Universidad del Zulia (LUZ)

Revista Venezolana de Gerencia (RVG)

Año 31 No. Especial 15, 2026, e31e1530

Enero-Junio

ISSN 1315-9984 / e-ISSN 2477-9423

Como citar: Meza, A. K., Moya, G. F., Zurita, S. X., y García, M. D. (2026). Distribución del ingreso y desarrollo rural en el cantón Simón Bolívar. Revista Venezolana De Gerencia, 31(Especial 15), e31e1530. https://doi.org/10.52080/rvgluz.31.e15.30

Distribución del ingreso y desarrollo rural en el cantón Simón Bolívar

Meza Nieto, Anggie Katherine*

Moya Castillo, Galo Fernando**

Zurita Vargas, Stalin Xavier***

García García, María Daniela****

Resumen

Parte primordial para el desarrollo de una localidad son las oportunidades de trabajo y los niveles de ingreso a los cuales tenga acceso una población, y para el caso del sector rural del cantón Simón Bolívar es muy común que los principales aspectos sobre los que se establezca una brecha correspondan al grado de pobreza, el acceso a servicios, trabajo, vivienda, educación, entre otros. Bajo esta perspectiva, en el presente trabajo se busca analizar cómo la distribución del ingreso puede influir en el desarrollo de los recintos de la zona rural del cantón Simón Bolívar, considerando las distintas fuentes laborales a las que tienen acceso las personas y aspectos relacionados, por lo cual se efectuará el modelo econométrico de regresión logística ordinal, y así poder identificar qué estrategias pueden ser implementadas para poder mitigar esta situación. Los resultados indican que aspectos como el ingreso por actividad bajo dependencia, el ingreso por actividad autónoma, el acceso a infraestructura vial y el acceso a educación han impactado en mayor medida sobre el desarrollo de la población rural del cantón Simón Bolívar, lo cual demandaría una mejor asignación de recursos para impulsar la educación, mejorar las condiciones laborales y promulgar proyectos de construcción.

Palabras clave: ingreso laboral; educación; infraestructura; desarrollo rural.

Recibido: 16.02.26 Aceptado: 09.04.26

* Máster en Dirección y Gestión Financiera. Docente. Universidad Agraria del Ecuador, Ecuador. Email: ameza@uagraria.edu.ec ORCID: https://orcid.org/0009-0004-9861-4955

** Magíster en Finanzas y Economía Empresarial. Docente. Universidad Agraria del Ecuador, Ecuador. Email: gmoya@uagraria.edu.ec ORCID: https://orcid.org/0009-0006-8872-3570

*** Magíster en Desarrollo Económico Rural. Docente. Universidad Agraria del Ecuador, Ecuador. Email: szurita@uagraria.edu.ec ORCID: https://orcid.org/0009-0008-1770-9776

**** Magíster en Gerencia Educativa. Docente. Universidad Agraria del Ecuador, Ecuador. Email: mgarcia@uagraria.edu.ec ORCID: https://orcid.org/0009-0001-0852-2597

Income Distribution and Rural Development in the Simon Bolivar canton

Abstract

A fundamental part of the development of a town are the job opportunities and the income levels to which a population has access, and in the case of the rural sector of the Simón Bolívar canton, it is very common that the main aspects on which a gap is established correspond to the degree of poverty, access to services, work, housing, education, among others. From this perspective, this work seeks to analyze how income distribution can affect the development of the precincts of the rural area of the Simón Bolívar canton, considering the different sources of employment to which people have access and related aspects, for which the econometric model of ordinal logistic regression will be carried out, in order to identify what strategies can be implemented to mitigate this situation. The results indicate that aspects such as income from dependent activity, income from self-employment, access to road infrastructure and access to education have had a greater impact on the development of the rural population of the Simón Bolívar canton, which would require a better allocation of resources to promote education, improve working conditions, and implement construction projects.

Keywords: labor income; education; infrastructure; rural development.

1. Introducción

Parte del desarrollo de una localidad son las oportunidades de trabajo y los niveles de ingreso a los cuales tenga acceso una población (Guamán, 2022; Hikmat, 2024; Jackson, 2021; Liu, 2024). Para el caso de la parroquia rural Coronel Lorenzo de Garaicoa del cantón Simón Bolívar, es muy común que los principales aspectos sobre los que se establece una brecha correspondan al grado de pobreza (Ruja et al., 2024), el acceso a servicios (Gizaw et al., 2022), trabajo (De Janvry et al., 2020), vivienda (Ahmadi et al., 2022), educación (Sowl et al., 2022), entre otros; lo mismo que termina repercutiendo en la percepción de desarrollo de cada uno de los recintos (Patiño y Valiente, 2023).

Con el paso de las décadas, es evidente el avance en la producción rural y la inversión en infraestructura; no obstante, existen grandes diferencias referentes al nivel de ingreso percibido por los trabajadores (Esquivel, 2021). La existencia persistente de este desequilibrio establece una limitante respecto a las oportunidades de desarrollo que puedan ser aprovechadas por los pobladores rurales (Addai et al., 2024), debido a que la lógica indica que, a ingresos mayores, ellos pueden optar por un progreso sostenido (Zhao et al., 2022), porque es posible cumplir con las necesidades importantes, pero bajo este escenario donde la distribución del ingreso no logra ser justa, puede generar un descontento entre los pobladores del sector (Ghosh et al., 2023).

Producto de esta situación, en el presente trabajo se busca se busca analizar cómo la distribución del ingreso puede influir en el desarrollo de los recintos de la zona rural del cantón Simón Bolívar, considerando a las distintas fuentes laborales a las que tienen acceso las personas y demás aspectos relacionados, por lo cual se efectuará el modelo econométrico de regresión logística ordinal, y así poder identificar qué estrategias pueden ser implementadas para poder mitigar esta situación.

2. Contrastes entre el desarrollo rural y la distribución del ingreso

Sano et al. (2021) y Florez Vaquiro (2021) coinciden en que el desarrollo en las áreas rurales está directamente relacionado con la distribución del ingreso, la calidad de vida de las familias y las condiciones del entorno (Sano et al., 2021; Florez, 2021). En investigaciones como las de Palmisano, Biagi y Peragine (2022), Coley et al. (2024) y Zhang Y. (2025) se destaca este sentido, que la pobreza en el ámbito rural, la falta de seguridad financiera y la inestabilidad laboral afectan la cohesión familiar y disminuyen las posibilidades de avance, sobre todo en familias que dependen más económicamente y que tienen un bajo grado de educación (Palmisano et al., 2022; Coley et al., 2024; Zhang Y., 2025). Asimismo, Zhang W. (2022) indica que un aumento en los ingresos y unas redes de apoyo social más sólidas se vinculan de forma favorable con el bienestar subjetivo de quienes viven en el medio rural. (Zhang W., 2022)

Autores como Román et al. (2020) enfatizan que la diversificación de actividades es una estrategia clave para mantener el crecimiento rural y disminuir la vulnerabilidad económica (Román-Montesdeoca et al., 2020). De manera similar, Merino-Murillo, Mora-Alvarado y Jiménez-Benítez (2022) destacan. Por ello se destaca la importancia del emprendimiento como un impulsor del empleo y de la estabilidad económica en la comunidad local (Merino-Murillo et al., 2022), mientras que Calatayud et al. (2021) demuestran que el turismo rural también puede aumentar los ingresos familiares y ayudar a mitigar el despoblamiento (Calatayud et al., 2021). En conjunto, estas investigaciones sugieren que el desarrollo en el ámbito rural no solo depende de los ingresos directos, sino también de la capacidad del área para crear actividades económicas sostenibles y complementarias.

Por otro lado, el desarrollo rural también depende de aspectos institucionales y de políticas públicas. Según Xiong et al. (2022), la implementación de nuevos mecanismos financieros, junto con una regulación y supervisión adecuadas, puede impulsar la recuperación económica de las áreas rurales. Esta perspectiva se conecta con investigaciones como las de Correa et al. (2023), Mashanova, Kurmanova y Urazova (2023) y Sete Wereta y Ahmed (2024). Así mismo, se resaltan la relevancia de la infraestructura, la educación, el apoyo social y la implicación de la comunidad como elementos fundamentales para disminuir las desigualdades territoriales y promover el desarrollo local (Correa et al., 2023; Mashanova et al., 2023; Sete Wereta y Ahmed, 2024).

Sin embargo, la relación entre los ingresos y el desarrollo no siempre sigue un patrón lineal. En Ríos Obando et al. (2023) señalan que, en áreas rurales, la movilidad social no está determinada únicamente por el trabajo, la educación o los ingresos mensuales, lo que requiere una evaluación del desarrollo rural desde una óptica que contemple múltiples dimensiones (Ríos Obando et al., 2023). Del mismo modo, Morales, Martínez y Gómez (2022) indican que, considerando también la exclusión sistemática de ciertos grupos, como las mujeres en el ámbito rural, puede continuar existiendo a pesar de que haya medidas de apoyo o posibilidades de migración (Morales et al., 2022). Por lo tanto, el desarrollo en el medio rural debe ser visto como el producto de la interacción entre ingresos, opciones productivas, infraestructura, redes de protección social y un contexto territorial más amplio.

3. Diseño metodológico para la construcción del modelo

Para poder se busca analizar cómo la distribución del ingreso puede influir en el desarrollo de los recintos de la zona rural del cantón Simón Bolívar se emplea una metodología cuantitativa de tipo deductiva y explicativa considerando el modelo de Regresión Logística Ordinal. Este modelaje econométrico es válido cuando la variable dependiente es ordinal, es decir, se conforma por categorías (Lelisho et al, 2022; Fullerton y Anderson, 2023).

La utilidad del modelo se basa en el cálculo de la probabilidad en que la influencia de las variables predictoras genere un cambio de categoría en la variable predicha respecto a las observaciones de la muestra, en otras palabras, se busca minimizar las diferencias de la sumatoria de los cuadrados entre la variable dependiente y las variables independientes (Abera et al, 2021; Habib et al, 2022).

La fórmula del modelo de Regresión Logística Ordinal es la siguiente:

(Ecuación 1)

Donde:

• es la probabilidad de que la variable dependiente integre alguna de sus categorías

•Yi es la variable dependiente.

•X1i es la variable independiente asociada a un individuo i.

•X2i es la segunda variable independientes asociada a un individuo i.

•Xni hace referencia al número de variables independientes que integran el modelo, asociadas a un individuo i.

•β0 es el intercepto o la constante del modelo.

•β1,β2,βn representan a los coeficientes que cuantifican la relación entre las variables, además, de establecer la probabilidad de que la variable independiente integre una categoría determinada.

En adición, fue diseñada una encuesta y aplicado el muestreo por conveniencia a 66 habitantes de la zona. El análisis de los datos y elaboración del modelo se lo realizó mediante el uso del programa SPSS. Cabe mencionar que para efectos del trabajo de investigación fueron consideradas variables como el nivel de desarrollo (ND), la actividad económica bajo dependencia (AEBD), ingresos en relación de dependencia (IBD), ingresos autónomos (IAA), la actividad económica de forma autónoma (AEFA), gastos del hogar (GH), acceso a educación (AE), instituciones educativas en la zona (IEZ), acceso a infraestructura vial (AIV), tipo de seguro (TS), tipo de contrato (TC), y jornada laboral (JL).

4. Estimación del modelo de regresión logística ordinal

Para conseguir la mejor estimación fueron establecidos 3 modelos en total, y para decidir el que mejor se ajusta para el objetivo del estudio se consideraron tres parámetros tales como: el test de verosimilitud, la justificación teórica, y el principio de parsimonia. Se determinó el modelo más adecuado para la relación, a partir de la comparativa entre cada modelo reducido con el modelo completo.

El test de verosimilitud es útil para definir cuáles de los modelos presenta un mejor ajuste, siendo en este caso el modelo reducido 2 como se observa en la Tabla 1, con un LR de 9,27, y un valor p mayor a 0,05 descartando al modelo completo, asimismo al comparar los dos modelos reducidos el valor p también está a favor del modelo reducido 2.

Tabla 1

Test de Verosimilitud

Comparativa

Test de Verosimilitud

Valor p

Modelo completo - Modelo reducido 1

LR chi2(5) = 8,67

0,1231

Modelo completo - Modelo reducido 2

LR chi2(7) = 9,27

0,2337

Modelo reducido 1 - Modelo reducido 2

LR chi2(2) = 0,60

0,7390

Considerando la justificación teórica, en la revisión de estudios previos, el ingreso de la población es un indicativo fundamental clave para el desarrollo, guardando relación directa con la actividad laboral que las personas desempeñan; asimismo, el nivel de gastos que se pueden permitir los hogares acordes a sus ingresos es una situación que se tiene muy en cuenta. Además, el acceso a la educación de la población resulta ser un factor muy arraigado a zonas desarrolladas, dada la concepción de que una preparación más avanzada en los estudios puede contribuir a una mejoría económica.

La inversión en infraestructura se evidencia con la variable de acceso a infraestructura vial, útil para que las personas tengan facilidades de acceso y movilización entre zonas, entre otras obras que puedan impulsar su bienestar; el tipo de seguro también es una oportunidad para que las personas puedan optar por mejores servicios de salud y, por último, el tipo de contrato es un aspecto directamente relacionado con la capacidad de generar mejores ingresos.

Siguiendo con los aspectos de selección, el principio de parsimonia especificado al momento de ir reduciendo la cantidad de variables, pasando de un modelo completo con un total de 12 variables en total con estadísticos que no indicaban un buen ajuste, a un modelo con 8 variables con estadísticos que brindan un mejor soporte al modelo propuesto al final.

EL modelo de regresión logística ordinal detallado en la Tabla 2 demuestra un estadístico de razón de verosimilitud (LR) de 43,79, con un valor p menor al 5%, deduciendo que en el modelo las variables predictoras tienen un efecto significativo sobre la variable dependiente ND. Asimismo, el pseudo R2 demuestra que el modelo en conjunto logra explicar el 27,95% de la varianza de la variable dependiente; sin embargo, para este tipo de modelos, es común que este indicador sea bajo, porque su interpretación es un tanto diferente respecto al R2 normal.

Tabla 2

Regresión logística ordinal

Number of obs

66

LR chi2(16)

43,79

Prob > chi2

0

Log likelihood = -56,43

Pseudo R2

0,2795

ND

Coefficient

Std. err.

z

P>|z|

[95% conf. interval]

IBD

1

2,142

1,591

1,350

0,178

-0,976

5,260

2

2,686

1,706

1,570

0,115

-0,659

6,031

3

4,812

2,065

2,330

0,020

0,764

8,859

IAA

1

-0,184

0,965

-0,190

0,849

-2,076

1,708

2

2,860

1,919

1,490

0,136

-0,903

6,622

3

8,551

2,379

3,590

0,000

3,887

13,214

GH

2

0,034

0,697

0,050

0,961

-1,332

1,400

3

-2,784

1,506

-1,850

0,064

-5,736

0,167

1. AE

18,002

1.721,404

0,010

0,992

-3.355,888

3.391,892

1. AIV

1,597

0,656

2,440

0,015

0,312

2,883

TS

1

-1,140

1,738

-0,660

0,512

-4,546

2,266

2

1,467

0,643

2,280

0,023

0,207

2,727

1. TC

4,269

3,105

1,370

0,169

-1,817

10,356

/cut1

20,686

1.721,405

-3.353,206

3.394,578

/cut2

23,259

1.721,405

-3.350,634

3.397,152

/cut3

27,638

1.721,406

-3.346,256

3.401,532

Respecto a los coeficientes, estos representan a la probabilidad acumulada (log-odds) de que ocurra un cambio en la variable dependiente a partir de una unidad de cambio de las variables independientes, acompañado al mismo tiempo del valor p que mide el nivel de significancia de los coeficientes, de los cuales se interpreta lo siguiente:

•En caso de que la variable ingreso por actividad bajo dependencia (IBD) sea mayor al salario básico (3), se da un efecto positivo, y ocurre un 4,81% de probabilidad de que el nivel de desarrollo sea superior, esto se refuerza al observar que su valor p es 0,02, el cual es altamente significativo.

•Respecto a la variable ingreso por actividad autónoma (IAA) sea mayor al salario básico (3), se da un efecto positivo, y ocurre un 8,55% de probabilidad de que el nivel de desarrollo sea superior, esto se refuerza al observar que su valor p es 0,00, el cual es altamente significativo.

•Las personas al tener acceso a infraestructura vial (AIV), produce un efecto positivo, y ocurre un 1,60% de probabilidad de que el nivel de desarrollo sea superior, esto se refuerza al observar que su valor p es 0,015, el cual es altamente significativo.

•Las personas que logran tener un tipo de seguro (TS) en este caso campesino (2), ocasionan un efecto positivo, generando un 1,47% de probabilidad de que el nivel de desarrollo sea superior, esto se refuerza al observar que su valor p es 0,023, el cual es altamente significativo.

•Los gastos del hogar (GH) que se encuentren por encima de un salario básico al mes (3), ocasionan un efecto negativo, generando un 2,78% de probabilidad de que el nivel de desarrollo sea vea reducido, esto se refuerza al observar que su valor p es 0,064, el cual es significativo.

Respecto al acceso a la educación (AE), se encuentra que la variable no presenta significancia estadística, lo cual puede ser atribuible a una situación de multicolinealidad, y partiendo del punto de que la multicolinealidad se refiere al grado de correlación entre variables independientes, y no a una relación causal en sí, es válido que se conserve la variable AE en el modelo; además, es relevante dentro del marco de la investigación, ya que el acceso a una educación de mejor calidad y nivel es normal que sea considerado como uno de los aspectos a analizar cuando se infiere sobre el desarrollo de una localidad.

En la tabla 3 se muestran los efectos marginales de las categorías de las variables independientes para cada una de las categorías que conforman la escala ordinal de la variable dependiente, de lo cual se puede interpretar lo siguiente:

Tabla 3

Efectos marginales promedios

Delta-method

dy/dx

std. err.

z

P>z

[95% conf. interval]

0.IBD

(base outcome)

1.IBD

_predict

1

-0,315

0,191

-1,650

0,099

-0,689

0,059

2

0,153

0,132

1,160

0,246

-0,106

0,411

3

0,135

0,056

2,420

0,015

0,026

0,243

4

0,027

0,029

0,950

0,341

-0,029

0,084

2.IBD

_predict

1

-0,392

0,205

-1,910

0,056

-0,794

0,010

2

0,165

0,137

1,210

0,228

-0,103

0,433

3

0,188

0,070

2,680

0,007

0,051

0,326

4

0,039

0,040

0,980

0,326

-0,039

0,116

3.IBD

_predict

1

-0,585

0,191

-3,060

0,002

-0,959

-0,210

2

0,043

0,169

0,250

0,801

-0,289

0,374

3

0,422

0,134

3,160

0,002

0,160

0,684

4

0,120

0,088

1,360

0,174

-0,053

0,292

0.IAA

(base outcome)

1.IAA

_predict

1

0,029

0,157

0,190

0,851

-0,279

0,338

2

-0,009

0,054

-0,170

0,863

-0,115

0,096

3

-0,019

0,098

-0,190

0,846

-0,211

0,173

4

-0,001

0,006

-0,200

0,841

-0,013

0,010

2.IAA

_predict

1

-0,308

0,123

-2,500

0,012

-0,549

-0,066

2

-0,126

0,141

-0,890

0,372

-0,401

0,150

3

0,364

0,162

2,250

0,025

0,046

0,683

4

0,069

0,113

0,600

0,546

-0,154

0,291

3.IAA

_predict

1

-0,395

0,088

-4,500

0,000

-0,567

-0,223

2

-0,380

0,079

-4,820

0,000

-0,534

-0,225

3

-0,019

0,153

-0,120

0,903

-0,319

0,282

4

0,794

0,163

4,860

0,000

0,473

1,114

1.GH

(base outcome)

2.GH

_predict

1

-0,005

0,098

-0,050

0,961

-0,198

0,188

2

0,000

0,008

0,050

0,961

-0,015

0,016

3

0,004

0,075

0,050

0,961

-0,143

0,150

4

0,001

0,016

0,050

0,961

-0,030

0,031

3.GH

_predict

1

0,416

0,178

2,340

0,019

0,068

0,764

2

-0,204

0,125

-1,630

0,103

-0,448

0,041

3

-0,175

0,068

-2,590

0,010

-0,308

-0,042

4

-0,037

0,024

-1,560

0,120

-0,084

0,010

0.AE

(base outcome)

1.AE

_predict

1

-0,689

0,047

-14,750

0,000

-0,781

-0,598

2

0,398

0,057

6,920

0,000

0,285

0,510

3

0,262

0,047

5,510

0,000

0,169

0,355

4

0,030

0,016

1,890

0,059

-0,001

0,061

0.AIV

(base outcome)

1.AIV

_predict

1

-0,258

0,106

-2,420

0,015

-0,466

-0,049

2

0,058

0,053

1,090

0,277

-0,046

0,163

3

0,178

0,071

2,530

0,012

0,040

0,317

4

0,021

0,012

1,730

0,083

-0,003

0,045

0.TS

(base outcome)

1.TS

_predict

1

0,197

0,304

0,650

0,517

-0,399

0,793

2

-0,100

0,204

-0,490

0,623

-0,499

0,299

3

-0,082

0,085

-0,960

0,335

-0,250

0,085

4

-0,015

0,022

-0,680

0,498

-0,057

0,028

2.TS

_predict

1

-0,198

0,075

-2,640

0,008

-0,346

-0,051

2

-0,020

0,045

-0,430

0,666

-0,109

0,069

3

0,189

0,089

2,130

0,033

0,015

0,364

4

0,029

0,019

1,490

0,135

-0,009

0,066

0.TC

(base outcome)

1.TC

_predict

1

-0,298

0,067

-4,440

0,000

-0,429

-0,166

2

-0,294

0,197

-1,490

0,135

-0,679

0,092

3

0,363

0,172

2,110

0,035

0,026

0,701

4

0,228

0,369

0,620

0,536

-0,494

0,951

•Si una persona obtiene un ingreso por actividad bajo dependencia (IBD) menor al salario básico (1), disminuye las posibilidades de que el nivel de desarrollo del sector sea muy bajo en un 31,5%, aunque esta relación es estadísticamente significativa al nivel de 10%.

•Si una persona obtiene un ingreso por actividad bajo dependencia (IBD) menor al salario básico (1), aumenta las posibilidades de que el nivel de desarrollo del sector sea medio en un 13,5%, además de que la relación resulta ser significativa al 5%.

•Si una persona obtiene un ingreso por actividad bajo dependencia (IBD) igual al salario básico (2), disminuye las posibilidades de que el nivel de desarrollo del sector sea muy bajo en un 39,2%, aunque esta relación es estadísticamente significativa al nivel de 10%.

•Si una persona obtiene un ingreso por actividad bajo dependencia (IBD) igual al salario básico (2), aumenta las posibilidades de que el nivel de desarrollo del sector sea medio en un 18,8%, además de que la relación resulta ser significativa al 5%.

•Si una persona obtiene un ingreso por actividad bajo dependencia (IBD) superior al salario básico (3), reduce las posibilidades de que el nivel de desarrollo del sector sea muy bajo en un 58,5%, además de que la relación resulta ser muy significativa al 5%.

•Si una persona obtiene un ingreso por actividad bajo dependencia (IBD) superior al salario básico (2), aumenta las posibilidades de que el nivel de desarrollo del sector sea medio en un 42,2%, además de que la relación resulta ser significativa al 5%.

•Si una persona obtiene un ingreso por actividad autónoma (IAA) similar al salario básico (2), reduce las posibilidades de que el nivel de desarrollo del sector sea muy bajo en un 30,8%, además de que la relación resulta ser significativa al 5%.

•Si una persona obtiene un ingreso por actividad autónoma (IAA) similar al salario básico (2), incrementa las posibilidades de que el nivel de desarrollo del sector sea medio en un 36,4%, además de que la relación resulta ser significativa al 5%.

•Si una persona obtiene un ingreso por actividad autónoma (IAA) mayor al salario básico (3), reduce las posibilidades de que el nivel de desarrollo del sector sea muy bajo en un 39,5%, además de que la relación resulta ser significativa al 5%.

•Si una persona obtiene un ingreso por actividad autónoma (IAA) mayor al salario básico (3), reduce las posibilidades de que el nivel de desarrollo del sector sea bajo en un 38%, además de que la relación resulta ser significativa al 5%.

•Si una persona obtiene un ingreso por actividad autónoma (IAA) mayor al salario básico (3), reduce las posibilidades de que el nivel de desarrollo del sector sea bajo en un 38%, además de que la relación resulta ser significativa al 5%.

•Si una persona obtiene un ingreso por actividad autónoma (IAA) mayor al salario básico (3), aumenta las posibilidades de que el nivel de desarrollo del sector sea medio alto en un 79,4%, además de que la relación resulta ser significativa al 5%.

•Si una persona tiene gastos del hogar mensuales (GH) mayores al salario básico (3), aumenta las posibilidades de que el nivel de desarrollo del sector sea muy bajo en un 41,6%, además de que la relación resulta ser significativa al 5%.

•Si una persona tiene gastos del hogar mensuales (GH) mayores al salario básico (3), reduce las posibilidades de que el nivel de desarrollo del sector sea medio en un 17,5%, además de que la relación resulta ser significativa al 5%.

•Si una persona tiene acceso a educación (AE), reduce las posibilidades de que el nivel de desarrollo del sector sea muy bajo en un 68,9%, además de que la relación resulta ser significativa al 5%.

•Si una persona tiene acceso a educación (AE), aumenta las posibilidades de que el nivel de desarrollo del sector sea bajo en un 39,8%, además de que la relación resulta ser significativa al 5%.

•Si una persona tiene acceso a educación (AE), aumenta las posibilidades de que el nivel de desarrollo del sector sea medio en un 26,2%, además de que la relación resulta ser significativa al 5%.

•Si una persona tiene acceso a educación (AE), aumenta las posibilidades de que el nivel de desarrollo del sector sea medio alto en un 3%, además de que la relación resulta ser significativa al 10%.

•Si una persona tiene acceso a infraestructura vial (AIV), reduce las posibilidades de que el nivel de desarrollo del sector sea muy bajo en un 25,8%, además de que la relación resulta ser significativa al 5%.

•Si una persona tiene acceso a infraestructura vial (AIV), incrementa las posibilidades de que el nivel de desarrollo del sector sea medio en un 17,8%, además de que la relación resulta ser significativa al 5%.

•Si una persona tiene acceso a infraestructura vial (AIV), incrementa las posibilidades de que el nivel de desarrollo del sector sea medio alto en un 2,1%, además de que la relación resulta ser significativa al 10%.

•Si una persona tiene seguro (TS) de tipo campesino (2), reduce las posibilidades de que el nivel de desarrollo del sector sea muy bajo en un 19,8%, además de que la relación resulta ser significativa al 5%.

•Si una persona tiene seguro (TS) de tipo campesino (2), incrementa las posibilidades de que el nivel de desarrollo del sector sea medio en un 18,9%, además de que la relación resulta ser significativa al 5%.

•Si una persona tiene contrato laboral (TC) de tipo formal (1), reduce las posibilidades de que el nivel de desarrollo del sector sea muy bajo en un 29,8%, además de que la relación resulta ser significativa al 5%.

•Si una persona tiene contrato laboral (TC) de tipo formal (1), incrementa las posibilidades de que el nivel de desarrollo del sector sea medio en un 36,3%, además de que la relación resulta ser significativa al 5%.

Las variables referentes al ingreso por actividad bajo dependencia (IBD), el ingreso por actividad autónoma (IAA), el acceso a infraestructura (AIV) y el acceso a educación (AE) han generado los efectos marginales más fuertes sobre la variable dependiente ordinal.

Los hallazgos del análisis muestran que el progreso del área rural en el cantón Simón Bolívar depende de elementos económicos, institucionales y territoriales, en los que los ingresos del trabajo, la disponibilidad de infraestructura y las condiciones sociales son cruciales para mejorar la calidad de vida de la gente del campo. En este contexto, (Kareska, 2025) indica que la acción del Estado es clave para abordar los problemas del sector agrícola y reducir la desigualdad en el empleo, ayudando así a crear oportunidades de desarrollo económico para las comunidades rurales.

El fortalecimiento de las habilidades locales se configura como un aspecto fundamental para el progreso del territorio. Según Yar y Musadiq (2024), disminuir la pobreza en el ámbito rural está ligado al empoderamiento de las comunidades a través de un uso eficaz de los recursos naturales, sociales y tecnológicos, lo que beneficia la sostenibilidad en el desarrollo rural. Esta idea se relaciona con los hallazgos del presente análisis, que demuestran que el desarrollo rural no se basa solamente en el ingreso económico, sino también en factores estructurales que refuerzan la capacidad de recuperación económica de las familias en el campo.

La infraestructura y el acceso a servicios básicos son considerados factores clave para disminuir la desigualdad entre territorios. Wan et al. (2024) demuestran que destinar recursos a la educación y la salud ayuda a reducir la diferencia de ingresos en áreas rurales, beneficiando sobre todo a las familias con menos recursos. De manera similar, Lestari et al. (2024) indican que la inversión en carreteras favorece la integración de territorios, mejora la comunicación y activa las economías rurales, produciendo efectos positivos en el desarrollo tanto económico como social.

Por otro lado, el aumento de la productividad y la conexión entre territorios son aspectos importantes en el desarrollo del ámbito rural. Según Chen et al. (2024), la unificación de tierras ayuda a mejorar la producción agrícola y hace más fácil la comunicación entre regiones urbanas y rurales, creando condiciones económicas más favorables para los campesinos. De forma similar, Yu et al. (2024) subrayan la relevancia de la implicación de la comunidad en el proceso de toma de decisiones, así como en el diseño de estrategias vinculadas a la educación y la gestión eficiente de los recursos, considerando estos elementos como clave para alcanzar un desarrollo rural sostenible.

En consideración con lo expuesto en trabajos previos, en esta investigación se considera que aspectos como el ingreso por actividad bajo dependencia (IBD), el ingreso por actividad autónoma (IAA), el acceso a infraestructura vial (AIV) y el acceso a educación (AE) han impactado en mayor medida sobre el desarrollo de la población rural del cantón Simón Bolívar, lo cual demandaría una mejor asignación de recursos para impulsar la educación, mejorar las condiciones laborales y promulgar proyectos de construcción.

4. Conclusiones

La población rural del cantón Simón Bolívar enfrenta una serie de desafíos tanto económicos, sociales, culturales y de infraestructura, y en base a los hallazgos se puede considerar que las condiciones laborales en campo son decadentes; no se valora tanto la actividad del jornalero debido a que perciben en promedio un ingreso mensual por debajo del salario básico, sin importar que la actividad realizada sea bajo dependencia o de manera autónoma.

Además, hacen falta más proyectos que facilitan la mejora de la infraestructura rural, debido a que en alguna zona el acceso es limitado, además de que las vías construidas sirven de gran ayuda para mantener la conexión entre recintos, con el medio urbano, y para el transporte de mercadería por parte de los trabajadores.

Otro factor que debe ser explorado son las oportunidades de acceso a educación con las que cuentan las personas, las cuales tienden a ser limitadas, implicando que muchas personas se movilicen hacia otros recintos, o incluso al medio urbano, para poder continuar con su formación académica.

En resumen, estas problemáticas han persistido en el tiempo porque no han sido abordadas de forma efectiva, haciendo que se vaya acrecentando esta situación, donde son muchas las personas afectadas, y siendo muy necesaria una intervención por parte del gobierno de turno, donde estos desafíos sean tomados en serio.

Referencias

Abera, A., Yirgu , T., & Uncha, A. (2021). Determinants of rural livelihood diversification strategies among Chewaka resettlers’ communities of southwestern Ethiopia. Agriculture & Food Security, 10(30). https://doi.org/10.1186/s40066-021-00305-w

Addai, G., Suh, J., Bardsley, D., Robinson, G., & Guodaar, L. (2024). Exploring sustainable development within rural regions in Ghana: A rural web approach. Sustainable Development, 32(4), 3890-3907. https://doi.org/10.1002/sd.2887

Ahmadi, S., Ghanbari Movahed, R., Gholamrezaie, S., & Rahimian, M. (2022). Assessing the Vulnerability of Rural Households to Floods at Pol-e Dokhtar Region in Iran. Sustainability, 14(2), 762. https://doi.org/10.3390/su14020762

Calatayud , A., Canales , Á., Quispe , G., Chui, H., & Ramos, E. (2021). Impacto del turismo rural en el ingreso económico y la decisión de emigrar en la Comunidad de Llachón (Puno, Perú). AGER: Revista de Estudios sobre Despoblación y Desarrollo Rural (Journal of Depopulation and Rural Development Studies)(31), 7-42. https://doi.org/10.4422/ager.2021.06

Chen, K., Chen, Y., Long, H., & Li, N. (2024). How does land consolidation affect rural development transformation? Journal of Geographical Sciences, 34, 417-438. https://doi.org/10.1007/s11442-024-2211-5

Coley, R., Carey, N., Hwang, D., Spielvogel, B., & Henry, D. (2024). Racial Inequities in Educational Opportunity: Variation Across Socioeconomic Status. Race and Social Problems, 16(4), 414-432. https://doi.org/10.1007/s12552-024-09415-z

Correa, J., Daidone, S., Davis, B., & Sitko, N. (2023). Social Protection and Rural Transformation in Africa. Annual Review of Resource Economics, 15(1), 305-327. https://doi.org/10.1146/annurev-resource-101422-100158

De Janvry, A., Duquennois, C., & Sadoulet, E. (2020). Labor calendars and rural poverty: A case study for Malawi. Food Policy, 109, 102255. https://doi.org/10.1016/j.foodpol.2022.102255

Esquivel Sarceño , J. (2021). Análisis de condiciones socioeconómicas de desarrollo rural de dos comunidades del municipio El Chal, Petén, Guatemala. Horizonte De La Ciencia, 11(21), 81-98. https://doi.org/10.26490/uncp.horizonteciencia.2021.21.897

Florez Vaquiro, N. (2021). Pobreza, desigualdad y perfil sociodemográfico de los hogares rurales y agropecuarios en la región sur de México . EntreDiversidades, 8(1(16)), 36-63. https://doi.org/10.31644/ED.V8.N1.2021.A02

Fullerton, A., & Anderson , K. (2023). Ordered Regression Models: a Tutorial. Prevention Science, 24, 431-443. https://doi.org/10.1007/s11121-021-01302-y

Ghosh, S., Doğan, B., Can, M., Shah, M., & Apergis, N. (2023). Does economic structure matter for income inequality? Quality & Quantity, 57, 2507–2527. https://doi.org/10.1007/s11135-022-01462-1

Gizaw, Z., Astale, T., & Kassie, G. (2022). What improves access to primary healthcare services in rural communities? A systematic review. BMC Primary Care, 23(313). https://doi.org/10.1186/s12875-022-01919-0

Guamán-Rivera, S. (2022). Desarrollo de Políticas Agrarias y su Influencia en los Pequeños Agricultores Ecuatorianos. Revista Científica Zambos, 1(3), 15-28. https://doi.org/10.69484/rcz/v1/n3/30

Habib, N., Alauddin, M., Cramb, R., & Rankin, P. (2022). A differential analysis for men and women’s determinants of livelihood diversification in rural rain-fed region of Pakistan: An ordered logit model (OLOGIT) approach. Social Sciences & Humanities Open, 5(1), 100257. https://doi.org/10.1016/j.ssaho.2022.100257

Hikmat. (2024). Social inequality and access to education:a literature review on the impact of social stratification on education in developing countries. Indonesian Journal of Studies on Humanities, Social Sciences and, 1(1), 59-67. https://ijhsed.com/index.php/a/article/view/24/25

Jackson, B. (2021). The Inequity of Educational Opportunity During an Epidemic. Postmodern Openings, 12(1), 319-327. https://lumenpublishing.com/journals/index.php/po/article/view/3807

Kareska, K. (2025). Analyzing the Impact of Cooperative Farming Models on Rural Economic Development. SSRN, 1-10. http://dx.doi.org/10.2139/ssrn.5127927

Lelisho, M., Wogi, A., & Tareke, S. (2022). Ordinal Logistic Regression Analysis in Determining Factors Associated with Socioeconomic Status of Household in Tepi Town, Southwest Ethiopia. Scientific World Journal, 2022(1). https://doi.org/10.1155/2022/2415692

Lestari , P., Rachmansyah, A., Efani , A., & Pertiwi , M. (2024). Sustainability of Rural Road Development: A Case Study on Woro Village Kepohbaru District Bojonegoro Region. Indonesian Journal of Social and Environmental Issues (IJSEI), 5(1), 31-41. https://doi.org/10.47540/ijsei.v5i1.1278

Liu, Z. (2024). The Multi-dimensional Effect of Family Income on Opportunity Equality of Access to Higher Education in Japan. SHS Web of Conferences(190), 01023. https://doi.org/10.1051/shsconf/202419001023

Mashanova, S., Kurmanova, G., & Urazova, B. (2023). Social protection of the population in rural areas. Bulletin of «Turan» University(4), 233-246. https://doi.org/10.46914/1562-2959-2023-1-4-233-246

Merino-Murillo , J., Mora-Alvarado , J., & Jiménez-Benítez , J. (2022). Emprendimiento de Comunidades Rurales y Desarrollo Local. Dominio De Las Ciencias, 8(1), 57-80. https://doi.org/10.23857/dc.v8i1.2560

Morales, J., Martínez, M., & Gómez, D. (2022). Mujeres indígenas rurales y pobreza. Los impactos de las desventajas frente a los recursos. Culturales, 10(1), e649. https://doi.org/10.22234/recu.20221001.e649

Palmisano, F., Biagi, F., & Peragine, V. (2022). Inequality of Opportunity in Tertiary Education: Evidence from Europe. Research in Higher Education, 63(3), 514-565. https://doi.org/10.1007/s11162-021-09658-4

Patiño-Ramírez , S., & Valiente-Saldaña, Y. (2023). Identificación de factores que determinan el desarrollo rural en comunidades campesinas, 2018-2023: Revisión sistemática. Revista Arbitrada Interdisciplinaria Koinonía, 8(1), 242-256. https://doi.org/10.35381/r.k.v8i1.2783

Ríos Obando, J., Angarita De La Cruz , B., Vargas Taborda , L., & Azcárate Serrano , J. (2023). Factores de movilidad social en un sector rural de Colombia. Revista De Ciencias Sociales, XXIX(1), 169-185. https://doi.org/10.31876/rcs.v29i1.39744

Román-Montesdeoca, E., Licea-Resendiz, J., & Romero-Torres, F. (2020). Diversificación de ingresos de los productores como estrategias de desarrollo rural. Entramado, 16(2), 126-141. https://doi.org/10.18041/1900-3803/entramado.2.6752

Ruja, I., Sumarmi, & Idris. (2024). Programs, Opportunities, and Challenges in Poverty Reduction: A Systematic Review. SAGE Open, 14(2). https://doi.org/10.1177/21582440241256242

Sano, Y., Mammen, S., & Houghten, M. (2021). WellBeing and Stability among Lowincome Families: A 10Year Review of Research. Journal of Family and Economic Issues, 42(Suppl 1), 107-117. https://doi.org/10.1007/s10834-020-09715-7

Sete Wereta, M., & Ahmed, M. (2024). Review on Social Protection Schemes in Rural Ethiopia. Interdisciplinary Description of Complex Systems, 22(2), 182-197. https://doi.org/10.7906/indecs.22.2.3

Sowl, S., Smith, R., & Brown, M. (2022). Rural College Graduates: Who Comes Home? Rural Sociology, 87(1), 303-329. https://doi.org/10.1111/ruso.12416

Wan, G., Wang, C., Zhang, X., & Zuo, C. (2024). Income inequality effect of public utility infrastructure: Evidence from rural China. World Development, 179, 106594. https://doi.org/10.1016/j.worlddev.2024.106594

Xiong, M., Fan, J., Li, W., & Sheng Xian, B. (2022). Can China’s digital inclusive finance help rural revitalization? A perspective based on rural economic development and income disparity. Frontiers in Environmental Science, 10:985620. https://doi.org/10.3389/fenvs.2022.985620

Yar, F., & Musadiq, M. (2024). The Role and Importance of Empowering Rural Communities for Rural Development in Afghanistan. Jurnal Syntax Admiration, 5(11), 4961-4980. https://doi.org/10.46799/jsa.v5i11.1786

Yu, Y., Appiah, D., Zulu, B., & Adu-Poku, K. (2024). Integrating Rural Development, Education, and Management: Challenges and Strategies. Sustainability, 16(15), 6474. https://doi.org/10.3390/su16156474

Zhang, W. (2022). Social capital, income and subjective well-being: evidence in rural China. Heliyon, 8(1), e08705. https://doi.org/10.1016/j.heliyon.2021.e08705

Zhang, Y. (2025). Family Income and Educational Opportunities: Analysing the Role of Socioeconomic Status in Access to Quality Education in China. Advances in Economics, Management and Political Sciences, 172(1), 153-160. https://doi.org/10.54254/2754- 169/2025.22158

Zhao, W., Yin, C., Hua, T., Meadows, M., Li, Y., Liu, Y., . . . Fu, B. (2022). Achieving the Sustainable Development Goals in the post-pandemic era. Humanities and Social Sciences Communications, 9(258). https://doi.org/10.1057/s41599-022-01283-5