T E S LA
Revista Científica
ISSN: 2796-9320
Vol. 3 Núm. 1 (Enero – Junio 2023), e129
https://doi.org/10.55204/trc.v3i1.e129 1
Ciencias exactas
Artículo de Investigación Original
Relación de factores sociodemográficos y seguridad alimentaria: Un estudio basado
en técnicas de análisis multivariadas
Relationship between sociodemographic factors and food security: A study based on
multivariate analysis techniques
Edgar Rolando Morales Caluña1,2[0000-0001-9545-1282], Tannia Valeria Carpio Arias3[0000-0003-2989-1751]
1 Universidad Politécnica Estatal del Carchi. Maestría en Estadística Aplicada. Tulcán. Ecuador.
2Universidad Estatal de Milagro. Cdla. Universitaria “Dr. Rómulo Minchala Murillo” – km. 1.5 vía Milagro – Virgen de Fátima. Milagro,
Guayas. Ecuador.
3 Escuela Superior Politécnica de Chimborazo. Riobamba. Ecuador
1,2edgar.morales@upec.edu.ec , 3tannia.carpio@espoch.edu.ec
CITA EN APA:
Morales Caluña, E. R., & Carpio Arias,
T. V. (2023). Relación de factores
sociodemográficos y seguridad
alimentaria: Un estudio basado en
técnicas de análisis
multivariadas. Tesla Revista
Científica, 3(1).
https://doi.org/10.55204/trc.v3i1.e129
Recibido: 2023-01-02
Revisado: 2023-01-03 al 2023-01-22
Corregido: 2023-02-01
Aceptado: 2023-02-03
Publicado: 2023-04-10
TESLA
Revista Científica
ISSN: 2796-9320
Resumen. La seguridad alimentaria se considera como un derecho universal de las personas para
acceder a alimentos. Los niveles de inseguridad alimentaria en los últimos años se han transformado
en un problema de estudio dentro del desarrollo social. El objetivo de este estudio es identificar la
relación entre factores sociodemográficos y niveles de seguridad alimentaria mediante técnicas
multivariadas. Estudio de corte transversal con un alcance asociativo, datos recopilados entre
diciembre del 2020 y febrero 2021. La base de datos consta de 4668 observaciones válidas. El
estudio se realizó de acuerdo con la Declaración de Helsinki y cuenta con la aprobación de un
comité de ética en seres humanos. El procesamiento de datos y el análisis multivariado se utilizó
software Python y R. Como estadísticos se utilizó Chi cuadrado, V de Crammer, Lambda, Gamma.
D Somers y análisis de correspondencias múltiples. El 31% de las personas corresponde al sexo
masculino mientras que el 69% al femenino, el 34% de los hogares encuestados presenta una
inseguridad alimentaria severa, el 14% leve y el 46% seguridad alimentaria. Respecto a la
ocupación, el mayor porcentaje de inseguridad se encuentra en los estudiantes con un 19.4.%, nivel
de educación superior con un 23%. Las variables ordinales que mejor se asocian con la seguridad
alimentaria son número de Personas que viven en casa, Ingreso económicos y cambios de Ingresos
durante la pandemia. Las variables nominales, retraso en pagos y perdida de trabajo
estadísticamente, presenta una asociación con los niveles de inseguridad alimentaria. De acuerdo
con los coeficientes de D Somers y Lambda respectivamente, las variables descritas permiten
predecir los niveles de seguridad alimentaria. Estadísticamente, no todas las características
sociodemográficas predicen los niveles de seguridad alimentaria. Por lo que las políticas públicas
deben centrarse en los aspectos de mayor riesgo para reducir la inseguridad alimentaria.
Palabras Clave: Seguridad, inseguridad, sociodemográficos, asociación, correspondencias-
múltiples.
Los contenidos de este artículo están
bajo una licencia de Creative
Commons Attribution 4.0 International
(CC BY 4.0 )
Los autores conservan los derechos
morales y patrimoniales de sus obras.
Abstract: Food security is considered as a universal right of people to access food. The levels of
food insecurity in recent years have become a study problem within social development. The
objective of this study is to identify the relationship between sociodemographic factors and levels of
food security through multivariate techniques. Cross-sectional study with an associative scope, data
collected between December 2020 and February 2021. The database consists of 4668 valid
observations. The study was conducted in accordance with the Declaration of Helsinki and has been
approved by an ethics committee in humans. Data processing and multivariate analysis were used
Python and R software. Chi square, V Crammer, Lambda, Gamma were used as statistics. D Somers
and multiple correspondence analysis. 31% of people are male while 69% are female, 34% of
households surveyed have severe food insecurity, 14% mild, and 46% food security. Regarding
occupation, the highest percentage of insecurity is found in students with 19.4.%, higher education
level with 23%. The ordinal variables that are best associated with food security are the number of
people living at home, economic income, and income changes during the pandemic. The nominal
variables, delay in payments and loss of work, statistically present an association with the levels of
food insecurity. According to the D Somers and Lambda coefficients, respectively, the variables
described make it possible to predict the levels of food security. Statistically, not all
sociodemographic characteristics predict levels of food security. Therefore, public policies must
focus on the aspects of greatest risk to reduce food insecurity
Keywords: Security, insecurity, sociodemographics, association, multiple-correspondences
Morales Caluña, E. R., & Carpio Arias, T. V. (2023). 2
https://doi.org/10.55204/trc.v3i1.e129
1. INTRODUCIÓN
En la actualidad, unos de los principales problemas que afectan a la humanidad es la falta de
alimentos. Factores como el cambio climático, catástrofes naturales, crecimiento poblacional
desproporcionado, son entre otros, acontecimientos que han limitado el acceso a los alimentos por parte
de las personas (Núñez-Rodríguez, 2021). Otro de los factores determinantes para aumentar la
prevalencia de los niveles de in/seguridad alimentaria en los hogares, fue la pandemia COVID – 19 que
provocó la pérdida de empleo, reducción de sueldos, desaparición de empresas, elevación de los insumos
utilizados en la producción y procesamiento de alimentos, y por consiguiente la falta de alimentos para la
población mundial (Laska et al., 2021).
El acceso a la alimentación se considera como un derecho natural de cada una de las personas que
habitan en el planeta. Cuando las personas tienen una disponibilidad física, acceso social y económico a
una cantidad suficiente de alimentos de calidad para satisfacer sus principales necesidades energéticas y
llevar una vida sana, se considera como seguridad alimentaria, sin embargo, cuando uno o varios de estos
factores sucumben, se conoce como inseguridad alimentaria (Burgos et al., 2021). La inseguridad
alimentaria y el hambre limitan el desarrollo normal de millones de personas en el mundo, altera el
crecimiento normal en la población infantil, fomenta la aparición de enfermedades relacionadas a la
desnutrición como obesidad y sobre peso, de igual forma en la población adulta mayor, la falta de
alimentos repercute en el desarrollo normal de la etapa de la vejes (Raccanello, 2021).
Como políticas de estado, en el mundo, el estudio de la seguridad alimentaria ha recibido poca o
nula atención en el contexto de la investigación científica y la inversión, la escasa información existente
sobre la problemática de la seguridad e inseguridad alimentaria es el resultado de estudios patrocinados
por instituciones privadas, grupos de investigación y centros de educación superior (Battersby &
Haysom, 2020).
La complejidad del estudio de la seguridad alimentaria se refleja en las diferentes dimensiones y
niveles, considerando que cada país, región y continente la situación es heterogénea, considerando
factores sociales, culturales educativos y económicos entre los mas relevantes.
Dentro de las dimensiones de la seguridad alimentaria se considera la física, económica, de salud
y de tiempo, mientras que en los niveles se analizan el individual, nacional, regional y global (FAO et al.,
2020).
Los niveles de seguridad alimentaria tienen vínculos explícitos con las condiciones económicas,
sociales, estructura familiar, ingresos mensuales entre otros factores (Murrell & Jones, 2020). La escala
latinoamericana y caribeña sobre seguridad alimentaria (ELCSA), establece los siguientes niveles de
in/seguridad alimentaria en: inseguridad alimentaria severa, inseguridad alimentaria leve, inseguridad
alimentaria moderada y seguridad alimentaria(Huffman & Nájera, 2022), esta escala pertenece a la
familia de escalas basada en experiencia de hogares que padecen esta condición, su construcción se
TESLA Revista Científica ISSN: 2796-9320 3
https://doi.org/10.55204/trc.v3i1.e129
realizó en base al Módulo Suplementario de Medición de Inseguridad Alimentaria de los Estados Unidos
(US Household Food Security Supplement Module, HFSSM)(Tanaka et al., 2020).
La inseguridad alimentaria severa se caracteriza por la gran dificultad para que las personas
adquieran alimentos, según (Loopstra et al., 2019), el desempleo, la discapacidad y los bajos ingresos son
características asociadas a la inseguridad alimentaria. La inseguridad alimentaria moderada se presenta
cuando en los hogares existe la incertidumbre sobre la adquisición de alimentos suficientes, es decir está
comprometida la variedad y la cantidad de estos. Características como la edad y estado civil se relaciona
con la inseguridad moderada(de Souza Cherol et al., 2021) , finalmente, la inseguridad alimentaria leve
analiza la disposición de alimentos para el consumo familiar en un corto y mediano plazo(de Medeiros et
al., 2019).
En el mundo alrededor del 30.0% de la población, el equivalente a 2370 millones de personas
padece niveles severo y moderado de inseguridad alimentaria, en América Latina y el Caribe 267
millones de personas afrontan inseguridad alimentaria (FAO, 2021).
En el ámbito de la seguridad alimentaria, existe un sin número de mecanismos que permiten medir
el nivel de seguridad alimentaria en la población, siendo uno de los más destacados la utilización de
cuestionarios (Santos & Martins, 2021) que permite percibir la llamada experiencia en inseguridad
alimentaria en los hogares.
Tanto el monitoreo de la inseguridad alimentaria como la identificación de los factores de riesgo
asociados son acciones que permitirían formular políticas más adecuadas que aboguen por el bienestar de
la población. Es así como se conoce que los factores socioeconómicos están relacionados estrechamente
con la inseguridad alimentaria, principalmente se han estudiado los siguientes: las minorías étnicas como
factor de riesgo en la inseguridad alimentaria (el Zein et al., 2019), así también a menor nivel de
educación del jefe de hogar mayor severidad de la inseguridad alimentaria (Willows et al., 2009).
Otros factores como la edad de las personas se han relacionado con mayor inseguridad
alimentaria, por ejemplo, en el caso de los estudiantes universitarios (el Zein et al., 2019) y adultos
mayores (Odunitan-Wayas et al., 2021) pero sobre todo la edad, cantidad de personas que viven en el
hogar (González-Galarzo et al., 2019).
En Estados Unidos la inseguridad alimentaria tiende a ser mayor en los hogares con ingresos por
debajo del promedio federal y grupos minoritarios afrodescendientes e hispanos generalmente (Hampton,
2007).
El género, situación económica, categorización racial, nivel de educación, educación más alta del
padre, edad, ingresos, deudas con tarjetas de crédito son considerado como datos sociodemográficos para
establecer los niveles de in/seguridad alimentaria en una población (Laska et al., 2021).
En Ecuador, considerando que existe leyes y normativas para garantizar la disponibilidad, el
acceso y consumo de alimentos en la población, los porcentajes de inseguridad alimentaria severa,
Morales Caluña, E. R., & Carpio Arias, T. V. (2023). 4
https://doi.org/10.55204/trc.v3i1.e129
moderad y leve son altos (Ayaviri-Nina et al., 2016), especialmente en la población infantil (Cubana de
Alimentación Nutrición et al., 2017).
En este sentido, el propósito de este artículo científico es identificar la relación que existe entre los
factores sociodemográficos y los niveles de seguridad alimentaria mediante la aplicación de técnicas
estadísticas multivariadas.
2. METODOLOGÍA O MATERIALES Y METODOS
El presente estudio es de corte transversal con un alcance asociativo, los datos se recopilaron entre
diciembre del 2020 y febrero del 2021. Los estudios de cohorte transversal se caracterizan por capturar la
información de la población o muestra en un momento determinado momento y establecer un diagnóstico
actual (Pardo, 2020).
La población de estudio se obtuvo a través de un proceso de muestreo no probabilístico, en
específico, bola de nieve (Anfara, 2008), que se formó a partir de las personas que completaron la
encuesta virtual titulada “Encuesta sobre Seguridad Alimentaria, Calidad de Vida y Bienestar de Adultos
Ecuatorianos. La encuesta se difundió mediante correo electrónico y redes sociales. La base de datos
consta de 5972 observaciones.
Para la organización de las observaciones se aplicó un análisis exploratorio de datos (EDA)
(Herrer, 2018), con la finalidad de verificar datos atípicos y el manejo adecuado de datos perdidos.
Finalmente, el conjunto de observaciones validas fue de 4668.
El estudio se realizó de acuerdo con la Declaración de Helsinki, como parte inicial de la encuesta,
se aplicó el formulario de consentimiento informado antes de que el participante pueda contestar las
preguntas del instrumento y el protocolo fue revisado y aprobado por el Comité de Ética de la Escuela de
Ciencias de la Computación e Informática de Cardiff (código de aprobación COMSC/Ethics/2020/041)
Dentro de las variables evaluadas en el presente estudio tenemos: características generales, género,
edad, etnia, educación, nacionalidad, región, ocupación, cantidad de personas que viven en casa como
variables sociodemográficas (Rivoir, 2019) y la inclusión de las preguntas de la Escala Latinoamericana y
Caribeña de Seguridad Alimentaria (ELCSA) (Carmona Silva et al., 2017) para valorar la seguridad
alimentaria de los hogares participantes.
En el instrumento aplicado, dentro de las características generales, se consultó sobre el sexo del
participante (hombre, mujer, etc), la identificación étnica a la que pertenece, el nivel de instrucción, zona
de residencia que vive actualmente (costa, sierra, oriente, urbano o rural), lugar de trabajo entre otras, los
niveles de seguridad alimentaria se determinaron a partir de la aplicación de 8 preguntas como ¿Alguna
vez usted se preocupó porque los alimentos se acabaran en su hogar? , ¿Alguna vez en su hogar se
quedaron sin alimentos?, ¿Alguna vez en su hogar dejaron de tener una alimentación saludable?, entre
otras. (Carmona Silva et al., 2017).
TESLA Revista Científica ISSN: 2796-9320 5
https://doi.org/10.55204/trc.v3i1.e129
Se consideró una escala ordinal y nominal para la captura de los datos en sus distintas variables,
nivel académico primaria (0), secundaria (1), superior (2), posgrado (3), la variable sexo, hombre (0),
mujer (1), la variable etnia, afrodescendiente (0), blanco (1), indígena (2), mestizo (3) y montubio (4),
para medir el nivel de ocupación y sus dimensiones se determinó: ama de casa sin remuneración (0),
desempleado (1), estudiante (2), empleado privado (3), empleado público (4), emprendedor (5). El
número de personas que habitan en un mismo hogar se estableció como: 1 – 3 personas (0), 4 – 6
personas (2) y para un número superior a 6 personas (3).
Para la variable seguridad alimentaria medida según la (ELCSA) (Carmona Silva, 2022), se
establecieron las siguientes dimensiones: inseguridad alimentaria severa (0), inseguridad alimentaria leve
(1), inseguridad alimentaria moderada (2) y seguridad alimentaria (3), estas variables se consideran de
tipo ordinal, con el objetivo de analizar los niveles y sentidos de asociación con los factores
sociodemográficos y determinar los patrones de in/seguridad alimentaria.
En el procesamiento y análisis de datos estadístico y multivariado se utilizó software Python
mediante la plataforma Google Colaboratory (Alijla, 2021) y Software R con las librerías FactoMineR,
FactoClass y factoextra para el análisis de correspondencias múltiples (ACM) (Gries, 2021). En las
variables de tipo ordinal y nominal se calculó el total de observaciones y porcentajes. Para determinar la
relación de los factores sociodemográficos y la seguridad alimentaria se aplicó la técnica Chi Cuadrado
desde un punto no paramétrico para variables categóricas con la finalidad de identificar si existe relación
entre las variables (Amaya Cedrón, 2019).
Para determinar el sentido y relación de las distintas variables con los niveles de seguridad
alimentaria, se calculó los coeficientes Gamma y D Somers para las variables ordinales, V de Crammer y
Lambda para las variables nominales.
Finalmente se aplicó el Análisis de Correspondencias Múltiples (ACM) para determinar la
intensidad y el sentido de asociación entre los factores sociodemográficos y el nivel de seguridad
alimentaria (Torres, 2014). El análisis de correspondencias múltiples permitió en este trabajo resumir y
profundizar en la información que aportan las variables objeto de estudio al ser una técnica multivariada
que trabaja con variables cualitativas (Pardo, 2020).
3. RESULTADOS Y DISCUCIÓN
En la tabla 1, se resumen los datos socio demográficos de la población que corresponde al
presente estudio, a partir del proceso de análisis exploratorio de datos se determinó que el 31.1%
corresponde a personas de sexo masculino mientras que el 68.9% al sexo femenino, en relación con la
edad, el 76.7% se encuentra entre 18 y 30 años.
Morales Caluña, E. R., & Carpio Arias, T. V. (2023). 6
https://doi.org/10.55204/trc.v3i1.e129
Tabla 1.
Datos socio demográficos de la muestra
Hombre
Mujer
Características
f
%
Sexo
1453
68.9
Edad
18 - 30 años
1001
55.3
31 - 45 años
337
11.4
46 - 65 años
102
1.9
Mayor a 65 años
13
0.2
Educación
Primaria
11
0.4
Secundaria
366
16.9
Superior
936
47.3
Posgrado
140
4.3
Ocupación
Ama de casa sin
remuneración
3
7.7
Desempleado
161
6.8
Estudiante
633
38.2
Empleado privado
198
4.7
Empleado publico
333
6.4
Emprendedor
125
5.0
Personas que viven
en casa
1-3
464
19.9
4 - 6
845
39.8
mayor a 6
144
9.2
f: frecuencia; %: porcentaje
Fuente: Elaboración propia
Respecto al nivel educativo, 47.3% de los participantes cuentan con una formación superior,
mientras que el 4.3% tienen una formación de posgrado. Con respecto a la variable ocupación y sus
respectivas dimensiones se observa un alto porcentaje (38.2%) con ocupación (estudiantes), el 4.7% son
empleados privados, frente al 6.4% de empleados públicos.
La prevalencia de la inseguridad alimentaria ronda el 54.16%, donde el 34% presenta niveles de
inseguridad alimentaria severa. Ver figura 1. Alrededor del 45% presenta seguridad alimentaria.
Figura 1.
Porcentaje de los niveles de In/seguridad alimentaria
Fuente: Elaboración propia.
46%
6%
14%
34%
Seguridad alimentaria Inseguridad alimentaria moderada
Inseguridad alimentaria leve Inseguridad alimentaria severa
TESLA Revista Científica ISSN: 2796-9320 7
https://doi.org/10.55204/trc.v3i1.e129
En la tabla 2, se presenta los niveles de seguridad alimentaria y su caracterización con las
variables y dimensiones de estudio.
Tabla 2.
Resultados de ELCSA y su relación con las variables de estudio
IAS
IAL
IAM
SA
Ocupación
f
%
f
%
f
%
f
%
Ama de casa
52
1.1
91
1.9
43
0.9
178
3.8
Desempleado
182
3.9
74
1.6
49
1.0
175
3.7
Estudiante
906
19.4
311
6.7
114
2.4
1086
23.3
Empleado privado
129
2.8
62
1.3
28
0.6
198
4.2
Empleado publico
204
4.4
71
1.5
29
0.6
327
7.0
Emprendedor
112
2.4
48
1.0
23
0.5
176
3.8
Educación
Primaria
13
0.3
1
0.0
2
0.0
13
0.3
Secundaria
374
8.0
182
3.9
77
1.6
523
11.2
Superior
1073
23.0
441
9.4
196
4.2
1432
30.7
Posgrado
125
2.7
33
0.7
11
0.2
172
3.7
Edad
18 - 30 años
1292
27.7
490
10.5
185
4.0
1617
34.6
31 - 45 años
193
4.1
149
3.2
84
1.8
445
9.5
46 - 65 años
86
1.8
15
0.3
14
0.3
75
1.6
Mayor a 65
14
0.3
3
0.1
3
0.1
3
0.1
Sexo
Hombre
577
12.4
151
3.2
78
1.7
647
13.9
Mujer
1008
21.6
506
10.8
208
4.5
1493
32.0
Etnia
Afro descendiente
45
1.0
14
0.3
6
0.1
46
1.0
Blanco
54
1.2
10
0.2
1
0.0
44
0.9
Indígena
20
0.4
13
0.3
6
0.1
32
0.7
Mestizo
1381
29.6
579
12.4
249
5.3
1902
40.7
Montubio
85
1.8
41
0.9
24
0.5
116
2.5
Región
Amazonia rural
9
0.2
9
0.2
4
0.1
13
0.3
Amazonia urbana
16
0.3
7
0.1
8
0.2
20
0.4
Costa rural
494
10.6
216
4.6
85
1.8
626
13.4
Costa urbana
802
17.2
333
7.1
149
3.2
1131
24.2
Sierra rural
66
1.4
31
0.7
10
0.2
74
1.6
Sierra Urbana
198
4.2
61
1.3
30
0.6
276
5.9
Personas que viven en casa
1-3
760
16.3
112
2.4
45
1.0
474
10.2
4 - 6
720
15.4
434
9.3
179
3.8
1371
29.4
Mayor a 6
105
2.2
111
2.4
62
1.3
295
6.3
Perdida de trabajo
No
726
15.6
251
5.4
76
1.6
1118
24.0
Si
859
18.4
406
8.7
210
4.5
1022
21.9
Retraso en pagos
Si
691
14.8
228
4.9
74
1.6
1055
22.6
No
894
19.2
429
9.2
212
4.5
1085
23.2
Reducción de ingresos
Reducido
1161
24.9
538
11.5
263
5.6
1453
31.1
Mantenido
392
8.4
110
2.4
21
0.4
651
13.9
Aumento
32
0.7
9
0.2
2
0.0
36
0.8
Ingresos
Menos que 100
541
11.6
204
4.4
97
2.1
546
11.7
Morales Caluña, E. R., & Carpio Arias, T. V. (2023). 8
https://doi.org/10.55204/trc.v3i1.e129
100 - 500
711
15.2
354
7.6
154
3.3
1009
21.6
501 - 1000
199
4.3
68
1.5
28
0.6
369
7.9
1001 - 2000
85
1.8
20
0.4
7
0.1
148
3.2
Mayor a 2000
49
1.0
11
0.2
0
0.0
68
1.5
IAS: Inseguridad Alimentaria Severa, IAL: Inseguridad Alimentaria Leve,
IAM: Inseguridad Alimentaria Moderada, SA: Seguridad Alimentaria
Fuente: Elaboración propia
Para el análisis bivariado se analizó por separados la relación estructural (asociación) de las
variables sociodemográficas y la seguridad alimentaria (Tinuco et al., 2018). En la tabla 3, se establece la
asociación que existe entre las variables de tipo ordinal y la seguridad/inseguridad alimentaria.
A partir del estadístico Chi cuadrado y con un p-valor<0.05, se concluyó que las variables Edad,
Educación, Ocupación, Ingresos, Persona que viven en casa están asociadas con los niveles de
in/seguridad alimentaria. Mientas que, a partir del coeficiente Gamma, se establece que la asociación con
la seguridad/inseguridad alimentaria es directa. El coeficiente D Somers establece que la variable Número
de Personas que viven en casa predice la seguridad/inseguridad alimentaria.
Tabla 3.
Estadístico Chi cuadrado para estimar la asociación entre variables ordinales con respecto a la
seguridad/inseguridad alimentaria
Variables
Chi cuadrado significancia
Gamma
D Somers
Edad
0
0.091
0.044
Educación
0.025
0.001
0.001
Ocupación
0
0.029
0.02
Reducción de
ingresos
0
0.116
0.056
Personas que viven
en casa
0
0.322
0.199
Ingresos
0
0.131
0.085
Fuente: Elaboración propia
En la tabla 4 se presenta el análisis bivariado de la seguridad/inseguridad alimentaria y las
variables de tipo nominal Sexo, Etnia, Región, Retraso en pagos, Perdida de trabajo, con un p-valor<0.05,
se concluye que existe una asociación de la seguridad/inseguridad alimentaria y cada una de las variables
descritas en la parte nominal. El coeficiente V de Crammer, determina que el sentido de la asociación es
directo. La variable Etnia y Perdida de trabajo, estadísticamente permite predecir la seguridad/inseguridad
alimentaria.
Tabla 4.
Estadístico Chi cuadrado para estimar la asociación entre variables nominales con respecto a la
seguridad/inseguridad alimentaria
Variables
Chi cuadrado significancia
V de Crammer
Lambda
Sexo
0
0.097
0
Etnia
0.017
0.042
0.003
Región
0.029
0.044
0
Retrasos en pago
0
0.135
0
Perdida de trabajo
0
0.141
0.02
Fuente: Elaboración propia
TESLA Revista Científica ISSN: 2796-9320 9
https://doi.org/10.55204/trc.v3i1.e129
Dentro de las técnicas de análisis multivariado, se utilizó el análisis de correspondencias múltiples
con el objetivo de establecer de forma global las similitudes que existe entre individuos y categorías. La
característica de esta técnica es identificar las principales relaciones y asociaciones entre variables y
categorías. En la tabla 5, se presentan las contribuciones de cada una de las dimensiones, las dos primeras
dimensiones contribuyen con el 14% de la varianza explicada.
Tabla 5.
Análisis de correspondencias múltiples
Varianza
% Varianza
% Varianza acumulada
Dim 1
0.2533
8.94
8.94
Dim 2
0.1564
5.52
14.46
Dim 3
0.124
4.375
18.835
Dim 4
0.1109
3.914
22.749
Dim 5
0.1056
3.727
26.476
Dim 6
0.0963
3.399
29.875
Fuente: Elaboración propia
En la figura 2 se observa que las categorías de la seguridad alimentaria se relacionan, en la mayor
parte de individuos con un nivel de educación secundaria, personas que tienen como ocupación ser amas
de casa, con hogares en los cuales habitan un número mayor a 6 personas, la menor relación se presenta
con sueldos mayor a 2000 dólares, personas con más de 65 años, personas que habitan en la zona rural,
especialmente en la Amazonia. Las personas que no han perdido su trabajo en la pandemia han mantenido
un sueldo entre 501 y 1000 dólares.
También se observa una relación entre la seguridad alimentaria y los hombres, empleados
privados, personas que se identifican como blancos. La seguridad alimentaria moderada se relaciona con
etnia indígena, educación primaria, personas que, si sufrieron retrasos en los pagos, sueldos menores a
100 dólares. Estos resultados están relacionados con los descritos en la tabla 2.
Figura 2.
Representación de observaciones y categorías.
Fuente: Elaboración propia.
Morales Caluña, E. R., & Carpio Arias, T. V. (2023). 10
https://doi.org/10.55204/trc.v3i1.e129
En la figura 3 describe la correlación que existe entre variables y dimensiones, en base a esto, se
determina que la variable que presenta una mayor correlación con la dimensión 2 es Retraso en pagos,
seguida de Perdida de trabajo, la variable que más se correlaciona con la dimensión uno es Ocupación
seguida de Ingreso. Las variables Sexo, Personas que viven en casa y Etnia son las menos representadas
por encontrarse cerca del origen. Persona que viven en casa, Sexo, Región y Educación se encuentra
fuertemente correlacionadas con la dimensión uno mientras que Retraso en pagos y Etnia con la segunda
dimensión.
Figura 3.
Correlación entre variables.
Fuente: Elaboración propia.
En la figura 4 se observa las categorías más similares en este caso las categorías seguridad
alimentaria, empleado Privado son similares. Mientras que seguridad e inseguridad alimentarias
moderada se encuentra correlacionadas negativamente. El nivel de educación, la edad y el sueldo
establecen un perfil similar.
Figura 4.
Asociación y relación entre categorías y variables de estudio.
Fuente: Elaboración propia.
TESLA Revista Científica ISSN: 2796-9320 11
https://doi.org/10.55204/trc.v3i1.e129
Finalmente, en la figura 5 se observa que las categorías mejor representadas son empleado
público, trabajo pandemia, perdida trabajo pandemia, posgrado, sueldos, mientras que las menos
representadas son inseguridad alimentaria severa, región sierra rural y etnia.
Figura 5. Representación de categorías y variables.
Fuente: Elaboración propia.
Este estudio proporciona la relación que existe entre los factores sociodemográficos y los niveles
de seguridad alimentaria en los hogares que participaron en la investigación. Los resultados más
importantes revelan que el 33.95% de hogares que participaron en el proceso padecen inseguridad
alimentaria Severa, tratándose de un porcentaje superior a los encontrados en estudios realizados en
México(Díaz-Carreño et al., 2019). Mientras que el 45.84% presenta Seguridad Alimentaria.
En este estudio se determinó que las personas de sexo femenino padecen un alto grado de
inseguridad alimentaria, estos resultados concuerdan con el análisis realizado por (Grimaccia &
Naccarato, 2022), donde realiza una comparación de las principales determinantes de la inseguridad
alimentaria con especial atención en el género, este aspecto se debe a que generalmente, las mujeres son
las encargadas en administrar la alimentación en el hogar y por consiguiente, perciben de ante mano la
falta de alimentos en el hogar antes que los otros miembros como esposo o hijos.
La reducción de ingresos en un hogar condiciona los niveles de seguridad alimentaria, en este
grupo de hogares, el 24.9% de las personas que sufrieron una reducción de ingresos se ubican en el
umbral de seguridad alimentarias Severa, este resultado se confirma con el estudio realizado por (Avila-
Arcos et al., 2021), señala que los hogares donde se presentó una reducción de sueldo y perdida de trabajo
padecieron inseguridad alimentaria. Debido a la situación económica de los hogares, una reducción de
sueldos impacta de forma directa en el consumo de alimentos.
Así mismo se encontró una relación importante entre la inseguridad alimentaria y los encuestados
que indicaron que son estudiantes, un hallazgo similar al estudio realizado en Texas, EE. UU.(Owens et
al., 2020) que incluyó 651 estudiantes y padecen inseguridad alimentaria por reducción de ingresos, en
Morales Caluña, E. R., & Carpio Arias, T. V. (2023). 12
https://doi.org/10.55204/trc.v3i1.e129
muchos casos, esto se debe a la limitada cantidad de recursos económicos que disponen los estudiantes,
los mismos que deben cubrir todas las necesidades de los estudiantes.
En este estudio se encontró que la inseguridad alimentaria está relacionada con el número de
personas que habitan en el hogar, datos similares se establecen en un estudio realizado por (Estrada
Restrepo et al., 2022) que analizo la información de 935 hogares y establece que a un mayor de número
de personas que habitan el hogar, las probabilidades de padecer inseguridad alimentaria son altas.
Así también se encontró una relación importante entre la pérdida de empleo y la inseguridad
alimentaria, un hallazgo similar con el estudio realizado por (Milovanska-Farrington, 2022), donde el
objetivo de estudio es determinar el impacto de la pérdida de empleo en la seguridad alimentaria. De igual
manera la reducción de ingresos se asocia con la inseguridad alimentaria, así lo corrobora (Onyango et
al., 2021), en su estudio que analiza la vulnerabilidad y seguridad alimentaria.
Con respecto a los factores sociodemográficos y su relación con los niveles de seguridad
alimentaria presento una asociación directa a partir de los estadísticos Chi cuadrado, V de Crammer,
Lambda, Gamma y D Somer, los mismo que permitieron medir el nivel de dependencia, asociación y
predicción de la variable ELCSA, estadísticos similares se utiliza en el estudio realizado por(Gajda &
Jeżewska-Zychowicz, 2020) para determinar la sensación de inseguridad alimentaria en un grupo de 762
personas. Las variables que mejor permite asociar y predecir los niveles de seguridad alimentaria son
Personas que viven en casa, Ingresos hogar, Ingresos en pandemia, Etnia y Perdida de trabajo
coincidiendo con los estudios realizado por (Cordero-Ahiman et al., 2021), que hace referencia las
variables que se relacionan con los niveles de seguridad alimentaria.
Con la finalidad de profundizar la asociación y dependencia que aportan las variables
sociodemográficas, se aplicó un Análisis de Correspondencia Múltiple (ACM) y se establece una
asociación entre estas variables, existen estudios similares que se aplican estas técnicas estadísticas para
establecer relación entre factores sociodemográficos y otros atributos (Raj & Mishra, 2020). En este
estudio se consideró 2 dimensiones principales que explican alrededor del 15% de la varianza de la
relación de las variables sociodemográficas con los niveles de seguridad alimentaria, estos resultados son
similares al estudio realizado por(Souza & Silva, 2020), que contempla el análisis de la seguridad
alimentaria en base al Programa de Alimentación Escolar.
4. CONCLUSIONES
Se establecieron las relaciones que existe entre los factores sociodemográficos y los niveles de
seguridad alimentaria a partir de una análisis descriptivo y multivariado. La inseguridad alimentaria leve
se relaciona directamente con la ocupación estudiante, el nivel de educación superior se relaciona
directamente con la seguridad alimentaria. La inseguridad alimentaria severa se asocia directamente con
el grupo etario entre 18 y 65 años, de igual manera presenta una asociación inversa con las personas
mayores que 65 años, personas que habitan en la amazonia rural y las personas afrodescendientes.
TESLA Revista Científica ISSN: 2796-9320 13
https://doi.org/10.55204/trc.v3i1.e129
El análisis descriptivo permitió identificar los niveles más altos de inseguridad alimentaria en
relación con los factores sociodemográficos como educación, etnia, región. La clasificación de los
factores sociodemográficos en variables nominales y ordinales permite identificar estadísticamente el
nivel de asociación y predicción de los factores sociodemográficos con los niveles de seguridad
alimentaria (ELCSA).
Las variables ordinales Ingresos hogar, Número de personas que habitan en casa e Ingresos
pandemia se asocian positivamente con los niveles de inseguridad alimentaria, alrededor del 54% de los
hogares que participaron en el estudio presentan un nivel de inseguridad alimentaria.
Las variables ordinales, Perdida de trabajo y Etnia presenta una asociación directa con los niveles
de inseguridad alimentaria, alrededor del 29% de los hogares encuestados padecen inseguridad
alimentaria Severa.
Se utilizaron las técnicas de análisis multivariado Chi cuadrado y análisis de correspondencias
múltiples (ACM), debido a que estas técnicas buscan establecer la relación entre dos o más variables
categóricas, por este motivo se descartaron la utilización de otras técnicas multivariadas.
Finalmente se recomienda profundizar los estudios acerca de la seguridad alimentaria por
considerarse un problema que afecta a un gran segmento de la población mundial.
FINANCIACIÓN
Los autores no recibieron financiación para el desarrollo de la presente investigación.
CONFLICTO DE INTERESES
Los Autores declaran que no existe conflicto de intereses
CONTRIBUCIÓN DE AUTORÍA
En concordancia con la taxonomía establecida internacionalmente para la asignación de créditos a autores de artículos
científicos (https://credit.niso.org/). Los autores declaran sus contribuciones en la siguiente matriz:
MORALWES E.
CARPIO A.
Participar activamente en:
Conceptualización
X
X
Análisis formal
X
X
Adquisición de fondos
X
Investigación
X
X
Metodología
X
X
Administración del proyecto
X
X
Recursos
X
X
Redacción –borrador original
X
X
Redacción –revisión y edición
X
X
La discusión de los resultados
X
X
Revisión y aprobación de la versión final del trabajo.
X
X
RECONOCIMIENTO A REVISORES:
La revista reconoce el tiempo y esfuerzo del editor Juan Carlos Santillán Lima, y de revisores
anónimos que dedicaron su tiempo y esfuerzo en la evaluación y mejoramiento del presente artículo.
REFERENCIAS
Alijla, M. S. S. (2021). Deep Learning for Classifying Types of Onion using Google Colab. International
Journal of Academic Engineering Research, 5(1).
Morales Caluña, E. R., & Carpio Arias, T. V. (2023). 14
https://doi.org/10.55204/trc.v3i1.e129
Amaya Cedrón, L. A. (2019). Prueba chi-cuadrado en la estadística no paramétrica. Ciencias, 1(1).
https://doi.org/10.33326/27066320.2017.1.829
Anfara, V. A. (2008). The Sage Encyclopedia of Qualitative Research Methods: Theoretical Frameworks.
In The SAGE Encyclopedia of Research Methods.
Avila-Arcos, M. A., Humaran, I. M. G., Morales-Ruan, M. del C., Lopez-Olmedo, N., Barrientos-
Gutierrez, T., & Shamah-Levy, T. (2021). La inseguridad alimentaria y factores asociados en
hogares mexicanos con casos de Covid-19. Salud Publica de Mexico, 63(6).
https://doi.org/10.21149/13026
Ayaviri-Nina, D., Quispe-Fernández, G., Romero-Flores, M., & Fierro-López, P. (2016). Avances y
progresos de las políticas y estrategias de seguridad alimentaria en Ecuador. Revista de
Investigaciones Altoandinas - Journal of High Andean Research, 18(2).
https://doi.org/10.18271/ria.2016.202
Battersby, J., & Haysom, G. (2020). Urban Food Security (pp. 251–263). https://doi.org/10.1007/978-3-
030-25369-1_16
Burgos, G. H. P., Soledispa, V. B. S., Almeida, P. A. A., López, J. S. C., & Vera, G. de J. N. (2021).
Revisión a la seguridad alimentaria en el ecuador. South Florida Journal of Development, 2(2).
https://doi.org/10.46932/sfjdv2n2-157
Carmona Silva, J. L. (2022). Validación cualitativa de la escala latinoamericana y caribeña sobre
seguridad alimentaria (ELCSA): Caso San Felipe Cuapexco, Puebla / Qualitative validation of the
Latin American and Caribbean scale on food security (ELCSA): Case of San Felipe Cuapexco,
Puebla. Revista Trace, 81, 181. https://doi.org/10.22134/trace.81.2022.778
Carmona Silva, J. L., Paredes Sánchez, J. A., & Pérez Sánchez, A. (2017). La Escala Latinoamericana y
del Caribe sobre Seguridad Alimentaria (ELCSA): Una herramienta confiable para medir la
carencia por acceso a la alimentación. RICSH Revista Iberoamericana de Las Ciencias Sociales y
Humanísticas, 6(11). https://doi.org/10.23913/ricsh.v6i11.118
Cordero-Ahiman, O. V., Vanegas, J. L., Franco-Crespo, C., Beltrán-Romero, P., & Quinde-Lituma, M. E.
(2021). Factors that determine the dietary diversity score in rural households: The case of the paute
river basin of azuay province, ecuador. International Journal of Environmental Research and Public
Health, 18(4), 1–16. https://doi.org/10.3390/ijerph18042059
Cubana de Alimentación Nutrición, R., Ejecutiva, D., Gallegos Espinosa, S., Villacreses, S., Gallegos
Espinosa, S., Chico, P., & Santillán, E. (2017). Reporte Especial Estado alimentario y nutricional de
las comunidades originarias y campesinas de la región central del ecuador. RCAN Rev Cubana
Aliment Nutr, 1(1), 1561–2929. http://www.issandes.org/.
Díaz-Carreño, M. Á., Sánchez-Cándido, L. V., & Herrera Rendón-Nebel, M. T. (2019). La inseguridad
alimentaria severa en los estados de México: Un análisis a partir del enfoque de las capacidades
2008-2014. Estudios Sociales. Revista de Alimentación Contemporánea y Desarrollo Regional,
29(53). https://doi.org/10.24836/es.v29i53.684
el Zein, A., Shelnutt, K. P., Colby, S., Vilaro, M. J., Zhou, W., Greene, G., Olfert, M. D., Riggsbee, K.,
Morrell, J. S., & Mathews, A. E. (2019). Prevalence and correlates of food insecurity among U.S.
college students: A multi-institutional study. BMC Public Health, 19(1).
https://doi.org/10.1186/s12889-019-6943-6
Estrada Restrepo, A., Giraldo Giraldo, N. A., & Deossa Restrepo, G. C. (2022). Inseguridad alimentaria
en hogares donde habitan adultos mayores. Medellín, Colombia. Revista Facultad Nacional de
Salud Pública, 40(1). https://doi.org/10.17533/udea.rfnsp.e342583
TESLA Revista Científica ISSN: 2796-9320 15
https://doi.org/10.55204/trc.v3i1.e129
FAO. (2021). El estado de la seguridad alimentaria y la nutrición en el mundo 2021. In El estado de la
seguridad alimentaria y la nutrición en el mundo 2021. FAO. https://doi.org/10.4060/cb4474es
FAO, IFAD, & UNICEF. (2020). El estado de la seguridad alimentaria y la nutrición en el mundo 2020.
In El estado de la seguridad alimentaria y la nutrición en el mundo 2020. FAO, IFAD, UNICEF,
WFP and WHO. https://doi.org/10.4060/ca9692es
Gajda, R., & Jeżewska-Zychowicz, M. (2020). Elderly perception of distance to the grocery store as a
reason for feeling food insecurity—can food policy limit this? Nutrients, 12(10), 1–18.
https://doi.org/10.3390/nu12103191
González-Galarzo, M. C., Ronda, E., Benavides, F. G., & García, A. M. (2019). Factores
sociodemográficos y laborales relacionados con la exposición laboral a riesgos psicosociales por
ocupación en España. Proyecto MatEmESp. Archivos de Prevención de Riesgos Laborales, 22(3).
https://doi.org/10.12961/aprl.2019.22.03.2
Gries, S. Th. (2021). Statistics for Linguistics with R. In Statistics for Linguistics with R.
https://doi.org/10.1515/9783110718256
Grimaccia, E., & Naccarato, A. (2022). Food Insecurity in Europe: A Gender Perspective. Social
Indicators Research, 161(2–3), 649–667. https://doi.org/10.1007/s11205-020-02387-8
Hampton, T. (2007). Food insecurity harms health, well-being of millions in the United States. In JAMA
(Vol. 298, Issue 16). https://doi.org/10.1001/jama.298.16.1851
Herrero Machancoses, F. (2018). Conceptos básicos de estadística. In Guía básica de Investigación
Clínica.
Huffman, C., & Nájera, H. (2022). On distinguishing food insecurity levels with the Latin American and
Caribbean Food Security Scale. Quality and Quantity. https://doi.org/10.1007/s11135-022-01346-4
Laska, M. N., Lenk, K., Lust, K., McGuire, C. M., Porta, C. M., & Stebleton, M. (2021).
Sociodemographic and health disparities among students screening positive for food insecurity:
Findings from a large college health surveillance system. Preventive Medicine Reports, 21.
https://doi.org/10.1016/j.pmedr.2020.101297
Milovanska-Farrington, S. (2022). Job loss and food insecurity during the Covid-19 pandemic. Journal of
Economic Studies. https://doi.org/10.1108/JES-08-2021-0400
Murrell, A., & Jones, R. (2020). Measuring food insecurity using the food abundance index: Implications
for economic, health and social well-being. International Journal of Environmental Research and
Public Health, 17(7). https://doi.org/10.3390/ijerph17072434
Núñez-Rodríguez, J. (2021). Educación para el cambio climático: ¿Por qué formar para afrontar la
incertidumbre, vulnerabilidad y complejidad ambiental? Revista Electrónica Educare, 25(2), 1–12.
https://doi.org/10.15359/ree.25-2.28
Odunitan-Wayas, F. A., Faber, M., Mendham, A. E., Goedecke, J. H., Micklesfield, L. K., Brooks, N. E.,
Christensen, D. L., Gallagher, I. J., Myburgh, K. H., Hunter, A. M., & Lambert, E. v. (2021). Food
security, dietary intake and foodways of urban low-income older south african women: An
exploratory study. International Journal of Environmental Research and Public Health, 18(8).
https://doi.org/10.3390/ijerph18083973
Onyango, E. O., Crush, J., & Owuor, S. (2021). Preparing for COVID-19: Household food insecurity and
vulnerability to shocks in Nairobi, Kenya. PLoS ONE, 16(November).
https://doi.org/10.1371/journal.pone.0259139
Morales Caluña, E. R., & Carpio Arias, T. V. (2023). 16
https://doi.org/10.55204/trc.v3i1.e129
Owens, M. R., Brito-Silva, F., Kirkland, T., Moore, C. E., Davis, K. E., Patterson, M. A., Miketinas, D.
C., & Tucker, W. J. (2020). Prevalence and social determinants of food insecurity among college
students during the COVID-19 pandemic. Nutrients, 12(9). https://doi.org/10.3390/nu12092515
Pardo, C. E. (2020). Estadística descriptiva multivariada. In Estadística descriptiva multivariada.
Universidad Nacional de Colombia Facultad de Ciencias. https://doi.org/10.36385/fcbog-5-0
Raccanello, K. (2021). Vista de Inseguridad alimentaria, sobrepeso y obesidad en la Ciudad de México.
Cieap/Uaem L, 1, 239–264. https://rppoblacion.uaemex.mx/article/view/12454/11710
Raj, S., & Mishra, B. B. (2020). Socio-Demographic Factor and Selected Buying Behavioral Attributes of
Purchasing Convenience Food: Multiple Correspondence Analyses to Explore the Relationship.
Parikalpana: KIIT Journal of Management, 16(1 & 2), 84. https://doi.org/10.23862/kiit-
parikalpana/2020/v16/i1-2/204559
Rivoir, A. (2019). Personas mayores y tecnologías digitales. In Tecnologías digitales.
https://doi.org/10.2307/j.ctvt6rmh6.6
Santos, P. H. A., & Martins, R. A. (2021). Sistemas de medição de desempenho e desperdício de
alimentos: revisão sistemática da literatura. Revista de Administração de Empresas, 61(5).
https://doi.org/10.1590/s0034-759020210505
Souza, I., & Silva, V. S. (2020). Food Insecurity and National School Feeding Program in Brazil – 2004
to 2013. European Journal of Public Health, 30(Supplement_5).
https://doi.org/10.1093/eurpub/ckaa166.247
Tanaka, V. T., Engelhard, G., & Rabbitt, M. P. (2020). Using a Bifactor Model to Measure Food
Insecurity in Households with Children. Journal of Family and Economic Issues, 41(3).
https://doi.org/10.1007/s10834-020-09686-9
Tinuco, S., Flores, E., Calderón, A., & Vargas, B. (2018). Gasto Público Vs Línea de pobreza humana.
Investigación & Negocios, 11.
Torres, A. (2014). Relación del perímetro abdominal y la glicemia basal en los pacientes adultos con
sindrome metbólico atendidos en consulta externa de nutrición del hospital II EsSalud – Chocope.
Revista Cientifica, 2(2).
Willows, N. D., Veugelers, P., Raine, K., & Kuhle, S. (2009). Prevalence and sociodemographic risk
factors related to household food security in Aboriginal peoples in Canada. Public Health Nutrition,
12(8). https://doi.org/10.1017/S1368980008004345