CONICET | Buscador de Institutos y Recursos Humanos

La aparicion de m ´ etodos masivos de recuperaci ´ on de informaci ´ on disponible en linea ha ´permitido la generacion de datos de alta frecuencia para su analisis en base a m ´ etodos formales . En ´el caso de este trabajo, se propone la reconstrucción de la Canasta B ´ asica Alimentaria (CBA). La CBA, puede ser entendida como un conjunto de alimentos y bebidas necesarios para satisfacer lasnecesidades nutricionales de un grupo poblacional de referencia (INDEC, 2016). La importanciade poder contar con dicho estimador reside en que el mismo resulta decisivo al momento de estimar una línea de ingresos mínima para determinar indigencia . La composición de la CBA a utilizar, es la determinada por el Instituto Nacional de Estadísticas y Censos (INDEC) , el instituto oficial de estadísticas en Argentina. Los datos utilizados provienen del proyecto IPC Online (Larrosay otros, 2019), el cual registra la inflación mediante precios disponibles en linea. Para lograr ´la reconstrucción de la CBA fue necesario reconstruir manualmente la serie semanal de 3700 ´productos a fin de obtener los precios medios de cada uno de los 58 productos que componen laCBA. Los mecanismos de imputación de precios faltantes, responden a los lineamientos establecidos ´por INDEC (INDEC,2016). Sin embargo a diferencia de los institutos oficiales de estadística, la canasta presentada en este trabajo resulta ser de frecuencia semanal. Los datos obtenidos corresponden a 252 semanas, comprendidas entre diciembre del 2015 y febrero de 2021. Cada mes contiene 4 semanas, siendo recopilados los datos con la información relevada los días 1,8,15 y 22 de cada mes. Dicha serie de tiempo es analizada mediante un modelo de Autorregresivo de Rezagos Distribuidos. Dicha modelización uniecuacional y dinámica considera el impacto de la variable dependiente (la valuación de la CBA, en este caso) por parte de sus valores pasados como el de aquellas variables independientes. La inclusión de rezagos, puede responder tanto a factores ´tecnológicos, institucionales y/o psicológicos. Dicho modelo puede ser planteado como: ´yt = β0 + β1 yt−1 + ... + βk yt−p + γ0 xi,t + γ1 xi,t−1 + ... + γs xi,t−s + ϵt Como variables explicativas, merece señalarse la inclusión del tipo de cambio, precio de ´combustible como así también predictoras destinadas específicamente a relevar estacionalidad,tales como día, mes, ano y eventos temporales específicos como el confinamiento obligatorioproducto del COVID-19. Finalmente se evalúa mediante cointegración la existencia de una relación de equilibrio de largo plazo, entre la variable dependiente y las regresoras utilizada

enviar mensaje