3.1. Descriptivo variables de estudio

Los aspectos demográficos desempeñan un papel fundamental en la identificación de las variables que influyen en la vida de las personas. Diferenciar las condiciones de vida de cada población estudiada es esencial para agruparlas según características similares y facilitar un análisis más profundo. En este contexto, el estudio de los factores demográficos como sociales nos permite examinar cómo varía la tasa de natalidad.

El gráfico 1 muestra la evolución de la tasa de natalidad en el Ecuador desde 1998 hasta 2023, representada por el número de nacimientos por cada 1000 habitantes. A partir del análisis del gráfico, se puede observar una tendencia descendente continua en la tasa de natalidad a lo largo de los años.

Fuente: Censo Estimaciones y proyecciones de población

Grafico 1 Tasa de natalidad en el Ecuador, periodo 1998-2022 

En 1998, la tasa de natalidad se encontraba cerca de los 26 nacimientos por cada 1000 habitantes, pero esta cifra ha disminuido gradualmente hasta aproximadamente 14 nacimientos por cada 1000 habitantes en 2023.

De la misma manera al analizar la evolución de la población total en Ecuador, desglosada por sexo (hombres y mujeres) desde 1950 hasta una proyección al año 2100, se presenta un crecimiento equitativo en la población para ambos sexos, Sin embargo, para el año 2050, alcanza un pico cercano a los 21.737.600 de personas, momento en el que ambos grupos alcanzan su punto máximo (alrededor de 10.827.200 de hombres y un poco más de 10.910.400 de mujeres). Posteriormente, a partir del 2050, se observa un cambio en la tendencia con una disminución proyectada hasta el año 2100. Este decrecimiento es indicativo de una estabilización de la población con reducción de la misma en las décadas futuras.

Así también se analiza la población de mujeres en edad fértil como un factor muy importante en la tasa de natalidad, la misma que es desarrollada por grupos etarios como las mujeres en edad fértil (15-49 años) en Ecuador, desglosado por grupos etarios, desde 1990 hasta su proyección al 2025, representando los datos en miles de personas. Se observan varias tendencias relevantes en las diferentes cohortes de edad, lo cual es crucial para la investigación sobre los factores que influyen en la tasa de natalidad en el Ecuador.

El aumento constante en el número de mujeres en las cohortes de 25-34 años sugiere que este grupo seguirá siendo el principal contribuyente a la tasa de natalidad en los próximos años. Sin embargo, la estabilización en el crecimiento en los últimos años refleja que, aunque hay más mujeres en edad fértil, existe otros factores que están modulando la fecundidad.

Al analizar en que zona (urbana o rural) vive la población femenina en Ecuador, se evalúa desde 1950 hasta 2025. En 1950 se presenta una población femenina urbana de 516.000 con un crecimiento vertiginoso hacia 2025 de 6.315.000 mujeres. Este crecimiento refleja el proceso de urbanización que ha experimentado el Ecuador en las últimas décadas. Las áreas urbanas tienden a concentrar mejores oportunidades educativas, laborales y de acceso a servicios de salud, lo que influye en las decisiones reproductivas. De hecho, se ha observado que las mujeres en áreas urbanas tienden a tener menos hijos debido a factores como el acceso a la planificación familiar, la priorización de carreras profesionales y los mayores costos de vida asociados a la crianza en zonas urbanas (^{Zhang, 2016}). En contraste, el crecimiento de la población femenina en áreas rurales es menos pronunciado, se proyecta un aumento leve de 1.229.600 millones en 1995 hasta cerca de 2.937.900 millones en 2025. Las áreas rurales tradicionalmente han tenido tasas de natalidad más altas debido a factores como las normas culturales y el acceso limitado a servicios de planificación familiar. Sin embargo, el crecimiento más lento de la población rural podría indicar una migración hacia áreas urbanas, lo que reduce el impacto de las mujeres rurales en la tasa de natalidad general del país (^{Ducci, 1989}).

De igual manera la evolución del nivel educativo de la población femenina en Ecuador, se analiza por niveles tanto por analfabetismo, educación primaria, secundaria y superior, desde 1998 hasta 2022, expresado en porcentaje estos factores pueden influir en la tasa de natalidad, ya que la educación es uno de los determinantes clave en las decisiones reproductivas. Es así que el índice de analfabetismo femenino en 1998, superaba el 10 %, pero para 2022, este índice ha caído a menos del 7 %. Esta disminución es un indicativo del mejor acceso a la educación básica, lo cual es un factor importante para la reducción de la tasa de natalidad, ya que se ha demostrado que, a mayor nivel de educación, menor es la fecundidad, debido a la postergación de la maternidad y el mayor uso de métodos anticonceptivos (^{Jara, 2023}).

De acuerdo a lo expuesto anteriormente se puede mencionar que el porcentaje de mujeres con educación primaria ha mostrado cierta estabilidad en las primeras dos décadas, con ligeras oscilaciones. Sin embargo, a partir de 2015, se nota una tendencia a la baja, lo que puede estar relacionado con una mayor continuidad en los estudios hacia niveles más altos. Es así que las mujeres con solo educación primaria tienden a tener tasas de natalidad más altas en comparación con quienes han alcanzado niveles educativos superiores. Esta relación puede ser explicada por el acceso limitado a información sobre planificación familiar y oportunidades económicas más restringidas (^{Benavides-Escobar, 2023}).

De igual forma el porcentaje de mujeres con educación secundaria muestra un incremento sostenido a partir de 2005, alcanzando cerca del 32 % en 2022. Este aumento refleja una mejora en el acceso a las mujeres a la educación secundaria en el país, es así que las mujeres con educación secundaria suelen tener menos hijos que aquellas con solo educación primaria o sin estudios, ya que este nivel educativo tiende a retrasar la edad de la maternidad y fomenta un mayor control sobre las decisiones reproductivas (^{Bustamante-Dueñas & Berdejo-Bustamante, 2024}).

Así también, el porcentaje de mujeres con educación superior ha crecido de manera constante, alcanzando un 24 % en 2022, lo que indica un aumento significativo en el acceso de las mujeres a la educación terciaria, situación que tiende a tener las tasas de natalidad más bajas, debido a que la priorización de la carrera profesional y el acceso a información y servicios de salud reproductiva son más comunes en este grupo, además, tienden a retrasar la maternidad o incluso optar por tener menos hijos (^{Pierrin et al., 2023}).

Dentro de este orden, la variable población de mujeres económicamente activa en Ecuador, mayor de 15 años, desde 1980 con 2.553.302 personas (hombres y mujeres) económicamente activas a 2022 con 9.110.815 millones, que participan en el mercado laboral, muestran un crecimiento constante, es así que la diferencia se ha reducido en el tiempo en lo referente al mercado laboral. Es así que para 1980, cuando la población de mujeres económicamente activas fue 650.499 y en hombres de 1.902.803. Para 2022 fue de 3.807.146 mujeres frente a 5.303.669 hombres. Desde estos datos se puede mencionar que el aumento en la participación de las mujeres en la economía es un fenómeno multifactorial que responde a cambios estructurales en la sociedad y en la economía de Ecuador, con impactos significativos tanto en la composición de la fuerza laboral como en las tendencias demográficas del país, en particular en la tasa de natalidad.

Dentro de este marco se analiza el índice de la población femenina ecuatoriana mayor de 15 años con acceso a servicios de salud reproductiva, su evolución desde 1998 ha mostrado una tendencia general de crecimiento sostenido, partiendo de un índice cercano al 70 % y alcanzando aproximadamente el 99 % en 2022. Este aumento refleja una mejora en la cobertura de los servicios de salud reproductiva y en la difusión de información sobre planificación familiar a lo largo de las últimas dos décadas. La expansión del acceso a anticonceptivos y la educación sexual ha permitido que un mayor número de personas, especialmente mujeres, tomen decisiones informadas sobre la cantidad y el espaciamiento de los hijos.

Al analizar la variable sobre las creencias religiosas se puede revelar una tendencia relativamente estable en el tiempo, con un índice que oscila entre el 96 % y el 98 %. Esto indica que la religiosidad sigue siendo un aspecto predominante en la vida de la mayoría de las mujeres en Ecuador. Este dato es significativo para el estudio de la tasa de natalidad, ya que las creencias religiosas suelen influir en las decisiones reproductivas, especialmente en relación con el uso de métodos anticonceptivos y la planificación familiar.

3.2. Modelo Econométrico de los factores que influyen en la tasa de natalidad en el Ecuador

El análisis de regresión múltiple es una técnica de análisis estadístico multivariable que permite establecer una relación funcional entre una variable dependiente, como la tasa de natalidad y múltiples variables independientes o explicativas, como los factores demográficos y sociales. A lo largo del proceso analítico, se calculan coeficientes de regresión que cuantifican el impacto que las variaciones en las variables independientes ejercen sobre la variable dependiente. Esto facilita la generación de inferencias sobre posibles relaciones causales, las cuales son fundamentales para los objetivos planteados en la investigación.

La ecuación Y = f (x) describe cómo la variable dependiente Y, que como su denominación sugiere, está condicionada por los valores que asumen una o más variables independientes, identificadas como X o un conjunto de ellas (X₁, X₂, …, X_k). Estas variables independientes, que no son aleatorias, pueden ser medidas, cuantificadas o categorizadas. El término f () simboliza una función algorítmica o un procedimiento operativo empleado para calcular los valores de Y. Según ^{Montgomery (2002)}, esta formulación matemática constituye el fundamento del modelo explicativo y ofrece una representación visual de la relación entre dos o más variables interrelacionadas, la cual puede adoptar infinitas configuraciones.

En este contexto, se distinguen dos tipos de funciones que modelan la relación entre la variable dependiente y la independiente: las funciones determinísticas y las probabilísticas. Las funciones determinísticas, comunes en las leyes de la física como la mecánica clásica, están claramente definidas por ecuaciones y han sido verificadas exhaustivamente a lo largo de los años, de tal modo que el error asociado a estas ecuaciones es insignificante y permite la predicción precisa de eventos (^{Mendenhall et al., 2003}). Por otro lado, las funciones probabilísticas pertenecen al ámbito de la estadística inferencial.

En la estadística inferencial, la función de probabilidad define un valor esperado o un componente determinístico E(Y), al cual se le añade un término de error ℇ para modelar las variaciones posibles en la variable Y. Matemáticamente, esto se expresa como: Y= E(Y) + ϵ. En el contexto de la regresión lineal simple, la forma general básica para E(Y) es: E(Y) = B₀+B₁. Este modelo sugiere que, conociendo un solo valor de x, se puede prever el valor esperado de Y. Los parámetros desconocidos B₀ y B₁ en la ecuación de regresión proporcionan visiones importantes sobre la relación entre las variables. Por tanto, la ecuación completa de la regresión se convierte en: Y=B₀+B₁x+ ϵ. En esta fórmula de regresión, ℇ se considera como una variable aleatoria que sigue una distribución normal con media 0. En otras palabras, E(Y) se convierte en la mejor estimación cuando E(ϵ) = 0, representando la serie de puntos que se distribuyen normalmente y se ajustan a la línea de regresión, minimizando así el error a prácticamente cero.

Desde esta perspectiva surge el modelo estadístico lineal de dos o más variables independientes x₁, x₂, ….. ,x_k con variable de respuesta Y.

De la misma manera en la fase de validación o contrastes diagnósticos del modelo, se busca verificar si la especificación del modelo ha sido adecuada. Esto implica establecer criterios claros para aceptar o rechazar el modelo propuesto, es decir:

Hipótesis Nula (H₀): 𝛽 = 0 (El modelo no influye significativamente en la tasa de natalidad).

Hipótesis Alternativa (H₁): 𝛽 ≠ 0 (El modelo tiene una influencia significativa en la tasa de natalidad).

El objetivo en esta etapa es confirmar la relevancia de una variable explicativa dentro del modelo o, en su defecto, descartarla.

Resultados del modelo econométrico de los factores que influyen en la tasa de natalidad ecuatoriana

En el modelo de regresión lineal múltiple planteado dentro de la investigación sobre la natalidad, se utilizó un modelo econométrico uniecuacional para su desarrollo, por ende, una sola ecuación se encargará de explicar a la variable endógena o independiente, en este caso el comportamiento de la “Tasa de natalidad”. Está ultima se encuentra en función de sus variables exógenas o dependientes las cuales se encuentran directamente relacionadas con los factores que inciden en el ascenso o descenso de los nacimientos en Ecuador (Mujer en edad fértil, Población total, matrimonios, divorcios, mujeres en zona urbana y rural) y sociales (analfabetismo, Nivel primario, secundario, superior, empleo remunerado, salud reproductiva, Creencia religiosa).

Matemáticamente, los resultados obtenidos de la estimación de los parámetros del modelo se pueden expresar de la siguiente forma: En primer lugar, dado que el número de observaciones es menor a 50, se aplicó la prueba de Shapiro-Wilk para evaluar la normalidad de los datos. El resultado de la prueba arrojó un valor de p mayor a 0,05, lo que indica que no se rechaza la hipótesis nula, concluyendo que los datos provienen de una distribución normal. Este resultado sugiere que los datos no presentan desviaciones significativas respecto a la normalidad, lo cual es adecuado para la aplicación de técnicas estadísticas paramétricas como la regresión o la correlación de Pearson. El supuesto de homocedasticidad se cumple ya que se estableció que la varianza de los errores o residuos es constante a lo largo de los valores predichos por el modelo.

Resumen del modelo

Para conocer si la tasa de natalidad está prediciendo en función de las variables independientes propuestas, se llevó a cabo la regresión lineal mediante el método intro. Los resultados de la tabla 2, muestran que todos los índices de significancia, potencia estadística y tamaño del efecto son adecuados y que en conjunto las variables predicen el 98 % de la tasa de natalidad, lo que indica que es un modelo sólido y preciso, de la misma amanera el modelo es altamente significativo, con un valor F elevado y un valor p-valor asociado muy bajo (p < 0,0001) lo que confirma que las variables incluidas son relevantes para explicar la tasa de natalidad en Ecuador, de la misma manera Durbin - Watson = 1,737 implica que los errores en la medición de las variables explicativas son independientes entre sí, ya que se encuentra entre 1,5 y 2,5 (^{Camacho & Vildosola, 2020}).

En el contexto del análisis de varianza (ANOVA), se ha verificado que es viable construir un modelo de regresión lineal múltiple entre la variable dependiente y las variables predictoras. El valor de p obtenido de 0,000 (p < 0,05) indica que el modelo es estadísticamente significativo, lo que quiere decir que al menos una de las variables independientes tiene un efecto significativo sobre la variable dependiente. Este resultado respalda la validez del modelo y su capacidad para predecir la tasa de natalidad en función de las variables seleccionadas.

Para confirmar si realmente las variables seleccionadas explican la tasa de natalidad, se realiza el supuesto de la colinealidad bajo el análisis de la tolerancia y el factor de inflación de la varianza (FIV). La tolerancia está basada en la correlación múltiple de una determinada variable independiente con las restantes. Es un indicador de la variabilidad de cada variable independiente que no está explicada por las otras variables independientes en el modelo.

Para que no haya multicolinealidad la tolerancia debe ser alta: Una tolerancia menor de 0,10 diagnostíca graves problemas de colinealidad. Por otra parte, el FIV es un indicador reciproco de la tolerancia. Cuanto menor sea este valor, menor será la multicolinealidad. Se estima que el valor FIV mayor a 10 diagnostica graves problemas de colinealidad.

Modelo Inicial:

Y^(Tasa de natalidad)=27,140 - 3,586e-6 * (Población_Total) + 2,539e-7 * (Mujer_Fertil) + 6,188e-5 * (Matrimonios) - 4,325e-5 * (Divorcios) + 7,036e-6 * (Zona_Urbana) + 1,697e-5 * (Zona_Rural) + 0,363 * (Analfabetismo) - 0,105*(Nivel_Primaria) + 0,083 * (Nivel_Secundaria) - 0,396 * (Nivel_Superior) - 6,853e-6 * (Empleo_Remunerado) - 0,156 * (Salud_Reproductiva) - 0,166 * (Religion_Creyente)+ϵ

Bajo los resultados obtenidos el modelo muestra indicios claros de multicolinealidad, particularmente con las variables Población_Total, Mujer_Fértil, Zona_Urbana y Zona Rural, ya que presentan valores de VIF extremadamente altos. Esto puede afectar la precisión de los coeficientes y hacer que las interpretaciones sean poco confiables. Para solucionar este problema, se realiza la generación de un modelo final eliminando y analizando de manera secuencial cada variable.

Matemáticamente, los resultados obtenidos de las variables que son significativas estadísticamente se pueden expresar de la siguiente forma: Depurando el análisis se recoge que el modelo de la variable tiene linealidad entre la variable dependiente y las independientes, de la misma manera se considera independencia de errores según Durbin-Watson =1,563, así como también se cumple el supuesto de homogeneidad, ANOVA indica que el modelo es estadísticamente significativo 0,00 < 0,05 por lo tanto se procede al análisis de regresión lineal.

Modelo final:

Y^(Tasa de natalidad)=20,779 + 5,819e-5 * (Matrimonios) + 0,422 * (Analfabetismo) - 0,405 * (Nivel_Superior) - 5,796e-6 * (Empleo_Remunerado) +ϵ

El modelo es extremadamente robusto, como lo demuestra el alto valor de R² (98 %), lo que indica que casi toda la variabilidad en la tasa de natalidad se puede explicar por las variables predictoras seleccionadas. Además, el bajo error estándar de la estimación y el alto valor de R refuerzan la conclusión de que este modelo es altamente eficiente y ajustado a los datos disponibles.

La constante sugiere que, si todas las variables independientes fueran cero, la tasa de natalidad sería de 20,779 nacimientos por cada 1.000 habitantes. El valor de p = 0,000 indica que este resultado es estadísticamente significativo.

La variable matrimonio tiene un coeficiente positivo (B = 5,819e-5) indica que un aumento en la tasa de matrimonios está asociado con un aumento en la tasa de natalidad. Este valor es significativo (p = 0,008), lo que sugiere que el matrimonio es un predictor importante de la natalidad en Ecuador. De la misma manera Beta = 0,128 indica que el impacto del matrimonio es moderado, pero relevante. Además, el VIF (1,391) indica que no existe un problema significativo de colinealidad con otras variables.

La variable analfabetismo presenta un coeficiente de 0,422 lo que muestra que un mayor nivel de analfabetismo está relacionado con un aumento en la tasa de natalidad. Este resultado es marginalmente significativo (p = 0,049), lo que implica que el analfabetismo tiene un impacto moderado en la tasa de natalidad. Así también el VIF = 5,484 sugiere una colinealidad moderada, lo que indica que puede haber correlaciones entre el analfabetismo y otras variables, aunque no de forma crítica.

La variable estudios a nivel superior por parte de las mujeres presenta un coeficiente negativo de - 0,405 indica que un mayor nivel de estudios superiores está asociado con la disminución en la tasa de natalidad. Este resultado es altamente significativo (p = 0,002). El VIF = 4,582 sugiere una colinealidad moderada.

La variable de empleo de las mujeres económicamente activa refleja un coeficiente negativo (B = -5.796E-6) indica que a medida que más mujeres ingresan al mercado laboral, la tasa de natalidad disminuye significativamente. El resultado es altamente significativo (p = 0,000), lo que sugiere que la participación económica de las mujeres tiene un fuerte impacto negativo en la tasa de natalidad. El Beta = -0,965 indica que esta es la variable con mayor efecto en la tasa de natalidad. Sin embargo, el VIF = 8.731 indica una colinealidad moderada.

La validación de modelo econométrico de los factores que inciden en la tasa de natalidad ecuatoriana se considera estadísticamente significativo y que en conjunto las variables predicen el 98 % la tasa de natalidad, lo que demuestra que es un modelo sólido y preciso. Así también, de manera general, el factor de inflación de la varianza no presenta multicolinealidad, ni heteroscedasticidad, así como también no cae en una zona de presencia de autocorrelación.