PROPUESTA METODOLÓGICA PARA EVALUAR LA
POLÍTICA SOCIAL MEDIANTE EL ANÁLISIS DE DATOS
ESTADÍSTICOS Y MODELOS ECONOMÉTRICOS
Methodological Proposal to Evaluate Social Policy
through the Analysis of Statistical Data and Econometric
Models
Celia Patricia Villa Benítez.
Universidad San Miguel, México
Rosalinda Gámez Gastélum
Universidad Autónoma de Sinaloa, México
P á g i n a 2267
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
DOI: https://doi.org/10.61384/r.c.a..v4i2.362
Propuesta Metodológica para Evaluar la Política Social
mediante el Análisis de Datos Estadísticos y Modelos
Econométricos
Celia Patricia Villa Benítez
patyvilla@hotmail.com
https://orcid.org/0000-0003-0461-968X
Universidad San Miguel
México
Rosalinda Gámez Gastélum
Rosalinda.gamez@uas.edu.mx
https://orcid.org/0000-0001-9765-6564
Universidad Autónoma de Sinaloa
México
RESUMEN
Los avances tecnológicos y la digitalización ofrecen al sector público oportunidades para innovar
en la modernización de su gestión; la producción de datos masivos y el uso de herramientas
tecnológicas brindan un gran potencial para mejorar los métodos de diseño, implementación y
evaluación de los programas públicos. Se presenta un estudio transversal de los programas
PROCAMPO/Proagro y PROGAN Productivo, los datos provienen de la Encuesta Nacional de
Ingresos y Gastos de los Hogares (ENIGH) del Instituto Nacional de Estadística y Geografía
(INEGI), se utilizó el software estadístico SPSS para su análisis estadístico. Los resultados del
modelo econométrico aplicado muestran que los incentivos que se entregan a los productores
de ambos programas tienen un efecto multiplicador positivo en los ingresos de los hogares. Se
argumenta que esta propuesta metodología es una alternativa viable, asequible e innovadora
en la cual la auditoría de desempeño se puede apoyar para evaluar la política social.
Palabras clave: auditoría de desempeño, Big Data y evaluación de programas
Recibido: 18-mayo-2024 / Aprobado: 21-junio-2024
P á g i n a 2268
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
Methodological Proposal to Evaluate Social Policy through the
Analysis of Statistical Data and Econometric Models
ABSTRACT
Technological advances and digitization offer the public sector opportunities to innovate in
modernizing its management; the production of massive data and the use of technological tools
offer enormous potential to improve the methods of design, implementation, and evaluation of
public programs. A cross-sectional study of the PROCAMPO/Proagro and PROGAN Productive
programs is presented, the data come from the National Survey of Household Income and
Expenses (ENIGH) of the National Institute of Statistics and Geography (INEGI), and the SPSS
statistical software was used for its analysis statistical. The results of the applied econometric
model show that the incentives given to the producers of both programs have a positive
multiplier effect on household income. It is argued that this proposed method is a practical,
affordable, and innovative alternative on which performance auditing can be based to evaluate
social policy.
Keywords: performance audit, Big Data and program evaluation
P á g i n a 2269
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
INTRODUCCIÓN
Las administraciones públicas mexicanas reconocen la importancia de la evaluación pública
interna y externa pero su implantación e implementación en las instituciones y en los programas
públicos ha sido lenta e insuficiente. Los programas públicos están diseñados para cambiar
realidades sociales; la ejecución de una política pública o programa dará un resultado que se
traducirá en un cambio en la vida de los beneficiarios; medir si estos cambios se logran, es de
vital importancia para las políticas públicas mexicanas, pero pocas veces se profundiza en ello.
Es común, que se evalúen los costos y gastos de implementar una política pública más que
evaluar si los programas han logrado sus objetivos planeados.
En las evaluaciones los programas son examinados de forma sistemática y su finalidad es
comprobar si se están cumpliendo con sus objetivos planteados; y, si es factible renovarlos o
ampliarlos. La evaluación de programas sociales sigue un orden lógico de investigación, se define
un problema, las aproximaciones teóricas y sus posibles hipótesis, se estructura un diseño de
investigación que forma parte del anteproyecto para recopilar datos que estén relacionados al
problema, se reúnen datos para analizarse y dar conclusiones. Los resultados forman parte del
conocimiento obtenido, que sirve de base para aplicarlo en mejoras al programa y de esta
manera, eficientar el uso de los recursos públicos.
Las evaluaciones basadas en evidencia son aliadas de las instituciones públicas porque los
resultados que se obtienen se necesitan para transparentar las acciones de los gobiernos,
fomentar la rendición de cuentas, definir las necesidades de recursos de cada programa, así
como la pertinencia de su continuidad, permite diseñar programas para cubrir necesidades
específicas de la población, son fundamentales para la toma de decisiones de las políticas
sociales, y para que los gobiernos informen a los ciudadanos sobre los resultados de su gestión
a través de los programas públicos.
P á g i n a 2270
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
Presencia de los datos en los programas sociales
Los avances tecnológicos actuales ofrecen nuevas herramientas que se convierten en
oportunidades únicas para que los gobiernos modernicen su gestión pública. La escasez de
recursos públicos obliga a que las instituciones administren de una forma más eficiente y
efectiva el gasto, por lo cual, la implementación de los programas públicos a su cargo conlleva
la responsabilidad de evaluarlos de forma oportuna y confiable.
Los grandes datos están apoyando en la visualización de las disparidades sociales, las
limitaciones de movilidad, marginación, el trabajo formal e informal, la incursión de las mujeres
al trabajo, recaudación, evasión fiscal, seguridad ciudadana, gestionar y medir problemáticas
sociales etcétera; aunque la gran parte de los datos tienen un gran potencial para ser usados en
el bien público el sector privado es quien más se ha beneficiado de ellos.
Al respecto, Escudero (2020), manifiesta que la revolución de los datos ofrece una oportunidad
única a la gestión pública, siempre y cuando sea posible sortear las exigencias que su uso y
aplicación representa; considera que estos desafíos relacionados con la transparencia en el uso
de los datos, la comunicabilidad y la ética bien valen la pena ser sorteados con el objetivo de
adoptar al big data en el sector público por su enorme potencial.
Los datos están presentes en todos los procesos de creación de un programa social, inician con
el diagnóstico de la problemática a atender, continúan con el diseño del programa que va a
resolver el problema, están presentes en el desarrollo y seguimiento de la implementación del
programa, destacan en la parte más importante del proceso que es la evaluación de impacto del
programa proveyendo de información para el análisis sobre los resultados y cumplimiento de
los objetivos. Ver diagrama 1.
P á g i n a 2271
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
Figura 1. Presencia de los datos durante el proceso de creación de un programa social
Fuente: elaboración propia
Al respecto, el grupo de trabajo de la INTOSAI sobre el Impacto de la Ciencia y la Tecnología en
la Auditoría manifestó en su documento “el futuro de la auditoría del sector público: vivir en
tiempos de cambio (2020), que la ciencia y la tecnología se está moviendo más rápido que los
análisis de los auditores y que los avances tecnológicos tienen el potencial de hacer el trabajo
de auditoria en menor tiempo y en forma más precisa, fiable e incansable; apuestan a que la
tecnología ayude a los auditores a realizar un trabajo superior y mejor apoyándose en algoritmos
con análisis más profundos, analizando grandes cantidades de datos de múltiples fuentes y no
gastar tiempo en trabajos de auditoría repetitivos. Sin duda, la auditoría pública en el futuro
aprovechará la tecnología y estos avances permitirán que la actividad del futuro auditor público
sea un trabajo más creativo e inteligente yendo más allá en su análisis con la ayuda de la
tecnología.
Por tanto, el análisis de datos y la auditoria de desempeño no se encuentran aisladas una de la
otra; al contrario, los datos alimentan a la auditoria de desempeño en los procesos de
diagnóstico, diseño, implementación, y evaluación de los programas públicos. Los datos son
P á g i n a 2272
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
aliados de la auditoria; ya que, le proporcionan información relevante para su análisis en la
evaluación de la eficiencia, eficacia y economía de los programas públicos.
En el caso que nos ocupa sobre la evaluación de impacto mediante análisis de datos disponibles
apoyándose en las herramientas tecnológicas y softwares estadísticos informáticos, el insumo
principal se toma de la parte final del proceso que son los datos disponibles internos o externos;
sin embargo, lo ideal es que los programas sean monitoreados durante su desarrollo; ya que, la
información que proporcionan los datos permite ir tomando decisiones sobre lo que funciona o
no funciona durante el transcurso de vida del programa, lo que permite realizar los ajustes
pertinentes y no esperar hasta la finalización del programa cuando ya se invirtió el recurso
público pero nunca se evaluó si cumplió con sus objetivos.
Por tanto, la tecnología presenta hoy una oportunidad para que los programas públicos sean
evaluados de forma más rápida y bajo enfoques evaluativos diversos, tomando como base la
producción masiva de datos que se originan diariamente y usándolos a favor de la evaluación,
aprovechando su disponibilidad, accesibilidad y asequibilidad para el análisis.
Enfoque de investigación
El enfoque de la investigación fue cuantitativo se respalda de la revisión documental y el análisis
de datos estadísticos y econométricos, con el propósito de identificar las ventajas metodológicas
que plantea esta metodología en la medición de impacto de los programas sociales PROCAMPO
y PROGAN que puedan ser utilizados por la auditoria de desempeño para fortalecer sus procesos
metodológicos de evaluación.
Análisis de base de datos existentes
Para llevar a cabo la medición se utilizaron los programas federales PROCAMPO/Proagro y
PROGAN productivo relacionados con la agricultura y ganadería durante los periodos del 2012,
2014, 2016 y 2018, 2020 usando datos de la encuesta del ENIGH del INEGI disponibles a abril
2023, con el objetivo de identificar si el análisis de datos mediante softwares estadísticos es una
alternativa viable, accesible e innovadora para la evaluabilidad de la política social mexicana.
P á g i n a 2273
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
Objetivo de la propuesta metodológica para medir el impacto mediante análisis de datos
estadísticos
El presente estudio tiene como objetivo elaborar una propuesta metodológica de medición de
impacto de la política social en México tomando como base el uso de los datos (internos o
externos) que se encuentran a disposición. Analizar qué ventajas metodológicas plantea el uso
de softwares estadísticos y econométricos para el análisis de datos que complemente a la
auditoria de desempeño en la evaluación del impacto de los programas sociales. De esta
manera, se busca contribuir a que la auditoría de desempeño se apoye de diversas e innovadoras
herramientas tecnológicas y metodológicas para medir el impacto de la política social.
Métodos de análisis de datos estadístico utilizados para evaluar el impacto de los programas
Las técnicas generales que se proponen para el análisis de datos son la estadística descriptiva e
inferencial. En la primera etapa, se utilizó la estadística descriptiva, es el primer paso en el
análisis de datos y se divide en dos partes que son las medidas de tendencia central (media
aritmética, mediana y moda) y medidas de dispersión (Sesgo, rango, varianza, desviación
estándar, curtosis).
n la segunda etapa del análisis de datos se utilizó la estadística inferencial, que para Newbold et
al (2008), constituye la base para hacer predicciones, previsiones y estimaciones que se utilizan
para transformar la información en conocimiento. Los métodos econométricos aplicados en esta
propuesta de evaluación son el Coeficiente de correlación lineal de Pearson y Regresión lineal.
Se pretende usar una metodología que no sea compleja pero que proporcione resultados
precisos, se tiene la creencia que las técnicas más complejas proporcionan mejores resultados;
no siempre es así, para elegir la técnica adecuada para la medición hay que situarse en el
contexto realista de los programas, considerar los datos disponibles y realizar las pruebas
suficientes que nos lleve a elegir las técnicas y herramientas más adecuadas.
P á g i n a 2274
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
Software estadístico utilizado en el tratamiento de los datos
Para el tratamiento de los datos se utilizó el programa estadístico IBM SPSS Statistics Base 22.0,
que reúne los métodos y técnicas estadísticas necesarias para realizar la investigación.
Ficha técnica metodológica
Los aspectos técnicos de la investigación se muestran en la siguiente ficha:
Tabla 1. Ficha técnica
Tipo de Investigación
Cuantitativo, empírico, correlacional, descriptivo, explicativo, y de
tipo transversal
Población
Beneficiarios de los programas PROGAN y PROCAMPO
Tamaño de la muestra
PROCAMPO/proagro: 6211
PROGAN productivo: 666
Tipo de muestreo
Muestro Aleatorio
Software estadístico
IBM SPSS Statistics Base 22.0
Instrumento de
medición
Análisis base de datos: Encuesta Nacional de Ingresos y Gastos de
los Hogares (ENIGH). Periodos 2012, 2014, 2016, 2018, 2020
Recolección de datos
Bases de datos oficiales de la página de internet del INEGI. Encuesta
Nacional de Ingresos y Gastos de los Hogares. Negocios
agropecuarios de los hogares. Archivos con terminación .sav
Información disponible a abril 2023.
https://www.inegi.org.mx/programas/enigh/tradicional/2012/
https://www.inegi.org.mx/programas/enigh/tradicional/2014/def
ault.html#Microdatos
https://www.inegi.org.mx/programas/enigh/nc/2016/default.htm
l#Microdatos
https://www.inegi.org.mx/programas/enigh/nc/2018/default.htm
l#Microdatos
https://www.inegi.org.mx/programas/enigh/nc/2020/#Microdato
s
Técnicas estadísticas
aplicadas a los datos
Estadística descriptiva:
Media
Mediana
Moda
Varianza
Asimetría
Curtosis
Mínimos y máximos
Percentiles
Desviación estándar
Estadística inferencial:
Coeficiente de correlación de
Pearson
Regresión lineal simple
Fuente: elaboración propia
P á g i n a 2275
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
Diseño de la propuesta metodológica
Para aplicar la propuesta de medición se tomó como base los datos externos disponibles en la
página de internet del Instituto Nacional de Estadística y Geografía (INEGI), se utilizaron datos
provenientes de la Encuesta Nacional de Ingresos y Gastos de los Hogares (ENIGH) que incluían
preguntas relacionadas con la entrega de los recursos a los beneficiarios de los programas
federales PROCAMPO/Proagro y PROGAN Productivo.
Se partió de la hipótesis explicativa de que la entrega de incentivos económicos a los
beneficiarios de los programas PROCAMPO/Progaro y PROGAN productivo impactan en el
incremento de sus ingresos por ventas, como lo plantea el objetivo de los programas en sus
reglas de operación. Asimismo, se adicionó una hipótesis correlacional de que a mayor entrega
de incentivos a los programas PROCAMPO/Proagro y PROGAN productivo mayor incremento en
los ingresos por ventas.
La propuesta metodológica para evaluar el impacto mediante análisis de datos se dividió en
fases, las cuales se encuentran representadas en el diagrama 1.
P á g i n a 2276
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
Figura 2. Propuesta metodológica para evaluar el impacto mediante análisis de datos
Fuente: elaboración propia
P á g i n a 2277
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
Cada fase está dividida en etapas donde se desarrollan los pasos a seguir para llevar a cabo la
medición de los programas. Ver cuadro 2
Tabla 2. Fases del desarrollo de la propuesta metodológica
Fase I
Fase II
Fase IV
Preparatoria
Selección de
instrumentos y
recolección de datos
Información de
resultados
Se compone de los
puntos 1 y 2 del
diagrama, donde se
identifican los
objetivos generales y
específicos del
programa a evaluar.
Se exploran los datos
disponibles. Se
formulan las
preguntas e
hipótesis. Se
determinan las
variables objeto de
estudio identificadas
en el objetivo del
programa que
permitirá medir el
cumplimiento de
estos.
Está integrada por los
puntos 3, 4, 5 y 6 del
diagrama; primero se
selecciona el software
estadístico a utilizar para
posteriormente iniciar
con el análisis de los
datos existentes, ya
sean internos o
externos.
En el punto 12 del
diagrama, se
muestra la parte
final del proceso
metodológico; el
cual, termina con
la elaboración del
informe de los
resultados
obtenidos sobre
el nivel de
cumplimiento del
objetivo del
programa y la
medición de
impacto mediante
el análisis de
datos
estadísticos.
Fuente: elaboración propia
Resultados de la aplicación de la estadística descriptiva a las bases de datos de los programas
PROAGO y PROGAN
Aplicación del modelo de medición en el programa PROCAMPO
La base de datos obtenida proviene de la Encuesta Nacional de Ingresos y Gastos de los Hogares
(ENIGH) de los periodos 2012, 2014, 2016, 2018, 2020 del Programa federal Fomento a la
agricultura en su componente PROCAMPO productivo. El objetivo del componente es apoyar a
las Unidades Económicas Rurales Agrícolas para que incrementen su capital de trabajo.
P á g i n a 2278
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
Determinar las variables para evaluar el cumplimiento de los objetivos
La MIR del programa PROCAMPO en el nivel de propósito define que su objetivo es que los
productores registrados en el programa cuenten con un ingreso mejorado, lo que lleva a tener
la primera variable que es el incremento de los ingresos por ventas como variable dependiente
(Y) y la variable independiente o predictora (X) son los incentivos o apoyos que otorga el
programa PROCAMPO. El objetivo es predecir en cuanto aumentan los ingresos por cada peso
que se entrega al productor mediante los apoyos económicos del programa.
Descargar y analizar las bases de datos de INEGI que permitan medir el objetivo del programa
En lapágina de internet del Instituto Nacional de Estadística y Geografía (INEGI), se localizó la
base de datos de la Encuesta Nacional de Ingresos y Gastos de los Hogares (ENIGH), habiendo
realizado el análisis exploratorio de los datos se encontró que el instituto había realizado varias
encuestas al programa en los periodos 2012, 2014, 2016, 2018, 2020 y la variables de análisis
estaban relacionadas con información sobre los ingresos agropecuarios, se descargaron las
bases de datos disponibles en la página de internet de INEGI del apartado encuesta tradicional
de la pestaña microdatos se obtuvo el archivo para descarga el cual está disponible en diferentes
formatos para su utilización. Se seleccionó el archivo negocios agrícolas de los hogares ya que el
programa que se está utilizando como unidad de análisis otorga apoyos a la agricultura, cabe
señalar que INEGI realiza la encuesta del ENIGH cada dos años.
Para realizar el análisis de datos se utilizó el software IBM SPSS Statistics Base 22.0, que reúne
los métodos y técnicas estadísticas necesarias para realizar este proceso. Dentro de los archivos
descargables se encuentran los microdatos que muestran el contenido de cada tabla y las
variables que la componen. En este proceso se verificó que la base de datos de la encuesta del
ENIGH contenía las variables necesarias (ingresos por ventas y apoyos del programa) para medir
si la entrega de incentivos tiene un impacto en el incremento de los ingresos de los beneficiarios
del programa.
P á g i n a 2279
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
Estadísticos descriptivos
Programa PROCAMPO periodo 2018
Aplicación del diseño metodológico en la ecuación de regresión lineal simple de Galton
Para llevar a cabo el proceso de medición se utilizó la ecuación de regresión lineal simple de
Francis Galton (1889), esta ecuación postula que por cada que aumenta la variable (X), la
variable dependiente (Y), también aumenta. El objetivo es predecir en cuanto aumentan los
ingresos por cada peso que se entrega al productor mediante los incentivos económicos de los
programas. Ver ecuación 1.
Ecuación 1. Ecuación de regresión lineal simple de Galton

La ecuación se utilizó de base para plantear la hipótesis explicativa sobre si la entrega de
incentivos económicos a los beneficiarios de los programas federales PROCAMPO y PROGAN
impactan en el incremento de sus ingresos por ventas como lo plantea el objetivo de los
programas en sus reglas de operación.
En este sentido, las variables de estudio se componen de la variable dependiente (Y) que son los
ingresos por ventas y la variable independiente (X) que son los apoyos que otorga el programa.
Para este estudio se utilizó la función de regresión lineal para una muestra de datos dada. La
ecuación llamada función de regresión de muestra o sample regression function (SRF), según
Wooldridge (2016) es la versión estimada de la función de regresión de población o population
regression function (PRF). Ver ecuación 2.
Ecuación 2. Función de regresión para una muestra
=
󰆹+
󰆹
Sobre esta ecuación se propone el siguiente modelo de regresión lineal simple para una
muestra, sustituyendo las variables de estudio sobre el modelo de regresión.
P á g i n a 2280
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
Ecuación 3. Propuesta del Modelo de regresión lineal simple para una muestra
=
󰆹+
󰆹
  
Donde:
= incremento de los ingresos de los beneficiarios
󰆹= es el parámetro de intersección (constante)
󰆹= es el parámetro de pendiente en la relación entre Y y X
= son los incentivos económicos que otorga el programa PROCAMPO
= es el término de error o perturbación en la relación entre las variables, representa los
factores distintos de X que afectan a Y.
El parámetro de pendiente
󰆹 mide el cambio en el incremento de los ingresos de los
beneficiarios cuando el incentivo económico aumenta en un punto porcentual.
La variable dependiente (Y), son los ingresos por ventas, mientras que la variable independiente
o predictora (X), son los incentivos entregados a los beneficiarios del programa para cada
periodo de análisis. El análisis de regresión proporciona un modelo lineal que puede utilizarse
para conocer, a partir de los datos estudiados, como los incentivos que otorga el programa
procampo y progan influyen en los ingresos por ventas de los beneficiarios de los programas.
La ecuación 3 explica la cantidad en que cambia cuando aumenta en una unidad. Por lo que,
cualquier cambio que se dé en positivo o negativo se reflejará en 
El proceso siguiente es aplicar el modelo de regresión simple a la base de datos para conocer si
los recursos entregados por el programa Procampo y Progan productivo tienen un impacto en
el incremento de los ingresos de los productores beneficiados.
El análisis de regresión revela los siguientes resultados que se pueden apreciar en la tabla 3.
P á g i n a 2281
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
Tabla 3. Modelo regresión lineal: PROCAMPO 2012
El análisis de regresión permite formular el modelo matemático mediante una ecuación. (SPSS,
Modelos de regresión). Los datos en la ecuación para una muestra =
󰆹+
󰆹 , se traducen
de la siguiente manera:
 
Donde,
󰆹 es la constante o intersección entre X y Y,
󰆹 mide el cambio en el incremento de los
ingresos de los beneficiarios cuando el incentivo económico (apoyo PROCAMPO) aumenta en
un punto porcentual. Con esta ecuación podríamos predecir o pronosticar en cuanto aumentan
los ingresos por cada incremento en la entrega de incentivos.
La regresión lineal del modelo propuesto para conocer el impacto del apoyo PROCAMPO para
2012, indica que por cada peso que invirtió en el programa, los ingresos por ventas de los
beneficiarios aumentaron en promedio 3.132 pesos.
El modelo predice que por cada peso de apoyo que otorga el programa Procampo y Progan
(variable X), aumenta el valor de los ingresos por ventas (variable Y). El modelo de regresión
lineal es factible para conocer el impacto que los recursos otorgados han tenido en sus
beneficiarios porque permite predecir si es viable invertir en apoyar al sector agropecuario para
P á g i n a 2282
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
aumentar sus ventas, y, por ende, los ingresos de sus beneficiarios, también es posible conocer
si se cumple con el objetivo del programa.
Replicación del modelo de medición en el programa PROGAN
Con la finalidad de sustentar la validez y confiabilidad del modelo de medición se realizó el
mismo procedimiento para medir el objetivo del programa PROGAN, donde se obtuvieron los
siguientes resultados. Ver tabla 3.
Tabla 4. Modelo regresión lineal: PROGAN 2012
Los datos en la ecuación para una muestra =
󰆹+
󰆹 , se representan de la siguiente
manera:
 
En cuanto, a la regresión lineal del apoyo PROGAN para 2012, indica que por cada peso que se
invirtió en el programa, los ingresos por ventas de los beneficiarios aumentaron en promedio
2.707 pesos.
Resultados de la aplicación del modelo propuesto en los programas PROCAMPO y PROGAN
Según los resultados del análisis estadístico y econométrico realizado con el fin de conocer el
impacto que el programa tiene en el incremento de los ingresos de los productores, el programa
en general cumple con su objetivo de fin y propósito que es contribuir a mejorar el ingreso de
P á g i n a 2283
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
los productores agropecuarios e incrementar la productividad agrícola mediante el impulso de
la producción agrícola, ya que, los incentivos que se otorgan a los beneficiarios del programa
tienen un efecto multiplicador en sus ingresos. Ver tabla 4.
Tabla 5. Regresiones lineales: Procampo y Progan 2012, 2014, 2016, 2018, 2020
Programas
2012
2014
2016
2018
2020
Procampo o Proagro
3.132
6.563
8.111
8.619
5.481
Progan
2.707
4.231
13.282
9.390
1.949
Fuente: elaboración propia con resultados de las regresiones lineales
Se observa que para el ejercicio 2012, cada peso invertido en el programa Procampo o Proagro
tuvo un efecto multiplicador de 3.132, para 2014 aumentó a 6.563, en 2016 por cada peso se
obtuvo 8.111 pesos y para 2018 incrementó en 8.619, para 2020 el programa tuvo cambios en
sus reglas de operación en cuanto a la entrega de los apoyos y para ese ejercicio por cada peso
se obtuvo 5.481, lo que permite mostrar que el programa procampo sí tiene un efecto
multiplicador en los ingresos de los hogares. En tanto, se observa que para el programa Progan
en el ejercicio 2012, cada peso invertido en el programa tuvo un efecto multiplicador de 2.707,
para 2014 aumentó a 4.231, en 2016 por cada peso se obtuvo 13.282 pesos y para 2018 fue de
9.390, de igual forma para el 2020 hubo cambios en las reglas de operación del componente
Progan Productivo en cuanto a los montos de apoyo y su población objetivo, en este periodo
por cada peso se obtuvo 1.949, de esta forma se muestra que el componente Progan sí tiene un
efecto multiplicador en los ingresos de los hogares.
Por tanto, con base en el análisis de los resultados de las regresiones lineales realizadas a la
variable dependiente (ingresos por ventas) y la variable independiente (apoyo procampo) es
posible confirmar la hipótesis explicativa de que la entrega de incentivos económicos del
programa PROCAMPO tienen un efecto multiplicador que impacta en el incremento de los
ingresos de los beneficiarios del programa; asimismo, se acepta la hipótesis correlacional de que
a mayor entrega de incentivos mayor incremento en los ingresos.
P á g i n a 2284
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
Impacto de PROCAMPO/Proagro en los ingresos de los hogares
Los resultados obtenidos mediante la aplicación de la metodología propuesta y el modelo de
regresión lineal aplicados al programa PROCAMPO, coinciden con el estudio hecho por el Banco
Mundial donde los investigadores Cord y Wodon (2001), realizaron un análisis sobre si los
programas agrícolas de México aliviaban la pobreza, uno de los programas analizados fue
PROCAMPO y se enfocaron en el sector ejidal en los periodos 1994 y 1997; para conocer si el
PROCAMPO tenía un impacto en la pobreza desarrollaron un modelo de regresiones Probit
utilizando datos de los hogares mediante encuestas de panel, los resultados del análisis
demostraron que PROCAMPO reduce significativamente la probabilidad de que un hogar ejidal
sea pobre y también mediante el análisis de datos de panel de la encuesta usando como variable
dependiente ingresos del hogar se mostraba que PROCAMPO puede tener un efecto
multiplicador positivo en sus ingresos, donde un peso de PROCAMPO daba como resultado dos
pesos para el hogar.
Los investigadores consideraron estos hallazgos como fuertes y alentadores, aunque advertían
que era necesario realizar más investigaciones utilizando otras encuestas que pudiera
fundamentar estos hallazgos en terrenos firmes, evidencia que ha sido posible confirmar en esta
investigación mediante la utilización de la encuesta de INEGI sobre los ingresos y gastos de los
hogares (ENIGH) y el modelo propuesto.
Asimismo, Gastélum y Hernández (2008), llevaron a cabo una evaluación a PROCAMPO en el
Valle de Culiacán, Sinaloa, México, utilizando una metodología mixta, (cualitativa y cuantitativa);
donde sus resultados concuerdan en que el programa ha logrado que los productores del sector
privado mejoren su nivel de vida y los campesinos no estén en la pobreza; aunque según los
autores el programa no ha cumplido cabalmente con el objetivo de lograr que sean competitivos
ante sus homólogos de Estados Unidos y Canadá, consideran que este instrumento de política
gubernamental ha beneficiado a millones de productores pero que requería ser revisado e
P á g i n a 2285
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
introducir cambios que le permitieran lograr que los productores mexicanos fueran
competitivos.
Se coincide entonces con los autores antes citados que mediante el modelo propuesto es posible
conocer que la variable incentivos que se entregan a los beneficiarios del programa PROCAMPO
es estadísticamente significativa e influye positivamente en sus ingresos por ventas mostrando
un efecto multiplicador.
Ventajas de medir mediante análisis de datos estadísticos
Los beneficios del uso y análisis de datos en las operaciones gubernamentales son muchos. La
ventaja que se puntualiza es la accesibilidad que se puede tener de los datos existentes y
producidos por alguien más que fueron utilizados para este estudio; lo cual, lo convierte en una
alternativa viable, accesible, asequible e innovadora porque permite hacer uso de los datos
disponibles evitando el gasto de recursos excesivos en la recolección de datos; alguien más ya
lo hizo por ti, ya se gastó recurso público en la obtención de ellos solo hace falta explotarlos; ya
que , el alto costo en la recolección de la información es casi siempre el motivo por el que no se
evalúa.
Las bases de datos producidas por alguien más pueden ser utilizadas para realizar los análisis de
impacto de los programas sociales, estos datos son un insumo importante mediante el cual se
puede obtener información relevante para la toma de decisiones gubernamentales.
Esta propuesta es una alternativa que aporta a la auditoria de desempeño una metodología
mucho más rigurosa para llevar a cabo la evaluación de impacto de la política social haciendo
uso de los datos y su análisis estadístico y econométrico con la finalidad de obtener resultados
basados en la evidencia que permitan conocer el impacto que los programas sociales tienen en
sus beneficiarios.
Apoyarse en metodologías estadísticas y econométricas mediante el uso de herramientas
tecnológicas permite diseñar programas públicos a la medida de las necesidades de las
poblaciones objetivos identificando necesidades específicas por sectores. Por ejemplo,
P á g i n a 2286
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
mediante el análisis factorial es posible identificar las variables más comunes o que más se
repiten en una encuesta que puede realizarse a los sectores para identificar necesidades o
problemas a detectar antes de implementar una política pública; asimismo, es útil para
identificar situaciones que requieran ajustes durante la vida del programa. Por tanto, se coincide
con Gelman et al (2020), cuando refieren que los modelos de regresión son útiles para resolver
problemas reales de comparación, estimación, predicción e inferencial causal.
Desventajas de medir el impacto mediante análisis de datos estadísticos
Las desventajas de medir mediante esta propuesta metodológica es que solo se puede obtener
información cuantitativa del análisis de los datos sobre el impacto de los programas, sin
embargo, es deseable complementarla con el análisis de datos cualitativo.
La metodología propuesta tiene esta salvedad, y resulta interesante que en futuras
investigaciones se indague sobre la implementación de metodologías cualitativas y el uso de
software para análisis cualitativo de datos que complementen la presente propuesta que
permita profundizar mediante entrevistas o encuestas de campo, cual es el uso que los
beneficiarios de los programas les dan a esos ingresos multiplicados para mejorar la calidad de
vida de sus familias. Puede que los datos por sí solos no midan el sentir de las personas, pero
ayuda a los gobiernos a tomar mejores decisiones y a profundizar en ese sentir mediante otro
tipo de técnicas que permitan medir el impacto de los programas desde otro punto de vista
mediante datos no estructurados.
Limitaciones para medir el impacto mediante análisis de datos estadísticos
Dentro de los desafíos o limitaciones de evaluar mediante el análisis de datos, están la gestión
administrativa de los datos internos, poca confiabilidad en la calidad de los datos, uso de
tecnología obsoleta en las organizaciones públicas, inaccesibilidad a los datos públicos, uso ético
de los datos, derecho al uso de datos, lograr que los ciudadanos participen en la producción de
datos, falta de especialización técnica (científicos de datos) de los servidores públicos
involucrados en las funciones de evaluación con capacidad para el análisis de datos.
P á g i n a 2287
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
Otra limitante es la poca coordinación que existe entre las dependencias e institutos de
estadística y geografía para conocer si existe alguna información recopilada en alguna encuesta
que pueda servir de base para el análisis de impacto de los programas.
Para Fredriksson et al (2017), existe un gran potencial para que las organizaciones de la
administración pública se beneficien del big data en el futuro, tanto desde sus operaciones
prácticas, así como su gestión estratégica, sin embargo, el uso de big data en el sector público
también crea desafíos potenciales, como los de gestión, uso y calidad de los datos,
preocupaciones éticas y de privacidad, procesamiento y administración de datos a través de las
organizaciones, ausencia de tecnologías y experiencia requeridas para gestionar grandes
cantidades de datos, su recopilación y archivo. Así como, el uso del big data genera retos para
el sector público también crea oportunidades para el beneficio de la sociedad.
Las limitaciones que se presentan como en toda nueva metodología se podrán ir mejorando con
el paso del tiempo, la incursión de nuevas herramientas tecnológicas y la experimentación
mediante prueba y error.
Al respecto del uso y aplicación de nuevas metodologías para la medición, el CONEVAL, ha
estado trabajando en consolidar una estrategia de medición multidimensional para evaluar la
pobreza, incluyendo variables que puedan medir los niveles indispensables de bienestar que
deben ser garantizados a toda la población en general. Para llevar a cabo su objetivo constituyó
el Comité técnico para la Medición de la Pobreza (CTMP) del CONEVAL (2019), concluyendo que
cualquier propuesta metodológica de medición de la pobreza debería ser sencilla y fácil de
comunicar, responder al sentido común, responder a las preguntas para las que está diseñada,
ser sólida, defendible y estadísticamente robusta, ser operacionalmente viable, es decir, debe
poderse construir con los datos disponibles y no requerir esperar a que se generen datos
adicionales para este propósito, y, ser fácilmente replicable. (CONEVAL, 2019, P. 2)
Sin duda, la utilización de los datos con fines públicos presenta una oportunidad para contribuir
en el diagnóstico, diseño, ejecución y evaluación de políticas y programas públicos; explotando
P á g i n a 2288
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
el potencial de los datos y su análisis como un bien público es posible diagnosticar necesidades
sociales apremiantes y lograr mejorar el diseño de la política social con programas mejor
orientados y enfocados que permitan llegar a los beneficiarios más vulnerables, contribuyendo
así a fomentar la rendición de cuentas, la transparencia, y el buen uso de los recursos públicos.
CONCLUSIONES
En este contexto, la propuesta metodología presentada es una opción viable, accesible,
asequible e innovadora que puede ser replicada y utilizada en fortalecer la metodología de la
auditoria de desempeño en sus procesos de evaluación de la política social mexicana.
El uso de los datos, la tecnología y la estadística forman una amalgama que permite a los
gobiernos desde diagnosticar, diseñar, implementar y evaluar sus políticas públicas de una
manera eficiente y reduciendo costos, aportando nuevas opciones para diagnosticar
necesidades de la población y diseñar programas sociales enfocados a mejorar la calidad de vida
de sus beneficiarios.
En síntesis, evaluar requiere de diferentes perspectivas y su práctica es multidisciplinaria, lo cual,
la convierte en una ciencia que requiere diversos enfoques teóricos. Por tanto, es importante
reconocer que la evolución del uso de tecnologías digitales y la revolución del big data es una
herramienta accesible, asequible e innovadora que beneficia al sector público; ya que, fomenta
un cambio en la evaluación y fortalece una mentalidad analítica que puede ser importante para
evaluar la política social; y de este modo, pueda cumplir con el loable objetivo de mejorar la
calidad de vida de las personas más vulnerables; asimismo, coadyuva en el desarrollo integral
del país, fortalece la transparencia y rendición de cuentas y contribuye en la erradicación de
actos de corrupción.
Con la aplicación de diseños metodológicos sencillos y de fácil aplicación es posible evaluar y
conocer cuales programas sociales existentes tienen un impacto real en la población
beneficiaria, lo que conlleva a mejorar la calidad de los programas y por ende enfocar las
políticas sociales hacia las poblaciones más necesitadas; lo que, a largo plazo se traduce en
P á g i n a 2289
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
programas sociales que realmente cubren con su propósito de mejorar la calidad de vida de sus
beneficiarios.
El trabajo del evaluador es elegir las teorías y las metodologías que más se adecuen para explicar
el fenómeno de estudio de forma sencilla y clara; mantener las cosas simples en la relación de
las variables de estudio, no complicar los aspectos teóricos y metodológicos, y no tratar de
responder demasiados cuestionamientos a la vez; y así, cumplir con el principio de parsimonia
mencionado por Vilalta (2016), en referencia a Guillermo de Occam (1285-1349) filósofo y
religioso franciscano, cuyo principio plantea que la explicación correcta de un fenómeno es
usualmente la más simple.
Por tanto, se requiere más que invertir en tecnología para aprovechar el valor del Big Data en el
sector público, también es necesario apostar a la innovación, fomentar un cambio cultural, tener
una mentalidad analítica y aprender nuevas habilidades para analizar datos y desarrollar una
inteligencia de valor público.
REFERENCIAS BIBLIOGRÁFICAS
Alkin, M. C. (2004). Comparing evaluation points of view. Evaluation roots: Tracing theorists’
views and influences, 3-11.
Carden, Fred, & Alkin, Marvin C. (2012). Evaluation roots: An international perspective. Journal
of MultiDisciplinary Evaluation, 8(17), 102-118.
Cejudo, Guillermo M., Lugo, Damián I., y Michel, Cynthia L (2018). “Hacia una política social
integral” entre Laboratorio Nacional de Políticas Públicas y Centro de Investigación y
Docencia Económicas.
Chahal, D., & Gulia, P. (2016). Big Data Analytics.
Chen, H. (1990). Intervening mechanism evaluation. Chen HT. Theory-driven Evaluations.
Newbury Park: SAGE Publications, 197-213.
Christie, Christina A, & Alkin, Marvin C. (2008). Evaluation theory tree re-examined. Studies in
Educational Evaluation, 34(3), 131-135.
P á g i n a 2290
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
CONEVAL (2019). Metodología para la medición multidimensional de la pobreza en México
(tercera edición). Ciudad de México
Cook, T.D. y Reichardt, CH. S. (1986). Métodos cualitativos y cuantitativos en investigación
educativa. Madrid: Morata.
Cord, L., & Wodon, Q. (2001). ¿Do Mexico’s Agricultural Programs Alleviate Poverty? Evidence
from the Ejido Sector. World Bank Report, Washington, DC.
Davidson, E Jane. (2000). Ascertaining causality in theory‐based evaluation. New directions for
evaluation, 2000(87), 17-26.
Da Silva Santos , F., & López Vargas , R. (2020). Efecto del Estrés en la Función Inmune en
Pacientes con Enfermedades Autoinmunes: una Revisión de Estudios
Latinoamericanos. Revista Científica De Salud Y Desarrollo Humano, 1(1), 46–59.
https://doi.org/10.61368/r.s.d.h.v1i1.9
Escudero, W. S. (2020). Big data: desafíos para la política pública. Revista del CLAD Reforma y
Democracia, (76), 57-70.
Fredriksson, C., Mubarak, F., Tuohimaa, M., & Zhan, M. (2017). Big data in the public sector: A
systematic literature review. Scandinavian Journal of Public Administration, 21(3), 39-
62.
Fernández C., F. (2024). Determinación De Erodabilidad En Áreas De Influencia Cuenca Poopo
Región Andina De Bolivia. Horizonte Académico, 4(4), 63–78. Recuperado a partir de
https://horizonteacademico.org/index.php/horizonte/article/view/19
Galton, F. (1889). I. Co-relations and their measurement, chiefly from anthropometric data.
Proceedings of the Royal Society of London, 45(273-279), 135-145.
Gastélum, R. G., & Hernández S. E. (2008). Evaluación de una política pública. Caso PROCAMPO
(Valle de Culiacán) en: Gastélum R. G, y Karam Q. C. Políticas públicas en Sinaloa. UAS.
Gelman, A., Hill, J., & Vehtari, A. (2020). Regression and other stories. Cambridge University
Press.
P á g i n a 2291
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
INEGI. (2022). Encuesta Nacional de Ingresos y Gastos de los Hogares (ENIGH). 2020.
INTOSAI. Working Group on impact of science and Technology on Auditing. (2020). THE FUTURE
OF PUBLIC SECTOR AUDITING: LIVING IN TIMES OF CHANGE
https://wgista.saiuae.gov.ae/Documents/INTOSAI-Journal_Winter-2020-pages-4-
5.pdf?csf=1&e=0nAeyO, 4-6
Juste, Ramón Pérez. (2000). La evaluación de programas educativos: conceptos básicos,
planteamientos generales y problemática. Revista de investigación educativa, 18(2),
261-287.
Ligero Lasa, J. A. (2011). Dos métodos de evaluación: criterios y teoría del programa. Documento
de Trabajo (15).
Lomas Tapia , K. R., Trujillo, C. A., Guzman, X., & Paz Alcívar, M. Y. (2024). Relación entre la
alimentación saludable y el aprendizaje de los niños y niñas de educación Inicial del CEI
Martín González del cantón Cayambe-Ecuador. Emergentes - Revista Científica, 4(1),
391–410. https://doi.org/10.60112/erc.v4i1.120
Mediano, C. M. (1998). La teoría de la evaluación de programas. Educación XX1, 1, 73.
Meléndez Zambrano, J. (2024). Enseñanza de Sel desde un Análisis Semiótico en Estudiantes de
Noveno Grado de Educación Básica Secundaria en Colombia. Estudios Y Perspectivas
Revista Científica Y Académica , 4(2), 31–47. https://doi.org/10.61384/r.c.a.v4i2.191
Medina Nolasco, E. K., Mendoza Buleje, E. R., Vilca Apaza, G. R., Mamani Fernández, N. N., &
Alfaro Campos, K. (2024). Tamizaje de cáncer de cuello uterino en mujeres de una región
Andina del Perú. Arandu UTIC, 11(1), 50–63.
https://doi.org/10.69639/arandu.v11i1.177
Rodríguez, P., Palomino, N., & Mondaca, J. (2017). Using Big Data and its Analytical Techniques
for Public Policy Design and Implementation in Latin America and the Caribbean. Inter-
American Development Bank.
Rogers, P. (2014). La teoría del cambio. Síntesis metodológicas: evaluación del impacto n. o, 2.
P á g i n a 2292
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
Ruiz Díaz Benítez , J. R. (2023). Design of a reference architecture in intelligent warehouse supply
logistics through the use of Industry 4.0 technologies. Case of retail Warehouses in the
city of Pilar. Revista Veritas De Difusão Científica, 4(2), 120–136.
https://doi.org/10.61616/rvdc.v4i2.50
Shadish, W. R., Cook, T. D., & Leviton, L. C. (1991). Foundations of program evaluation: Theories
of practice. Sage.
SPSS. Modelos de regresión. https://www.coursehero.com/file/90311099/Practica-1-SPSSpdf/.
STAKE, R.E. (1967). The counlenance of educational evaluation. Teachers College Record. 68,
(523-540).
Suchman, E. A. (1967). Principles and practice of evaluative research. An introduction to social
research, 327.
Tama Sánchez, M. A., Quiroz Mendoza, I. U., Medina Paredes, E., Paredes Romero, J. E., & Haro
Baque, C. V. (2024). Síndrome de C.R.E.S.T. Presentación de un Caso. Descripción breve
de la Patología. Revista Científica De Salud Y Desarrollo Humano, 5(1), 01–13.
https://doi.org/10.61368/r.s.d.h.v5i1.69
Vera S. F. (2014). 5ta. Jornada de auditoria gubernamental.
Vilalta, C. J. (2016). Analisis de datos (Vol. 1). Mexico, D.F: Centro de Investigación y Docencia
Economicas.
Villa Benítez, C. P., Camacho Castro, C., & Bernal Domínguez, D. (2020). Análisis de datos como
alternativa para la evaluación de impacto de los programas sociales. Intersticios sociales,
(20), 13-48.
Weiss, C. H. (1972). Methods for assessing program effectiveness. Englewood Cliffs.
Wooldridge, J. M. (2016). Introductory econometrics: A modern approach: Nelson Education.
P á g i n a 2293
Revista Científica y Académica. Vol. 4, No. 2, Abril, Junio Año 2024
Marco normativo
ACUERDO por el que se dan a conocer las Reglas de Operación del Programa de Fomento a la
Agricultura de la Secretaría de Agricultura, Ganadería, Desarrollo Rural, Pesca y
Alimentación para el ejercicio 2014.
ACUERDO por el que se dan a conocer las Reglas de Operación de los Programas de la Secretaría
de Agricultura, Ganadería, Desarrollo Rural, Pesca y Alimentación para el ejercicio 2016.
ACUERDO por el que se dan a conocer las disposiciones generales aplicables a las Reglas de
Operación de los Programas de la Secretaría de Agricultura, Ganadería, Desarrollo Rural,
Pesca y Alimentación, Programa Progan Productivo para el ejercicio 2018.
ACUERDO por el que se dan a conocer las Reglas de Operación del Programa Producción para el
Bienestar de la Secretaría de Agricultura y Desarrollo Rural, programa Fomento a la
Agricultura y Ganadería para el ejercicio 2020.