oportunidades: ¿sirvió para algo estos años?

Central Ciudadano y Consumidor | Oportunidades: ¿Sirvió para algo estos años?

1

César Eduardo Montiel Olea

Oportunidades: ¿Sirvió para algo estos años?


2

Introducción

En su segundo informe de gobierno presentado en el Palacio Nacional el pasado 2

de septiembre, el presidente Enrique Peña Nieto anunció que el Programa de

Desarrollo Humano Oportunidades, mejor conocido como Oportunidades, será

reemplazado por el programa Prospera. El presidente señaló que esta

transformación se debe a las limitaciones evidentes que presenta el programa.

Según Peña Nieto, a pesar de que el gobierno ha invertido este año más de 73 mil

millones de pesos en Oportunidades, la población de mexicanos en pobreza es

prácticamente la misma desde hace tres décadas.1

Por ello, el presidente anunció que Prospera incorporará varios componentes

adicionales respecto de lo que actualmente ofrece Oportunidades. Por un lado, se

expandirán las becas para estudios universitarios y técnico superiores (recordemos

que Oportunidades ya otorga becas a estudiantes de educación básica y media

superior) y, además, se promoverá la incorporación de los jóvenes de Prospera al

mercado laboral formal. Por otro lado, y quizá lo más relevante, se facilitará el

acceso de las mujeres beneficiarias a servicios financieros como préstamos, seguros

de vida y cuentas de ahorro. Y finalmente, , Prospera permitirá que las familias

beneficiarias tengan acceso prioritario a 15 programas productivos—como el Fondo

Nacional Emprendedor, el Programa de Fomento a la Agricultura y el Programa para

Mejoramiento de la Producción y Productividad Indígena, entre otros—con el

objetivo de promover la independencia económica de éstas.

Sí en tres décadas la pobreza en el país se he mantenido igual, entonces,

¿Oportunidades no sirvió de mucho en estos años y era indispensable su cambio?,

¿logrará sus fines Prospera? No lo sabemos. Lo cierto es que hay una literatura

académica que sugiere que Oportunidades ha sido efectivo en diversas medidas de

bienestar social que han experimentado las familias beneficiarias, por ejemplo, el

mejoramiento de la salud y nutrición de niños y adultos2; el aumento de las tasas

1 Aquí el comunicado oficial de Presidencia de la República http://bit.ly/1x86ShU

2 Gertler (2000, 2004) analiza el impacto de PROGRESA en diversas áreas relacionadas con salud y nutrición.

Algunos de sus hallazgos más importantes son que los niños entre los 0 y 5 años de edad que recibieron el

programa, tienen 12% menos de probabilidad de enfermar que los no recibieron el programa. También

encuentra que los adultos entre 18 y 50 años de edad beneficiarios de PROGRESA tienen 17% menor días en

incapacidad por enfermedad que aquellos adultos no beneficiarios. Además, su análisis sugiere que la altura

de los niños de 12 años dentro de localidades beneficiarios es en promedio 1 centímetro mayor que aquellos

niños dentro de localidades no beneficiarias.


3

de asistencia escolar y la disminución del trabajo infantil.3 Pero además, a pesar de

que hay una creencia de que programas como Oportunidades son paternalistas y

sólo promueven el conformismo e inactividad de las familias que lo reciben, el

programa ha tenido efectos indirectos que se reflejan en un mayor involucramiento

de los hogares dentro de la esfera pública, tal y como lo sugeriré en este artículo.

Hacer mención de estos hallazgos viene a colación por dos razones. Primero, porque

si bien el fin último de Oportunidades es reducir la pobreza intergeneracional, estos

estudios indican que en el corto y mediano plazo el programa sí ha tenido un efecto

en rubros para los que también fue concebido, así como en otros aspectos que

también parecen deseables (aunque sus impactos bien podrían ser negativos como

el caso de las comunidades beneficiarias que aumentaron sus niveles de

deforestación4). Segundo, porque si bien el lanzamiento de Prospera puede generar

una gran expectativa, particularmente en lo que se refiere a la relación con los

dichosos programas productivos, es necesario tener en mente que cuantificar los

beneficios directos e indirectos de programas sociales como Oportunidades no es

tarea fácil; sobre todo si no se establece desde un principio cuál es o será el proyecto

de evaluación de estos beneficios a futuro: algo que a la fecha el gobierno federal

aún no ha anunciado.

Recordemos que en sus inicios en 1997 (cuando el programa era conocido con el

nombre de Progresa) Oportunidades fue concebido como un diseño experimental—

esto es con un grupo control y un grupo de tratamiento seleccionados de manera

aleatoria—, lo cual facilitó en buena medida evaluar su impacto como una

herramienta formadora de capital humano: simplemente era necesario comparar los

promedios entre los dos grupos en cualquier variable de interés para poder

cuantificar el impacto del programa y qué mejoras, en su caso, debían realizarse .

No obstante, en la medida en que el programa adoptó reglas de operación y criterios

técnicos específicos para acceder a las transferencias, y por tanto perdió el

componente de aleatoriedad, la evaluación de su impacto social se ha hecho más

difícil.

3 Skoufias y Parker (2001) —al igual que Buddelmeyer y Skouflas (2004)— evalúan los efectos de PROGRESA

en las tasas de asistencia escolar, así como en diversas tareas laborales (remuneradas o no remuneradas)

desempeñadas por los niños. Usando diversas técnicas econométricas, estos autores encuentran que el

programa causó un aumento significativo en las tasas de asistencia escolar tanto en niñas como en niños (los

cuales varían de acuerdo con el grado escolar), y también redujo significativamente la participación de niñas

y niños en actividades laborales.

4 El trabajo de Alix-García et al. (2011) sugiere que Oportunidades genera un shock en el ingreso de las

familias, el cual se traduce directamente en un cambio en el consumo de las familias beneficiarias, así como

en los patrones de producción agropecuarias de las mismas. Eventualmente, estos shocks encarecen la mano

de obra para la usanza campesina, lo cual, al combinarse con la poca infraestructura de transporte en las

comunidades más marginadas, aumenta las presiones para la deforestación con fines ganaderos en éstas.


4

Análisis

Precisamente en este artículo, discutiré brevemente algunos efectos de segundo

orden que ha generado Oportunidades—pero a mi entender también importantes—,

así como una metodología particular para medir su impacto ante la ausencia de

aleatoriedad en la asignación de beneficiarios. En particular, analizo la relación entre

el programa y el conocimiento político y actitudes hacia diversas instituciones

políticas de sus beneficiarios. Si bien existe una corriente académica que ha

estudiado la relación entre el programa Oportunidades (así como el de Progresa) y

el comportamiento político (voto) de sus beneficiarios5, pocos son los trabajos que

han estudiado los efectos políticos no-electorales del programa. De hecho, los únicos

trabajos en esta materia, al menos aquellos que yo estoy al tanto, son los de Díaz-

Cayeros et al. (2009) y el de Razú (2012).6

Recordemos que políticas programáticas como Oportunidades pueden servir como

un mecanismo alterno a través del cual los beneficiarios pueden vigilar y evaluar el

desempeño del gobierno e, incluso, desarrollar una percepción particular de algunos

actores institucionales—sobre todo de los que están involucrados con la

implementación del programa—: así lo sugieren textos influyentes como el de Soss

(1994) o Kitschelt (2010).

Me dedique pues a recolectar una serie de 56 encuestas de opinión pública a nivel

hogar que fueron levantadas durante el periodo comprendido entre enero de 2001

y diciembre de 2006 (hago énfasis en que los entrevistados no fueron los mismos

en cada encuesta).7 Después de juntar cada una de las encuestas en una sola base

de datos (simulando una estructura de datos panel), la combine con la base de datos

sobre el número de familias registradas en Oportunidades por localidad durante el

mismo periodo, así como con otra base de datos de CONAPO con los índices de

marginación y la población de cada una de estas localidades. Esto me dio una

muestra de 61, 685 hogares encuestados en 2,185 localidades diferentes.

5 Ver, por ejemplo, los trabajos de De La O (2013); Díaz-Cayeros et al. (2012); y Estrada y Poiré (2007).

6 En el primero, los autores, a través de una técnica econométrica denominada “Propensity Score Matching” y con base en la encuesta de salida del periódico Reforma relativa a la elección presidencial de 2006, encontraron que los beneficiarios de Oportunidades se identificaron mayormente con el PAN y menos con el PRI o como votantes independientes. Además, estos mismos beneficiarios, en contraste con quienes no recibieron los apoyos sociales durante ese año, evaluaron mejor la labor del presidente de la República ese mismo año. En el segundo, utilizando la misma técnica econométrica y con base en la Encuesta Nacional sobre Valores (ENVUD) de 2010, Razú encuentra que tener acceso al programa aumenta la probabilidad en 3 puntos porcentuales de formar asociaciones políticas así como la de participar en organizaciones o grupos vecinales.

7 Las encuestas están disponible públicamente en http://biiacs-dspace.cide.edu/xmlui/


5

Para identificar correctamente el impacto causal de Oportunidades en las actitudes

y conocimiento político de sus beneficiarios, necesitamos tener certeza de que

estamos comparando peras con peras, y no manzanas con peras. Es decir,

podríamos confundir la adopción de actitudes políticas particulares con el hecho de

que las comunidades que reciben y no reciben el apoyo de Oportunidades tienen

características diferentes que dificultan su comparación. En otras palabras, los

hogares más pobres pudieran tener, desde un principio, menor conocimiento político

que los hogares más ricos y viceversa.

Así, lo que quisiéramos es tener dos hogares o comunidades casi idénticas, pero que

por alguna condición preexistente sólo una de ellas recibe el apoyo de Oportunidades

mientras que la otra no. El método cuasi-experimental denominado “Diseño de

Regresión Discontinua” [en adelante DRD], precisamente nos permite llevar a cabo

lo anterior. En resumen, este método asigna las unidades (las localidades en este

caso) a una condición (recibir el apoyo de Oportunidades o no) dependiendo de un

valor de corte (“cutoff”) en una variable de asignación, misma que es medida antes

de clasificar a las unidades. Nótese que ser un beneficiario o no-beneficiario de

Oportunidades depende principalmente de niveles de pobreza, particularmente, del

grado de marginación de una localidad (así lo establecen las reglas de operación).

Así, el índice de marginación sería en este caso nuestra variable de asignación para

definir la condición—ser tratado o no—a la que se asigna a las localidades.

Primero tenemos que estar seguros que el índice de marginación es, en efecto, el

que determina el tratamiento. La figura 1 ilustra la variación en la matricula anual

de Oportunidades (medido como el porcentaje de familias cubiertas por el programa

sobre la población total de cada localidad) con respecto a cada grado de marginación

(muy alto, alto, medio, bajo y muy bajo).8

[Figura 1 aquí]

Como podemos observar, hay un “punto de quiebre” o discontinuidad en la matricula

del programa en la frontera correspondiente a los niveles de marginación medio y

bajo. Una examinación más a detalle de esta relación para el año 2001, ilustrada en

la figura 2, muestra claramente dicho punto de quiebre: hay un aumento en la

matricula del programa en los valores a la derecha de -1.3 en el grado de

marginación. Este valor corresponde, de hecho, al valor de corte impuesto por las

reglas del programa para ser considerado o no un beneficiario de Oportunidades.

8 Se utilizó el Índice de Marginación correspondiente al año 2000, el cual toma valores desde -2.77 (muy bajo)

hasta 1.77 (muy alto). La tabla 1 muestra los rangos y valores del Índice.


6

[Figura 2 aquí]

Así pues, nuestro supuesto de identificación bajo DRD es que ser un beneficiario de

Oportunidades es casi aleatorio a la altura del punto de quiebre. Dicho diferente,

localidades apenas por debajo del valor de corte del índice son muy similares a las

que se encuentran apenas por encima de éste, siendo la única diferencia entre ellas

ser beneficiario o no-beneficiario del programa. Compararemos pues los resultados

de aquellas localidades que se extienden estrechamente cerca del umbral y, ahora

sí, si encontramos diferencias sistemáticas entre ellas en términos de actitudes y

conocimiento político, éstas serán atribuidas a Oportunidades.

Para desarrollar un modelo lo más parsimonioso posible, lo primero que hice fue

crear una variable dicotómica para saber si en una localidad había familias que

recibieron los apoyos de Oportunidades en un año en particular. Es decir, la variable

toma el valor de 1 sí, por ejemplo, en una localidad hubo familias que recibieron

Oportunidades en 2001 y esa localidad fue encuestada ese mismo año y 0 en caso

contrario. Y así sucesivamente para todos los años. Esta es mi principal variable

independiente y la denominaré “Tratamiento”. 9 Con respecto a mis variables

dependientes, éstas fueron diseñadas a partir de diversas preguntas de las

encuestas. Por ejemplo, para medir si Oportunidades incide en el conocimiento

político de sus beneficiarios, utilicé preguntas como la siguiente: “En general,

¿cuántos años dura un diputado en su cargo?” Después recodifiqué esta variable

como dicotómica, dando un 1 sí la respuesta fue correcta y 0 en otro caso. De hecho,

todas mis variables dependientes están recodificadas como dicotómicas con este

mismo formato.10

En virtud de que la discontinuidad explica el tratamiento casi en su totalidad—es

decir, nuestro DRD es “sharp”—, podemos estimar el efecto de ser un beneficiario

de Oportunidades en el conocimiento y actitudes políticas con el siguiente modelo:

9 Es importante mencionar que esta variable está diseñada a nivel localidad y no a nivel hogar. En otras palabras, no sabemos si un hogar es beneficiario de Oportunidades en un año en particular. Sólo sabemos si una localidad en particular estuvo expuesta al programa o no. En este sentido, hago el supuesto de que sí una localidad fue elegible para recibir Oportunidades, entonces, todos los hogares dentro de esa localidad también. En contraste, si una localidad no fue elegible para recibir Oportunidades, entonces, tampoco lo fueron los hogares dentro de esa localidad. Está medida nos dará prácticamente los mismos resultados estadísticos que si utilizamos un variable continua con el número de familias beneficiarias de Oportunidades dividida entre la población total de cada localidad en cada de los años de estudio.

10 El anexo 1 muestra las preguntas y respuestas de cada una las variables dependientes.

(1) Υilmt = α + β Tratamientolmt + f (xlmt) + εit

∀ 𝑖 𝑙 𝑚 𝑡 (xlmt) ∈ (-h, h)


7

Donde Yilvt es la variable dependiente correspondiente a alguna medida de

conocimiento o actitud política para el hogar i en la localidad l en el municipio m en

año t; y Tratamientolmt es una variable dicotómica igual a 1 si el índice de

marginación de la localidad l está por encima de -1.3, y 0 en otro caso (con el rango

de valores entre -1.8 y -.8 que es el intervalo entre el índice de marginación medio

y bajo). Nótese que -1.3 es el umbral que distingue al nivel medio y bajo de

marginación. La función de control f (xlmt) corresponde a un polinomio de orden n-

ésimo de la “forcing variable”. Esta última es aquella que determina la entrada al

programa—en este caso una medida continua del índice de marginación—y está

normalizada a cero en el umbral de corte, tomando valores entre -.5 and .5.

La tabla 2 muestra los resultados de los coeficientes de la regresión por mínimos

cuadrados ordinarios basados en la ecuación (1). La tabla se debe leer distinta

respecto de una tabla de regresión “estándar”. Cada una de las variables

dependientes está numerada del 1 al 8 en la primera columna de la tabla y lo único

que se muestra en la segunda y tercera columna (marcadas como (1) y (2)) son los

coeficientes de la variable independiente denominada “Tratamiento” y sus

respectivos errores estándar robustos. Las columnas (1) y (2) reportan las

estimaciones de regresiones locales lineales usando dos distintos “bandwidths”, .05

y .1, respectivamente.11

[Tabla 2 aquí]

Como podemos observar en la tabla 2, hay un efecto causal de Oportunidades sobre

diversas actitudes políticas de sus beneficiarios. Respecto de hogares dentro de

localidades que no reciben Oportunidades, los hogares dentro comunidades

beneficiarias tienen un 43% más probabilidad de conocer la composición del

Congreso y un 31% más probabilidad de conocer el nombre de su gobernador. Por

otra parte, a pesar de que los hogares en aquellas localidades beneficiarias no

muestran mayor interés en la política, sí ven con mayor frecuencia los noticieros de

televisión: hay un 13% más probabilidad de que vean noticieros respeto de hogares

dentro de localidades no seleccionadas. En cuanto a la aprobación del presidente y

del gobernador, respectivamente, los hogares dentro de localidades seleccionadas

por el programa no muestran mayor diferencia respecto de los hogares dentro de

localidades no seleccionadas. Esto, de entrada, nos haría suponer que el programa

tiene pocos tintes clientelares, ya que los hogares dentro de localidades beneficiarias

no estarían premiando a las autoridades que podrían darse crédito por el desarrollo

e implementación del programa—el gobierno federal o estatal—. Finalmente, dentro

11 Idealmente, los resultados del DRD no deben depender excesivamente del “bandwidth” que usemos.

Describiré los resultados de acuerdo con el modelo presentado en la segunda columna (2).


8

de localidades seleccionadas los hogares muestran una mayor intención de ir a votar

respecto de hogares en localidades no beneficiarias (su probabilidad es mayor en

15%), lo cual nos diría que Oportunidades es capaz de promover prácticas cívicas

entre sus beneficiarios.

Conclusiones y recomendaciones

Ojalá que este ejercicio analítico ayude a reflexionar sobre tres cosas:

1) Que programas sociales como Oportunidades o Prospera pueden tener

efectos positivos en diversas áreas que, si bien no se relacionan directamente

con la disminución de la pobreza, también son deseables. En particular el

presente análisis sugiere que una ayuda social como Oportunidades puede

generar hogares y localidades mejor informadas políticamente, y,

eventualmente, el desarrollo de mejores prácticas democráticas. Impactos

que, de entrada, no me atrevería a decir que son triviales;

2) que evaluar efectos causales en bienestar de programas sociales, sobre todo

cuando no hay un elemento de “randomization”, es una tarea complicada. En

este sentido, creo que el despliegue de un programa tan ambicioso como

Prospera debería estar sujeto a un programa piloto al igual que lo hizo

Oportunidades en sus etapas iniciales. Con todo, a la fecha no he escuchado

ni tampoco leído nota alguna—espero hacerlo pronto—de un etapa piloto o

de una estrategia de evaluación de impacto del programa; y

3) que la evidencia académica sobre Progresa y Oportunidades podría servir

para desarrollar un plan más integral y factible que nos dé pista sobre las

condiciones, la manera y el grado en que Prospera facilitará el acceso de sus

beneficiarios a la educación financiera, la independencia económica, etc.; y

cómo todo esto nos llevará a erradicar la pobreza y la desigualdad para el

año 2018.


9

Tablas y Gráficas

Figura 1. Matrícula de Oportunidades de acuerdo al grado de marginación


10

Figura 2. Matrícula de Oportunidades en 2001 para Índice de Marginación

medio y bajo


11

Tabla 1. Rango de valores para el Índice de Marginación de 2000

Nivel de marginación Valor mínimo Valor máximo Número de localidades

Muy bajo -2.77 -1.84 33,056

Bajo -1.84 -1.32 15,848

Medio -1.32 -0.81 5,598

Alto -0.81 0.47 5,352

Muy alto 0.49 1.77 1,565


12

Tabla 2. Estimaciones de Mínimos Cuadrados Ordinarios para efecto de

Oportunidades en actitudes políticas

Variable dependiente: (1) (2) Observaciones en

cada modelo

1.Conoce la duración de los diputados 0.346 0.288 (1) 336 (2) 781

(0.236) (0.166)

2. Conoce la composición del Congreso 0.665* 0.429

** (1) 336 (2) 781

(0.237) (0.152)

3. Conoce el nombre de su gobernador 0.442* 0.312* (1) 336 (2) 781

(0.181) (0.114)

4. Tiene interés en la política 0.028 0.123 (1) 532 (2) 1,283

(0.128) (0.104)

5. Ve noticieros en TV 0.192**

0.129* (1) 709 (2) 1,932

(0.063) (0.054)

6. Aprueba la labor del presidente 0.057 0.030 (1) 953 (2) 2,619

(0.089) (0.128)

7. Opinión positiva del gobernador 0.257**

0.139 (1) 332 (2) 934

(0.072) (0.157)

8. Intención de ir a votar 0.132 0.154** (1) 701 (2) 1,925

(0.0695) (0.055)

Ancho de banda (h) 0.05 0.1

Función de control Lineal local Lineal local

Nota: En todos los modelos la unidad de observación es el hogar. Se incluyen efectos fijos por

año. Los errores estándar robustos por cluster a nivel municipal se despliegan en paréntesis. La

última columna reporta el número de observaciones en cada modelo de acuerdo con la variable

dependiente analizada. * p < 0.05, ** p < 0.01, *** p < 0.001


13

Anexo 1. Descripción de las variables Variable Pregunta Respuesta

Conoce la composición del

Congreso

Con lo que usted sabe, ¿cuáles son las Cámaras que tiene el Congreso de México?

1: Cámara de Senadores, 2: Cámara de Diputados, 3: Cámara de Senadores y

Diputados, 4: no sabe o no contesto

Conoce la duración de los diputados

En general, ¿cuántos años dura un diputado en su cargo (puesto)?

1: tres años, 2: otro; 3: no sabe o no contesto

Conoce el nombre de gobernador

Por favor, ¿me puede decir el nombre actual del gobernador de su estado?

1: dijo el nombre del gobernador; 2: no sabe o no contesto

Tiene interés en la política

¿Qué tanto le interesa a usted lo que pasa en la política?

1: mucho, 2: algo 3: poco; 4: nada 5: no sabe o no contesto

Ve noticieros de TV

De los noticieros que hay en TV, ¿cuál ve o escucha?

1: mencionó el nombre de algún noticiero; 2: no ve ningún noticiero

Aprueba la labor del presidente

En general, ¿aprueba totalmente, aprueba, desaprueba o desaprueba totalmente el desempeño de Vicente Fox como Presidente de México?

1: aprueba totalmente, 2: aprueba, 3: desaprueba, 4: desaprueba totalmente, 5: no sabe o no contesto

Opinión positiva del gobernador

¿Qué opinión tiene de la labor que está realizando el gobernador de su estado?

1: Muy buena; 2: buena; 3: mala; 4: muy mala; 5: no sabe o no contesto

Intención de ir a votar

Si hoy hubiera elecciones para presidente de la República, ¿por cuál partido votaría? 1: PAN, 2: PRI, 3, PRD, 4: otro, 5: no

votaría, 6: no sabe o no contesto


14

Referencias Alix-Garcia, Jennifer, Craig McIntosh, Katharine Sims, and Jarrod R. Welch. 2013.

"The ecological footprint of poverty alleviation: evidence from Mexico's Oportunidades program." Review of Economics and Statistics 95(2): 417-435.

Buddelmeyer, Hielke and Emmanuel Skouflas. 2004. “An Evaluation of the Performance of Regression Discontinuity Design on PROGRESA.”World Bank Policy Research Working Group Series, Working Paper 3386.

Díaz-Cayeros, Alberto, Federico Estevez, and Beatriz Magaloni. 2009. “Welfare Benefits, Canvassing and Campaign Handouts.” en Consolidating Mexico’s

Democracy: The 2006 Presidential Campaign in Comparative Perspective, ed. Jorge Domínguez, Chappell Lawson, and Alejandro Moreno. Baltimore: Johns Hopkins

University Press. Díaz-Cayeros, Alberto, Federico Estévez, and Beatriz Magaloni. 2012. “Strategies of

Vote Buying: Democracy and Poverty Relief in Mexico.” Unpublished manuscript. Stanford University.

De La O, Ana. 2013. “Do Conditional Cash Transfers Affect Electoral Behavior? Evidence from a Randomized Experiment in Mexico.” American Journal of Political Science 57(1): 1-14.

Estrada, Luis, and Alejandro Poiré. 2007. "Taught to protest, learning to lose." Journal of Democracy 18(1): 73-87.

Gertler, Paul. 2000. “Final Report: The Impact of Progresa on Health.” International Food Policy Research Institute, Washington D.C.

Gertler, Paul. 2004. "Do Conditional Cash Transfers Improve Child Health? Evidence from PROGRESA's Control Randomized Experiment". American Economic Review

Papers and Proceedings, Vol. 94(2): 336-341.

Kitschelt, Herbert. 2010. “Democratic Accountability Relations. Exploring Global

Patterns”. Mimeo. Duke. Razú, Zaira. 2012. “Impactos de Oportunidades en la participación política de sus

beneficiarios.” Tesis inédita de Ciencia Política, ITAM. Shadish, William, Thomas Cook and Donald Campbell (2002) “Regression

Discontinuity Designs” en Experimental and Quasi-Experimental Designs for Generalized Causal Inference, eds. Shadish, William, Thomas Cook and Donald Campbell. Designs Boston: Houghton Mifflin Company.

Skoufias, Emmanuel & Parker, Susan W., 2001. "Conditional cash transfers and their impact on child work and schooling," International Food Policy Research Institute

(IFPRI). Discussion paper No. 123. Soss, Joe. 1999. “Lessons of Welfare: Policy Design, Political Learning and Political Action.”American Political Science Review 93(2): 363–80.

http://ideas.repec.org/p/fpr/fcndbr/123.html

http://ideas.repec.org/p/fpr/fcndbr/123.html

Contacto

Análisis y propuesta a cargo de César Eduardo Montiel Olea. César es maestro en Ciencia

Política por la Universidad de Nueva York (NYU). Licenciado en Ciencia Política por el Instituto

Tecnológico Autónomo de México (ITAM). Se ha especializado en métodos cuantitativos y cuenta

con amplia experiencia en el sector público. Es consultor externo de Central Ciudadano y

Consumidor para el Programa de Seguridad Ciudadana, Justicia y Democracia. Para ponerse en

contacto con el investigador pueden usar la dirección [email protected]

Si quieres encontrar áreas de oportunidad para para empresas y gobierno, o quieres obtener

de manera constante los análisis de coyuntura para tu toma de decisiones, no dudes en

contactarnos.

Camino a Santa Teresa 763, Del. Álvaro Obregón, Col. Jardines del Pedregal, C.P. 01900,

México, Distrito Federal.

Teléfono: (55) 56527440.

Web: http://www.centralcyc.mx/

Mail: [email protected]

Tw: @centralcyc

Acerca de Central Ciudadano y Consumidor

Visión

Ampliar y fortalecer las libertades, derechos fundamentales, transparencia y educación de los

ciudadanos y consumidores; y ser un referente en temas de promoción de democracia y

competencia económica.

Misión

Fomentar la construcción de ciudadanía y fortalecimiento de los consumidores, mediante el

impulso de la responsabilidad individual, participación ciudadana, competencia económica y

mecanismos de autorregulación.

Generar colaboración entre los distintos órdenes de gobierno, sociedad civil y empresa a través

del diseño e instrumentación de estrategias y programas específicos.

Derechos de la Obra Las obras de Central Ciudadano y Consumidor están sujetas a la licencia Reconocimiento 4.0

Internacional de Creative Commons. Para ver una copia de esta

licencia, visite

http://creativecommons.org/licenses/by/4.0/deed.es_ES.

mailto:[email protected]

http://www.centralcyc.mx/

mailto:[email protected]

https://twitter.com/centralcyc

http://creativecommons.org/licenses/by/4.0/deed.es_ES

oportunidades: ¿sirvió para algo estos años?

Documents