un establecimiento de salud. En un segundo caso, se busca distinguir por tipo de proveedor,
público y privado a partir de la estimación de un modelo logit multinomial.
En ambos casos, sin embargo, se tiene especial cuidado en considerar que los
individuos buscan atención médica fundamentalmente cuando se sienten enfermos o tienen
algún malestar. (ver nota 8) En tal sentido, se utiliza el procedimiento de Heckman para
analizar el efecto selectividad que se puede generar. Luego, se analiza la robustez de los
estimados a la presencia de variables no observables, a nivel del hogar y del distrito, a partir
de la estimación de un modelo con efectos aleatorios.

4.3) Determinantes de la morbilidad auto-reportada

El auto-reporte de una enfermedad del individuo i depende tanto de variables

individuales, o del hogar, como de la localidad, tal como indica (1),
sij = X ij βj + Z j γ j + εij (1)

donde sij es una variable ficticia que toma el valor 1 si el individuo i, que reside en la

localidad j, se sintió enfermo en las 4 semanas anteriores a la fecha de la encuesta. X ij

denota al vector de características del individuo i, mientras Z j denota el vector de las

características relevantes del distrito que afectan la salud del individuo, o al menos la
probabilidad que se auto-reporte enfermo.
La tabla 9 reporta los resultados de estimar ese modelo probit para los adultos
urbanos. Los resultados indican que la probabilidad de enfermarse aumenta con la edad
pero se reduce con el nivel de educación alcanzado por el individuo. Es interesante notar
que el efecto de las características individuales (edad, educación y género) no cambian
significativamente con la incorporación de variables del hogar (modelo 2) ni con la
incorporación de la dotación de infraestructura de salud (modelos 3-5) ni con la inclusión
del nivel de pobreza distrital.
De otro lado, los efectos del ingreso y de las variables relacionadas con la
infraestructura de la salud son positivos y significativos. Estos resultados podrían, a
primera vista, aparecer como inconsistentes. Sin embargo, en realidad, ellos son

25
consistentes con resultados previos encontrados en la literatura, los que se explican por la
subjetividad en el reporte de enfermedad. La idea es que las personas de mayores ingresos
reportan más ocurrencias de enfermedad, no porque tengan un peor estado de salud, sino
más bien porque tienen un mayor conocimiento de síntomas y/o porque tienen una menor
tolerancia a malestares físicos. (ver Murrugarra y Valdivia, 1999) Otros estudios han
encontrado que los reportes de eventos de enfermedad en una ol calidad aumentan cuando
se construye una posta médica, lo que explica porque las mejoras en infraestructura
aumentan la conciencia y conocimiento de los individuos acerca de sus problemas físicos.
(Dow et.al., 1997)
Controlando por estas características del individuo, del hogar, y de la infraestructura
del hogar, la tarifa por servicios médicos ambulatorios tiene también un efecto negativo
sobre la probabilidad de reportar un evento de enfermedad, lo que se explicaría también por
los sesgos de reporte asociados al efecto positivo de la infraestructura en salud.
Siendo estos resultados consistentes con resultados previos identificados en la
literatura, lo que hacemos ahora es ver si los mismos son robustos a la presencia de efectos
fijos o aleatorios a nivel del hogar y del distrito. En tal sentido, hay un conjunto de
variables que uno entiende que afectan la salud de los individuos y definen sus decisiones
acerca del tipo de proveedor de salud a consultar. La salud de los adultos, por ejemplo, está
afectada por las características del entorno y sus decisiones previas acerca de aspectos
nutricionales, hábitos de vida, además de aspectos hereditarios, entre otros. El punto es que
estas variables son no observables en el marco de encuestas multi-propósito como la
ENNIV. Este problema se puede solucionar bastante bien en el marco de un análisis
longitudinal, en tanto estas características no cambien en el tiempo. En el marco de un
análisis de corte transversal como el que se presenta en este documento, sin embargo, lo
que sí se puede hacer es controlar por posibles distorsiones asociadas a factores fijos no
observables a nivel del hogar y del distrito. La información aquí utilizada es individual, y
en tal sentido, tenemos a varios individuos que pertenecen a un mismo conjunto de
características no observables del hogar al que pertenecen. Ejemplos de esos efectos no
observables serían algunas características congénitas que afectan a la familia, las
condiciones de salubridad en el hogar, entre otras. Lo mismo se puede plantear a nivel

26
distrital, por las condiciones de salubridad pública, la oferta de infraestructura y servicios
públicos.

Tabla 9: Determinantes de la ocurrencia de enfermedades (adultos urbanos)

Modelo 1 2 3 4 5 6
Entre 7 y 11 años de educación -0.12 -0.157 -0.165 -0.163 -0.169 -0.174
(-3.29) (-4.10) (-4.26) (-4.22) (-4.35) (-4.49)
Mas de 11 años de educación -0.177 -0.243 -0.253 -0.235 -0.24 -0.248
(-4.32) (-5.29) (-5.46) (-5.06) (-5.15) (-5.31)
Edad entre 26 y 35 0.18 0.174 0.175 0.174 0.175 0.177
(4.39) (4.25) (4.26) (4.22) (4.24) (4.3)
Edad entre 36 y 50 0.367 0.355 0.358 0.357 0.357 0.359
(9.33) (8.96) (9.01) (8.99) (8.98) (9.01)
Edad entre 51 y 60 0.649 0.613 0.616 0.624 0.624 0.627
(12.21) (11.28) (11.32) (11.45) (11.44) (11.48)
Mayor de 60 años 0.832 0.779 0.778 0.79 0.79 0.795
(16.01) (14.29) (14.21) (14.4) (14.39) (14.47)
Género -0.215 -0.209 -0.208 -0.21 -0.21 -0.21
(-7.49) (-7.25) (-7.21) (-7.25) (-7.26) (-7.26)
Gasto familiar per capita estimado (lg) 0.086 0.07 0.096 0.094 0.062
(3.18) (2.54) (3.43) (3.34) (2.06)
Tiempo de espera promedio distrital -0.195 -0.203 -0.234 -0.206
(-3.77) (-3.93) (-4.45) (-3.86)
Distancia promedio distrital -0.08 -0.056 -0.069 -0.07
(-1.47) (-1.03) (-1.26) (-1.27)
Tarifa distrital promedio -0.100 -0.090 -0.100
(-4.80) (-4.13) (-4.59)
Establecimientos per capita, distrital 0.018 0.018
(3.02) (2.96)
Médicos per capita, distrital -0.026 -0.022
(-2.85) (-2.46)
Camas per capita, distrital 0.025 0.021
(2.81) (2.42)
Tasa de pobreza distrital -0.003
(-3.05)
# Observaciones 8565 8565 8511 8511 8511 8511
R cuadrado 0.05 0.051 0.052 0.054 0.056 0.057
Elaboración propia.

Formalmente, el modelo que consideramos es el de efectos aleatorios y se refleja en

la siguiente expresión:19
sijk = X ijk βj + Zkjγ j + µk + εijk (2)

19
Ver Greene, (1997) capítulo 16.4.

27
 La diferencia respecto a la expresión (1) es el término µk , que precisamente denota a

las características no observables que son específicas al hogar o distrito k.20 Los resultados
de los modelos con efectos aleatorios se reportan en la tabla 12 para el modelo 6. Los
mismos indican que la presencia de características no observables del hogar, o distrito,
cambian los coeficientes estimados por un probit normal, pero ese no es el caso de las
características no observables a nivel distrital. Por ejemplo, el coeficiente del gasto per
cápita pasa de 0.189 a 0.251 con el modelo con efectos aleatorios a nivel del hogar. El
estimado con el modelo con efectos aleatorios a nivel distrital, sin embargo, es nuevamente
de 0.179. La situación del coeficiente de la tarifa distrital promedio, y de la mayoría de las
otras variables es similar. Este resultado sugiere que las variables distritales no incluidas en
el modelo están bastante correlacionadas con aquellas si incluidas, como la tasa de pobreza
distrital, o la disponibilidad de infraestructura de salud en el distrito, entre otras.
El cambio en los coeficientes con el modelo de efectos aleatorios a nivel del hogar
sugieren que si hay características no observables a nivel del hogar que afectan
significativamente la morbilidad auto-reportada. Sin embargo, estos efectos no serían tan
importantes en cuanto las tendencias generales no se ven afectadas, en el sentido que
ninguno de los coeficientes de las variables consideradas cambia de signo o dejan de ser
significativas. Los cambios más importantes se observan en el caso de los coeficientes
asociados a la edad del individuo y el nivel socioeconómico del hogar, (ln del gasto per
cápita) pero aún esos siguen siendo menores.

4.4) Determinantes de la Utilización de Servicios Médicos Ambulatorios

La estimación del modelo de los determinantes de la utilización de los servicios médicos

ambulatorios se ve afectada por el hecho que esta pregunta sólo es respondida por aquellos

20
Los supuestos para el término de error, εijk y para el término aleatorio µk son los siguientes:
[ ] [ ] [ ]
E εijk = E[µk ] = 0, E ε ijk2 = σ ε2 , E [µk2 ] = σ µ2 , E ε ijl µk = 0 ∀ i , j , k , l and E[µl µk ] = 0 ∀ k ≠ l

28
individuos que reportaron algún evento de enfermedad.21 La estimación de un probit simple
no hace diferencia entre los individuos que reportaron haberse enfermado y los que no lo
hicieron, lo que podría sesgar los resultados. Asumiendo que las características de los que
se enfermaron difieren de las que no, la estimación de un probit sólo con los primeros
también podría sesgar los resultados.
La tabla 10 reporta los estimados para estos dos modelos, comparándolos con un
probit que corrige por el sesgo de selectividad a través del procedimiento de Heckman en
dos etapas. (probit 2E) Los estimados de la tabla 13 sugieren que el sesgo asociado al probit
simple es muy fuerte, y los coeficientes estimados son contraintuitivos, como en el caso del
efecto de la educación que aparece como negativo. De otro lado, la comparación entre los
estimados del probit truncado y el probit 2E indican que el sesgo de selectividad (término
de selección) no es importante. Este resultado nos permite eliminar la corrección de
Heckman de las estimaciones que se reportan en adelante.
Los estimados del probit 2E para las características individuales son consistentes con
lo reportado en estudios previos relacionados. Los efectos de la educación del individuo y
del nivel socioeconómico (gasto per cápita) son positivos y significativos. El efecto de la
edad es positivo y creciente, pero sólo es significativo para aquellos mayores a cincuenta
años. El efecto estimado del género sugiere que las mujeres se atienden más que los
hombres una vez que están enfermos.
Lo más importante es que el efecto de las tarifas y de la disponibilidad de la
infraestructura de salud no se muestran ni claros ni significativos. En el caso de la tarifa, el
estimado con el probit truncado es negativo y significativo. Sin embargo, el estimado probit
2E, aunque relativamente similar en promedio, sólo es marginalmente significativo al 10%.
En todo caso, el coeficiente estimado es de -0.06, el que implica una elasticidad de apenas
0.02, la que es bastante baja en comparación con los estimados revisados en la sección 2.
Lo contrario ocurre con el efecto ingreso (gasto) que si resulta positivo y muy significativo

21
En estricto, la pregunta también se aplica a aquellos individuos que no reportan una enfermedad
en las cuatro semanas anteriores a la fecha de aplicación de la encuesta. Sin embargo, como se
mencionó anteriormente, sólo el 3.5% de los individuos que no se enfermaron reportan haber
utilizado servicios médicos ambulatorios.

29
en la decisión del individuo de buscar cuidado médico. El coeficiente de 0.2 está asociado a
una elasticidad ingreso de 0.08.

Tabla 10: Determinantes de la Utilización de Servicios Médicos Ambulatorios: Analizando el Efecto Selectividad
(Adultos Urbanos)
Variables Probit Probit Truncado Probit 2E
Entre 6 y 11 años de educación -0.032 0.131 0.128
(-0.711) (2.111) (2.049)
Mas de 11 años de educación -0.051 0.229 0.233
(-0.930) (2.971) (3.014)
Edad entre 26 y 35 0.165 0.081 0.083
(3.302) (1.069) (1.089)
Edad entre 36 y 50 0.252 0.068 0.079
(5.212) (0.958) (1.119)
Edad entre 51 y 60 0.562 0.334 0.333
(9.041) (3.848) (3.829)
Mayor de 60 años 0.872 0.580 0.596
(14.482) (6.863) (6.943)
Género -0.301 -0.218 -0.224
(-8.831) (-4.500) (-4.607)
Log (gasto per capita) 0.275 0.205 0.207
(9.618) (5.221) (5.182)
Log(tarifa distrital promedio) -0.079 -0.069 -0.061
(-3.215) (-1.918) (-1.644)
Establecimientos públicos per cápita 0.113 -0.050 -0.044
(1.270) (-0.474) (-0.415)
Camas públicas per cápita 0.015 0.009 0.004
(1.360) (0.592) (0.282)
Médicos públicos per cápita -0.013 -0.006 -0.002
(-0.854) (-0.264) (-0.101)
Farmacia publica per capita -0.174 0.145 0.095
(-0.868) (0.534) (0.342)
Consultorios públicos per capita -0.050 0.006 0.022
(-1.551) (0.135) (0.490)
Laboratorio publico per capita 0.403 0.171 0.178
(1.876) (0.535) (0.554)
Diagnostico publico per capita -0.405 -1.096 -1.301
(-0.721) (-1.293) (-1.534)
Término de selección 0.056
(0.130)
# Observaciones 8565 2977 2977
Log fcn de verosimilitud -3611.7 -1952.0 -7365.0
Elaboración propia.

De otro lado, el efecto estimado de las variables de infraestructura no es significativo

a nivel individual. Sin embargo, este resultado se explicaría por la colinealidad entre cada

30
uno de estos indicadores. Una forma de mostrar ello es incorporando una de las variables de
infraestructura distrital de salud a la vez. Los resultados que se reportan en la tabla 11
parecen confirmar dicha afirmación. Cada una de las variables aparecen como fuertemente
significativas, aunque sus efectos parecen poco importantes.22 Estos resultados son
contundentes en establecer que no hay información relevante distinta en los diferentes
indicadores de infraestructura de salud, a pesar que en 3.2 se planteó que entre ellas había
dos tipos de variables: las de acceso (establecimientos) y los indicadores objetivos de
calidad. La interpretación es que estos indicadores de calidad, o no son buenos como tales,
o están muy correlacionados con la accesibilidad como para proveer información adicional
acerca de la decisión del individuo de tratarse en un establecimiento de salud. En lo que
sigue del análisis econométrico, se trabaja con un modelo que sólo incluye a la variable de
establecimientos per cápita en el distrito.

22
Nótese que la tabla 11 no reporta los coeficientes sino los efectos marginales, que en el caso de
variables ficticias se definen como la diferencia Pr (c = 1 / X , Z , D = 1) − Pr (c = 1 / X , Z , D = 0) .

31
Tabla 11: Determinantes de la Utilización de Servicios Médicos Ambulatorios: El Efecto de la Infraestructura de Salud (Efectos Marginales)
Variables Sin Infra Establec. Médicos Camas Farmacia Consult. Lab. Diagnóst. Todas
Entre 7 y 11 años de educación 0.05 0.027 0.049 0.05 0.049 0.049 0.049 0.049 0.051
(1.86) (1.85) (1.85) (1.87) (1.84) (1.85) (1.83) (1.83) (1.92)
Mas de 11 años de educación 0.088 0.035 0.088 0.088 0.088 0.088 0.088 0.088 0.090
(2.50) (2.52) (2.51) (2.50) (2.52) (2.51) (2.51) (2.51) (2.55)
Edad entre 26 y 35 0.031 0.026 0.033 0.033 0.032 0.032 0.032 0.032 0.032
(1.20) (1.24) (1.25) (1.25) (1.24) (1.24) (1.24) (1.24) (1.20)
Edad entre 36 y 50 0.026 0.03 0.027 0.027 0.026 0.026 0.026 0.026 0.026
(0.88) (0.89) (0.90) (0.90) (0.88) (0.89) (0.88) (0.88) (0.89)
Edad entre 51 y 60 0.13 0.036 0.133 0.133 0.132 0.132 0.132 0.132 0.132
(3.63) (3.67) (3.69) (3.69) (3.66) (3.68) (3.65) (3.66) (3.69)
Mayor de 60 años 0.227 0.036 0.227 0.227 0.227 0.227 0.227 0.227 0.228
(6.12) (6.14) (6.14) (6.14) (6.14) (6.14) (6.14) (6.14) (6.15)
Género -0.084 0.019 -0.084 -0.084 -0.084 -0.084 -0.084 -0.084 -0.085
(-4.43) (-4.47) (-4.46) (-4.46) (-4.47) (-4.47) (-4.47) (-4.46) (-4.50)
Log(gasto per cápita) 0.081 0.021 0.079 0.079 0.796 0.079 0.080 0.079 0.080
(3.93) (3.81) (3.78) (3.78) (3.82) (3.80) (3.82) (3.80) (3.85)
Log(tarifa distrital promedio) -0.023 -0.017 -0.027 -0.027 -0.026 -0.027 -0.026 -0.026 -0.027
(-1.32) (-1.58) (-1.61) (-1.62) (-1.56) (-1.60) (-1.55) (-1.57) (-1.59)
Establecimientos públicos per capita 0.001 -0.019
(2.68) (-0.74)
Médicos 'públicos' per capita 0.0005 -0.002
(3.81) (-0.21)
Camas públicas per capita 0.0004 0.004
(4.56) (0.46)
Farmacia pública per cápita 0.005 0.057
(1.92) (0.62)
Consultorios públicos per cápita 0.001 0.002
(3.19) (0.12)
Laboratorio público per cápita 0.006 0.067
(1.69) (0.51)
Diagnóstico público per cápita 0.019 -0.428
(2.12) (-1.01)
# Observaciones 2977 2977 2977 2977 2977 2977 2977 2977 2977
Función de verosimilitud (-) 1954.3 1953.3 1953.2 1953.1 1953.43 1953.23 1953.50 1953.43 1951.99
Elaboración propia.
32
 Nótese que los estimados de la tabla 11 también sugieren que incluir las variables de
infraestructura de salud no reducen la elasticidad precio de la demanda por servicios
ambulatorios de salud, como se ha dado en estudios internacionales previos. (ver Alderman
y Lavy, 1996) En realidad, lo mismo ocurre para el resto de variables consideradas en el
modelo. La excepción se da en el caso del modelo con sólo establecimientos per cápita por
distrito donde la elasticidad tarifa pasa de -0.023 a –0.017.
En conclusión, los estimados de las tablas 10 y 11 sugieren que el ingreso familiar,
las tarifas y la accesibilidad de los establecimientos de salud juegan un papel importante
como determinantes de la decisión de los individuos de buscar atención médica. En cuanto
a las tarifas, sin embargo, hay que recordar que la conveniencia de una política tarifaria
basada en la recuperación de costos depende no sólo del nivel promedio de la elasticidad,
sino también de las diferencias en la elasticidad precio por nivel de ingreso. (gasto) A
continuación se evalúa empíricamente estas diferencias.

Efecto Ingreso y Efecto Tarifa por Nivel Socio-Económico (NSE)

Para evaluar empíricamente las diferencias por NSE, estimamos unos efectos ingreso y
precio para tres cuantiles de la muestra analizada. En ese caso, el coeficiente del término
sin interacción es el efecto ingreso (precio) del cuantil más pobre. El efecto ingreso (precio)
de los otros cuantiles se obtiene agregando el coeficiente de la interacción respectiva. La
tabla 12 muestra los resultados de esta formulación, con establecimientos per cápita como
variable de acceso a infraestructura, y los compara con los que resultan de estimar el mismo
modelo con efectos aleatorios a nivel del hogar y del distrito.
Los resultados indican que la evidencia empírica no apoya la hipótesis de diferencias
significativas por NSE en las elasticidades tarifa e ingreso. Ninguno de los términos de
interacción resulta significativo. Este resultado es muy importante porque establece una
restricción fundamental en la viabilidad de una política tarifaria como mecanismo de
recuperación de costos en los establecimientos de salud. Sin embargo, las elasticidades que
se obtienen son algo mayores que las obtenidas en los modelos de las tablas 10 y 11. La
elasticidad ingreso resultante es de 0.07 y la elasticidad precio es de –0.047.

33
Tabla 12: Robustez de los Determinantes de la Utilización de Servicios Médicos Ambulatorios –
Evaluando No Linearidades en el Efecto Ingreso y Efecto Tarifas
Efectos Aleatorios
Variables Hogar Distrito
intercepto -1.687 -1.615 -0.591 -14.000
(-3.04) (-2.40) (-3.25) (0.00)
entre 7 y 11 años de educación 0.123 0.122 0.110 0.122
(1.98) (1.78) (1.44) (1.97)
más de 11 años de educación 0.219 0.221 0.216 0.221
(2.85) (2.48) (2.24) (2.87)
edad entre 26 y 35 0.074 0.077 0.092 0.077
(0.97) (1.14) (0.99) (1.02)
edad entre 36 y 50 0.067 0.068 0.076 0.068
(0.95) (0.90) (0.89) (0.97)
edad entre 51 y 60 0.323 0.329 0.387 0.329
(3.73) (3.62) (3.67) (3.79)
mayor de 60 años 0.572 0.574 0.661 0.574
(6.79) (6.07) (6.25) (6.81)
género -0.217 -0.218 -0.255 -0.218
(-4.49) (-4.54) (-4.44) (-4.51)
log (gasto per cápita) 0.189 0.179 0.251 0.179
(2.36) (1.79) (2.29) (2.23)
gasto per cápita - nivel medio -0.002 0.000 -0.002 0.000
(-0.07) (0.01) (-0.05) (0.01)
gasto per cápita - nivel superior -0.021 -0.017 -0.014 -0.017
(-0.77) (-0.48) (-0.37) (-0.65)
log (tarifa distrital promedio) -0.115 -0.119 -0.136 -0.119
(-1.80) (-1.49) (-1.55) (-1.85)
tarifa distrital promedio - nivel medio 0.050 0.045 0.055 0.045
(0.53) (0.46) (0.44) (0.48)
tarifa distrital promedio - nivel superior 0.099 0.092 0.082 0.092
(1.21) (0.85) (0.72) (1.12)
establecimientos públicos per cápita 0.006 0.006 0.009 0.006
(2.68) (2.69) (1.43) (1.36)
constante -2.193 -1.615
(-2.87) (-2.90)
# de observaciones 2977 2977 2977 2977
Log fnc de verosimilitud -1952.6 -1951.7 -1914.0 -1951.7
LR χ2 147.54 178.11 117.84 144.38
ρ 0.357 0.000
desviación estándar de ρ 0.042 0.000
Prueba ratio de verosimilitud 75.4 0.0
Elaboración propia.

En cuanto a la robustez de los resultados a la presencia de variables no observables a

nivel del hogar o el distrito, nuevamente encontramos que las principales diferencias se dan
en el caso del modelo con efectos aleatorios a nivel del hogar. En primer lugar, las

34
elasticidades ingreso y precio de la demanda por servicios de salud resultan mayores con
este modelo, aunque no por mucho. De otro lado, el efecto de los establecimientos de salud
en los distritos pierde significancia al incluir los efectos aleatorios a nivel hogar o distrito.
Cómo interpretar estos resultados?. Una interpretación es que existen una serie de
características fijas no observables de los hogares que sesgan los resultados del probit
simple. Ejemplos de ese tipo de efectos serían los asociados al entorno sanitario en el
hogar, o la presencia de enfermedades crónicas hereditarias. Sin embargo, no debe
descartarse que los efectos fijos estén más bien relacionados a características individuales
no observables, tales como el nivel de salud del individuo. Esta hipótesis, sin embargo, no
puede analizarse aquí en cuanto no se tiene una base de panel.
Otro probable sesgo en el análisis de la tabla 12 es que no estamos diferenciando por
tipo de proveedor. (público vs privado) Este es el tema que se aborda a continuación.

Diferenciando entre proveedor público y privado

Para analizar el efecto de diferenciar por tipo de proveedor, es decir, público o privado, se
ha estimado un logit multinomial, (LMN) que toma a las tres alternativas como
mutuamente independientes. El ejercicio se resume de la siguiente manera:
cij = X ij β j + Z j γ j + Zkγ k + εij (1)

donde cij es una variable ficticia que toma el valor 1 si el individuo i eligió j, X ij denota el

vector de características de los individuos i, mientras Z j denota el vector de las

características de elección. Las opciones del individuo han sido: bien, auto-tratamiento
público y privado. (j=1, 2, 3) La variable ficticia para "bien" o auto-tratamiento es igual a 1
si el individuo no reportó una enfermedad o accidente, o si el individuo reportó una
enfermedad o accidente, pero no usó atención médica formal. 23 Las variables ficticias para
público y privado toman el valor 1 si el individuo busca cuidado en el respectivo tipo de
establecimiento de salud.

23
Se excluye de la definición de atención médica formal al “curandero”, “partera”, y farmacéutico.

35
 Nótese que la decisión del individuo por el proveedor tipo j depende no sólo de sus
características individuales, X ij , y de las características de la opción j Z j sino también de

las características del proveedor alternativo Z k . Las variables consideradas bajo este
esquema son precisamente el ingreso (gasto), la tarifa y el número de establecimientos per
cápita en el distrito.
La tabla 13 muestra los resultados de la estimación del modelo descrito, incorporando
la posibilidad de efectos ingreso y precio distintos por NSE. 24 Los resultados para la
decisión de buscar atención médica en establecimientos públicos son particularmente
interesantes. En primer lugar, hay que notar que la educación, la edad y género del
individuo son altamente significativos y muestran las mismas tendencias encontradas en los
modelos probit estimados en las tablas 11-13. Es decir una mayor educación del individuo
eleva la probabilidad que éste busque atención médica en el sector público. Lo mismo
ocurre con la edad, y este efecto es creciente con la edad.
De otro lado, un mayor NSE reduce la probabilidad de atenderse en establecimientos
públicos, pero este efecto ingreso no parece diferir entre el tercio inferior y superior. En
cuanto al efecto tarifa, las tarifas que cobran los establecimientos públicos afectan
negativamente la decisión de utilizar los servicios públicos, pero fundamentalmente para el
tercio superior. Este resultado sería consistente con la idea que los individuos de mayor
NSE tienen una mayor elasticidad, en cuanto ellos tienen más accesible la alternativa del
proveedor privado. Tal hecho es una muy mala noticia para la política de recuperación de
costos en los establecimientos públicos que se basa en el aumento de las tarifas para los
grupos con mayor NSE.
Es importante notar también que la elasticidad implícita para los servicios de salud en
establecimientos públicos, es bastante más alta que la obtenida con los modelos
dicotómicos. Este aspecto también es negativo para la política de recuperación de costos a
través del aumento de las tarifas en los establecimientos públicos, especialmente si
consideramos que las elasticidades que se obtienen a partir de análisis de corte transversal,

36
como el que aquí se presenta, están regularmente subestimadas. Otro aspecto importante es
que una elevación de las tarifas que cobran los establecimientos privados aumenta la
probabilidad que el individuo decida atenderse en un establecimiento público, pero este
efecto no difiere según el NSE del individuo.
Los resultados para la decisión de utilizar los servicios ambulatorios de un
establecimiento son menos contundentes. De hecho, de las características individuales, sólo
el género tiene un efecto significativo. Sin embargo, este efecto no parece diferir del que se
obtiene para el sector público.
El efecto NSE sí es positivo y altamente significativo pero no difiere por NSE. Es
decir, un mayor NSE eleva la probabilidad de atenderse en establecimientos privados. (y
reduce la de atenderse en establecimientos públicos) De otro lado, la decisión de utilizar los
servicios de un establecimiento de salud privado se ve marginalmente afectado sólo por el
precio que se cobra en ellos, no así por la tarifa que se cobra en los establecimientos
públicos. Este resultado, sin embargo, debe tomarse con cuidado, en cuanto capturan una
realidad en la que los cobros de tarifas en establecimientos públicos son muy bajos. La
situación podría ser bastante distinta si la política tarifaria eleva sustancialmente las tarifas
para los de mayor NSE, en cuanto éstos si tienen la opción de atenderse en un
establecimiento privado.
En conclusión, el modelo LMN encuentra que la principal variable que explica la
decisión del individuo acerca del tipo de proveedor de salud a consultar es la variable NSE.
El efecto de la variable tarifa es más alto aunque su significancia no es tan contundente. El
problema para la política de recuperación de costos es que la elasticidad es más alta, en
valor absoluto, para aquellos individuos con mayor NSE. Una elasticidad más alta reduce la
efectividad de la elevación de las tarifas para aumentar los ingresos de los establecimientos
públicos, además que cualquier error de pretender cobrar a los pobres tendría un impacto
aún más fuerte sobre la equidad en el acceso a los servicios de salud.

24
La tabla 13 no reporta los coeficientes de la ecuación sino las tasas de riesgo relativo. En tal
sentido, un valor menor a 1 indica que la variable reduce la probabilidad de atenderse en el tipo de
establecimiento respectivo, respecto a la categoría base, que es no atenderse.

37
Tabla 13: Modelo Logístico Multinomial (LMN)
(tasas de riesgo relativo; estadístico t entre paréntesis)
Variables Público Privado
entre 7 y 11 años de educación 1.605 0.807
(3.09) (-1.02)
más de 11 años de educación 1.656 1.099
(2.74) (0.37)
edad entre 26 y 35 1.391 0.705
(2.22) (-1.49)
edad entre 36 y 50 1.414 0.703
(2.02) (-1.41)
edad entre 51 y 60 2.605 1.166
(5.07) (0.53)
mayor de 60 años 3.736 1.515
(6.21) (1.54)
género 0.712 0.691
(-3.56) (-2.24)
log (gasto per cápita) 0.650 3.274
(-1.86) (4.10)
gasto per cápita - NSE medio 1.040 0.875
(0.28) (-0.67)
gasto per cápita - NSE superior 1.404 0.866
(3.36) (-1.05)
log (tarifa pública promedio) 1.110 0.998
(0.82) (-0.02)
tarifa distrital pública promedio - NSE medio 0.991 0.903
(-0.03) (-0.27)
tarifa distrital pública promedio - NSE superior 0.472 1.654
(-2.95) (1.39)
log (tarifa privada promedio) 1.402 0.542
(1.66) (-1.54)
tarifa distrital privada promedio - NSE medio 0.988 1.796
(-0.05) (1.25)
establecimientos públicos per cápita 1.000 0.996
(-0.43) (-1.37)
establecimientos privados per cápita 1.001 1.000
(0.45) (0.01)
# observaciones 2065
Log fnc de verosimilitud -1767.5
LR χ2 513.09
Elaboración propia.

38
 La variable de acceso, el número de establecimientos per cápita en el distrito no
aparece como significativa. La caída de estos efectos sugiere que los efectos encontrados en
el modelo dicotómico capturaban las diferencias entre los establecimientos públicos y
privados. De otro lado, es claro que la evidencia empírica no apoya la idea de elasticidades
tarifa diferenciadas por NSE, lo que redunda en un cuestionamiento de las posibilidades de
una política tarifaria que pueda elevar la recuperación de costos por parte de los
establecimientos públicos sin afectar el acceso a los servicios de consulta ambulatoria por
parte de los pobres.

5) Resumen y algunas consideraciones finales

Las inequidades en el acceso a servicios médicos ambulatorios en países en desarrollo son

muy fuertes y afectan las posibilidades de los individuos más pobres de acceder a una
buena salud. Sin embargo, la mejora en el acceso a servicios de salud de calidad por estos
grupos se ve limitada por las restricciones presupuestales que enfrentan esos países. De otro
lado, la utilización de los servicios ambulatorios en establecimientos públicos, no está bien
focalizada, no beneficiando a los grupos menos favorecidos. En ese marco, algunos grupos
de política han planteado mejorar el acceso y la calidad de los servicios de salud en
establecimientos públicos a través del cobro de tarifas a los grupos de mayores ingresos. El
argumento se basa en que dada una elasticidad tarifa baja para todos los individuos, y que
es menor aún para los grupos más pobres, tal política permitiría recuperar costos a los
establecimientos sin afectar mayormente a los grupos más pobres. Este estudio analiza la
evidencia empírica en el Perú, en busca de validar algunos de los supuestos planteados para
el funcionamiento adecuado de esa política.
El análisis de la evidencia empírica corrobora las inequidades en el acceso a los
servicios de salud y los fuertes errores de focalización asociados a los subsidios públicos en
las consultas ambulatorias. Sin embargo, no apoya la implementación de esa política de
recuperación de costos, en cuanto el análisis econométrico encuentra diferencias
significativas en la elasticidad precio para la demanda por servicios de salud en
establecimientos públicos, pero indicando que es mayor para los grupos de mayor NSE. A
continuación, se resumen los principales resultados:

39
• La utilización de servicios médicos en el Perú está fuertemente concentrado en los
individuos con un nivel socio-económico más favorable, aún en los casos que éstos son
provistos por el sector público, y especialmente en el caso de los servicios hospitalarios.
• El NSE de los individuos es el principal determinante de la decisión del individuo
acerca del tipo de proveedor de servicios de salud ambulatoria a utilizar, aún en el marco
de un análisis multivariado, y especialmente cuando se separa el análisis por tipo de
proveedor. (modelo LMN)
• El precio de los servicios de atención médica afecta negativamente la utilización de
servicios médicos de la población, públicos y privados, por parte de los adultos en
zonas urbanas.
• En el marco del modelo LMN, la elasticidad precio en establecimientos públicos difiere
por nivel socio-económico, pero para indicar que es mayor entre los de mayor NSE.
Este resultado va en contra de la conveniencia de una política de recuperación de costos
por parte de los establecimientos de salud a partir del cobro de tarifas en los
establecimientos públicos de salud. Una política que eleve las tarifas que se cobran a los
individuos de mayores recursos en los establecimientos públicos llevaría a un
desplazamiento de esa demanda hacia las alternativas privadas, y no a que los
establecimientos de salud recuperen parte de sus costos.
• Estas conclusiones pueden establecerse a pesar que las elasticidades obtenidas no son
del todo robustas, debido a la no observabilidad de algunas características individuales
no observadas. Una forma de atacar el problema es incorporar en las encuestas variables
acerca del estado de salud de los individuos. Al respecto, es importante recordar la
evidencia encontrada de fuertes sesgos de reporte en la variable de morbilidad. Otra
alternativa es incorporar un análisis de panel que nos permita controlar por las
características individuales fijas.
• El nivel de la infraestructura distrital de salud afecta significativamente la demanda por
servicios de salud, pero el efecto capturado estaría asociado a la accesibilidad de los
servicios de salud antes que a su calidad. Sería necesario trabajar más en lo que
respecta a desarrollar indicadores de calidad de los servicios de salud. Un efecto

40
 positivo de la calidad sobre la demanda podría ampliar el espacio para una política de
cobro de tarifas por los servicios de salud en los establecimientos públicos.
En términos de la agenda futura de investigación, es muy importante poder analizar el
impacto de otros indicadores, objetivos y subjetivos, del estado de salud del individuo,
sobre las decisiones de tratamiento medico. También evaluar la posibilidad de incluir
preguntas sobre el nivel de satisfacción de los usuarios en los establecimientos de salud.
Finalmente, habría que evaluar si las mismas conclusiones se obtienen cuando se analiza la
demanda por seguros. Una de las ventajas es que la identificación del nivel de capacidad de
pago del individuo es mucho menos onerosa por caso atendido y se tiene menos premura
para su determinación. Sin embargo, los conocidos problemas de selección adversa exigen
que este sistema de seguro sea compulsivo. De lo contrario, los individuos más proclives a
enfermarse serán los más incentivados a suscribirse, afectando la sostenibilidad del sistema
en el largo plazo.

41
Referencias

Alderman, Harold y Victor Lavy (1996). “Household Responses to Public Health Services:
Cost and Quality Tradeoffs”. En The World Bank Research Observer 11 (1): 3-22,
Febrero.
Banco Mundial (1998). “Peru: Improving Health Care Financing for the Poor”.
Manuscrito, Human Development Department, Latin America and the Caribbean
Region, Noviembre.
Birdsall, Nancy y Robert Hecht (1995). “Swimming Against the Tide: Strategies for
Improving Equity in Health”. Inter-American Development Bank, Working Paper
Series 305, Washington D.C., Mayo.
Cortez, Rafael (1999). “La Demanda por Servicios de Salud en la Provincia de Huaraz”.
Manuscrito CIUP, Enero.
………… (1996). “El acceso a los servicios de atención de la salud en el Perú y la equidad
en su financiamiento.” In Revista Análisis Económico, 11 (2), Santiago, Chile,
Noviembre.
da Silva, Amala (2000). “A Framework for Measuring Responsiveness.” Organización
Mundial de la Salud, Global Program on Evidence for Health Policy Discussion
Paper Series # 32, Setiembre. En: http://www-
nt.who.int/whosis/statistics/discussion_papers/pdf/paper32.pdf
Dow, William H. (1996). Unconditional Demand for Health Care in Côte d’Ivoire: Does
Selection on Health Status Matter?”. The World Bank, LSMS Working Paper # 127,
Washington, DC., Noviembre.
Dow, William H.; Paul Gertler; Robert F. Schoeni; John Strauss y Duncan Thomas (1997).
“Health Care Prices, Health and Labor Outcomes: Experimental Evidence.”
Manuscrito RAND.
England, Roger (1997). “Una Visión Panorámica de los Procesos de Reforma del Sector
Salud”. En Ministerio de Salud (1997.b), Lima.

42
Fiscella, Kevin; Peter Franks; Marthe R. Gold; Carolyn M. Claney (2000). “Inequality in
Quality: Addressing Socioeconomic, Racial, and Ethnic Disparities in Health Care.”
En Journal of the American Medical Association 283 (19): 2579-84, Mayo.
Gertler, Paul J. and Jeffrey S. Hammer (1997). “Strategies for Pricing Publicly Provided
Health Services”. The World Bank, manuscrito, Marzo.
Gertler, Paul, Luis Locay y Warren Sanderson (1987). “Are User Fees Regressive: The
Welfare Implications of Health Care Financing Proposals in Peru”. En Gertler, Paul,
Luis Locay, Warren Sanderson, Avy Dor y Jacques van der Gaag. “Health Care
Financing and the Demand for Medical Care”. The World Bank, LSMS Working
Paper # 37, Washington, DC., Mayo.
Gertler, Paul y Jacques van der Gaag (1990). “The Willingness to Pay for Medical Care:
The Evidence from Two Developing Countries”. The World Bank, John Hopkins
University Press, Baltimore.
Greene, William H. (1997). Econometric Analysis, Third edition. Prentice Hall, New
Jersey.
GRADE (1999). “Sistema de Tarifas y Exoneraciones para los Servicios de Salud en los
Establecimientos MINSA – Documento 2”. Documento no publicado preparado para
el Proyecto 2000-MINSA, Lima, Julio.
Kakwani, N.; A. Wagstaff; E. van Doorslaer (1997). “Socio-economic Inequalities in
Health: Measurement, Computation and Statistical Inference.” En Journal of
Econometrics 77 (1): 87-103, Marzo.
Lavy, Victor y Jean-Marc Germain (1994). Quality and Cost in Health Care Choice in
Developing Countries”. The World Bank, LSMS Working Paper # 105,
Washington, DC., Julio.
Ministerio de Salud (1996). II Censo Sanitario 1996. Oficina de Estadística e Informática,
Lima.
Murrugarra, Edmundo y Martín Valdivia (1999). “Wages and Health Determinants for
Peruvian Urban Adults: Differences across Gender, the Life-Cycle and the Wage
Distribution”. IADB Regional Research Network, Working Paper R-352, Marzo.

43
Poterba, James (1994). “Government Intervention in the Markets for Education and Health Care:
How and Why?.” NBER Working Paper # 4916, Noviembre.
Reddy, Sanjav y Jan Vandemoortele (1996). “User Financing of Basic Social Services: A
Review of Theoretical Arguments and Empirical Evidence”. UNICEF Staff Working
Papers, Evaluation, Policy and Planning Series, New York.
Rosenzweig, Mark y Kenneth Wolpin (2000). “Natural ‘Natural Experiments’ in
Economics.” En Journal of Economic Literature XXXVIII (4): 827-874, Diciembre.
Stout, Susan, Alison Evans, Janet Nassim y Laura Raney (1997). “Evaluating Health Projects:
Lessons from the Literature”. World Bank Discussion Paper # 356. 119 páginas, Washington
D.C., Abril.
Valdivia, Martín (2001). “Evolución de la Equidad en el Acceso a Servicios de Salud: Perú
1994-97”. En Cortez, Rafael (editor), “Salud, Productividad y Pobreza: Teoría,
Métodos y Aplicaciones al Caso Peruano“, CIUP, Lima, en imprenta.

44
Tabla A.1: Indices Concentración para la infraestructura de salud en el Perú
Muestra ENNIV Perú
Público Privado Público Privado
Hospital / Clínica
Número de Hospitales 35.0 61.2 54.7 77.0
Camas 63.9 71.4 79.9 84.6
Doctores 69.9 73.8 84.3 87.1
Laboratorios 32.7 55.8 55.2 78.6
Consultorios 33.1 54.6 59.6 79.6
Farmacias 32.3 55.8 54.7 77.2
Diagnósticos 38.6 56.8 63.2 82.1
Centros de salud
Numero de unidades de salud 11.4 64.9 8.8 78.6
Camas 11.7 43.1 14.2 69.6
Doctores 39.4 80.1 41.1 90.9
Laboratorios 31.6 56.1 28.8 82.8
Consultorios 23.7 59.2 18.3 82.4
Farmacia 21.6 47.0 11.0 71.2
Diagnósticos 36.8 62.0 50.1 82.6
Fuente: INEI (1996). Censo de Infraestructura en Salud, ENNIV 97
Elaboración propia.

45
 Figura A.1: Desigualdad Distrital en la Asignación de Infraestructura de Salud

Concentration Curves for (in difference) - Hospital Units Concentration Curves for (in difference) - Hospital Beds Concentration Curves for (in difference) - Hospital Doctors

0.1 0.1 0.1

0.0 0.0 0.0
-0.1 -0.1 -0.1
-0.2 -0.2 -0.2
-0.3 -0.3 -0.3
-0.4 -0.4 -0.4
-0.5 -0.5 -0.5
-0.6 -0.6 -0.6
-0.7 -0.7 -0.7
0.03 0.13 0.23 0.33 0.44 0.54 0.64 0.74 0.85 0.95 0.03 0.13 0.23 0.33 0.44 0.54 0.64 0.74 0.85 0.95 0.03 0.13 0.23 0.33 0.44 0.54 0.64 0.74 0.85 0.95

public private public private public private

Concentration Curves for (in difference) - Concentration Curves for (in difference) - Concentration Curves for (in difference) -
Health Center Units Health Center Beds Health Center Doctors
0.1 0.1
0.1
0.0 0.0
0.0
-0.1 -0.1
-0.1
-0.2 -0.2 -0.2
-0.3 -0.3 -0.3
-0.4 -0.4 -0.4
-0.5 -0.5 -0.5
-0.6 -0.6 -0.6
-0.7 -0.7 -0.7
0.03 0.13 0.23 0.33 0.44 0.54 0.64 0.74 0.85 0.95 0.03 0.13 0.23 0.33 0.44 0.54 0.64 0.74 0.85 0.95 0.03 0.13 0.23 0.33 0.44 0.54 0.64 0.74 0.85 0.95

public private public private public private

46
 Figura A.2:Desigualdad Distrital en la Asignación de Infraestructura de Salud

a) Hospital

Curvas de Concentración (en diferencia) - Curvas de Concentración (en diferencia) -Laboratorio

Farmacia
0.1 0.1
0.0 0.0
-0.1 -0.1
-0.2 -0.2
-0.3 -0.3
-0.4 -0.4
-0.5 -0.5
-0.6 -0.6
-0.7 -0.7
0.03 0.13 0.23 0.33 0.44 0.54 0.64 0.74 0.85 0.95 0.03 0.13 0.23 0.33 0.44 0.54 0.64 0.74 0.85 0.95
público privado público privado

Curvas de Concentración (en diferencia) -Consultorio

Curvas de Concentración (en diferencia) - Diagnostico
0.1
0.0 0.1
-0.1 0.0
-0.2 -0.1
-0.3 -0.2
-0.4 -0.3
-0.5 -0.4
-0.6
-0.5
-0.7
-0.6
-0.7
0.03 0.13 0.23 0.33 0.44 0.54 0.64 0.74 0.85 0.95
0.03 0.13 0.23 0.33 0.44 0.54 0.64 0.74 0.85 0.95
público privado
público privado

47
48
49
 b) Centro de Salud

Curvas de Concentración (en diferencia) - Curvas de Concentración (en diferencia) -

Farmacia Laboratorio
0.1 0.1
0.0 0.0
-0.1 -0.1
-0.2 -0.2
-0.3 -0.3
-0.4 -0.4
-0.5 -0.5
-0.6 -0.6
-0.7 -0.7
-0.8 -0.8
-0.9 -0.9
0.03 0.13 0.23 0.33 0.44 0.54 0.64 0.74 0.85 0.95 0.03 0.13 0.23 0.33 0.44 0.54 0.64 0.74 0.85 0.95
público privado público privado

Curvas de Concentración (en diferencia) - Curvas de Concentración (en diferencia) - Diagnostico

Consultorio
0.1 0.1
0.0 0.0
-0.1 -0.1
-0.2 -0.2
-0.3 -0.3
-0.4 -0.4
-0.5 -0.5
-0.6 -0.6
-0.7 -0.7
-0.8 -0.8
-0.9 -0.9
0.03 0.13 0.23 0.33 0.44 0.54 0.64 0.74 0.85 0.95 0.03 0.13 0.23 0.33 0.44 0.54 0.64 0.74 0.85 0.95
público privado público privado

50
51