Nowcasting del bienestar en Costa Rica: metodología para estimar y pronosticar pobreza y desigualdad con mayor periodicidad

• Huang Zheng, Esteban ^[1] ; Oviedo C., Luis Ángel ^[1] ; Paredes, Saúl ^[1] ; Robalino, Juan ^[1]
  1. [1] Universidad de Costa Rica

     Universidad de Costa Rica

     Hospital, Costa Rica

     
• Localización: Revista de ciencias económicas, ISSN 0252-9521, ISSN-e 2215-3489, Vol. 43, Nº. 2, 2025 (Ejemplar dedicado a: Revista de Ciencias Económicas: (July - December); e3366)
• Idioma: español
• Títulos paralelos:
  • Nowcasting well-being in Costa Rica: A methodology to estimate and nowcast poverty and inequality with greater frequency.
• Enlaces
  • Texto completo
• Resumen
  • español

    En Costa Rica, la publicación de indicadores de pobreza y desigualdad se realiza de forma anual, lo que hace que no sean tan actualizados ni periódicos como lo necesitan tomadores de decisiones e investigadores. Esta investigación plantea una metodología para estimar la tasas de pobrezas y coeficientes de Gini de los ingresos por hogar en forma mensual para Costa Rica entre junio 2020 y noviembre 2023. El modelo propuesto muestra diferencias no significativas entre las estimaciones y los datos oficiales para la mayoría de las estimaciones. Esta investigación hace tres contribuciones importantes. Primero, revela variabilidad mensual considerable en los indicadores de pobreza y desigualdad, lo que subraya las limitaciones de los indicadores anuales para capturar las fluctuaciones a corto plazo. Segundo, la metodología propuesta disminuye significativamente el rezago en la información, lo que mejora la capacidad de toma de decisiones. Tercero, los resultados del modelo demuestran la importancia de la dinamicidad del mercado laboral para generar cambios en la pobreza.

  • English

    In Costa Rica, poverty and inequality indicators are traditionally reported on an annual basis, limiting their utility for timely analysis and responsive policymaking. This study develops and applies a novel methodology to generate monthly estimates of household poverty rates and Gini coefficients from June 2020 to November 2023. Results indicate statistically insignificant differences between the proposed estimates and official data for most periods analyzed. The research makes three substantive contributions. First, it reveals considerable monthly variability in poverty and inequality, underscoring the limitations of annual reporting in capturing short-term fluctuations. Second, the proposed methodology significantly reduces information lag, which improves the ability to make decisions. Third, findings demonstrate the pivotal role of labor market dynamism in driving changes in poverty.