La Argentina no cuenta con una serie larga y comparable de datos de pobreza. En oposición a la mayoría de los países, las estadísticas oficiales no permiten conocer su evolución durante los últimos años. Entre 2007 y 2015, la intervención del Instituto Nacional de Estadística y Censos (INDEC) subestimó los datos de inflación y, por consiguiente, también la tasa de pobreza. Luego, en 2016, se modificó la manera de calcularla, por lo que estas dificultades en la comparación se agravaron. Las discusiones públicas se centraron más en cuáles eran los datos reales de la pobreza que en intentar encontrar soluciones al problema.

En el tercer Seminario de Investigación de la Escuela de Economía y Negocios (EEyN) de la UNSAM, Guido Zack y Federico Favata, investigadores del Centro de Investigaciones Macroeconómicas para el Desarrollo (CIMAD), presentaron su artículo “Pobreza e indigencia en la Argentina: Construcción de una serie completa y metodológicamente homogénea”, elaborado junto con Daniel Schteinghart (UMET). La investigación reconstruye una serie de datos sobre la pobreza a partir de la metodología actual del INDEC, lo que permitirá comparar esos datos con publicaciones futuras del Instituto. 

Los resultados obtenidos por Zack y Favata muestran una fuerte caída de la pobreza entre 2003 y 2011 y un estancamiento con ciertas oscilaciones hasta 2018, cuando la pobreza volvió a aumentar hasta la actualidad. Los investigadores también evaluaron posibles escenarios futuros a partir de los datos del segundo trimestre de 2019 contemplando las variaciones posibles después de las medidas de aislamiento obligatorio. La estimación de la pobreza para este trimestre oscila entre el 45,2 % y el 53,1 %.

El webinar, que contó con la participación de 75 asistentes, fue presentado por el decano Marcelo Paz y por la coordinadora de la Secretaría de Investigación, Lucía Vincent.

Más info sobre los Seminarios de Investigación, aquí. 

#ComunidadUNSAM, abordajes metodológicos, CIMAD, economía, EEyN, investigación, pobreza, UNSAM, webinar