Del censo a los satélites: nuevas herramientas para medir la pobreza en el Ecuador
Article Sidebar
Published:
Jun 29, 2026
Keywords:
Pobreza, Econometría, Machine Learning, Modelos geoespeciales, econometría, urbanización, aprendizaje automático
Main Article Content
Abstract
En este estudio se desarrolló un modelo econométrico para cuantificar los efectos del empleo y la actividad económica sobre la pobreza a nivel parroquial en Ecuador, logrando explicar el 63 % de su variabilidad. Para ello, se utilizaron datos geoespaciales y fuentes censales, lo que permitió evidenciar que el empleo y la actividad económica tienen efectos negativos sobre la pobreza, de 27.5 % y 6 %, respectivamente. Otro hallazgo relevante fue la identificación de dependencia espacial en las tasas de pobreza. Adicionalmente, se construyó un índice para analizar el grado de urbanización de las parroquias.
Downloads
Download data is not yet available.
Article Details
How to Cite
Peñafiel, M. (2026). Del censo a los satélites: nuevas herramientas para medir la pobreza en el Ecuador. Cuestiones Económicas, 36(1), Autor: Michael Peñafiel. https://doi.org/10.47550/RCE/36.1.4
Section
Artículos de Investigación
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
References
Aggarwal, S. (2018). Do rural roads create pathways out of poverty? Evidence from India. Journal of Development Economics, 133, 375-395. https://doi.org/https://doi.org/10.1016/j.jdeveco.2018.01.004
Andreano, M. S., Benedetti, R., Piersimoni, F., & Savio, G. (2021). Mapping Poverty of Latin American and Caribbean Countries from Heaven Through Night-Light Satellite Images. Social Indicators Research, 156, 533-562. https://doi.org/10.1007/s11205--020-02267-1 Asher, S., & Novosad, P. (2020). Rural Roads and Local Economic Development. American Economic Review, 110(3), 797-823. https://doi.org/10.1257/aer.20180268
Donaldson, D. (2018). Railroads of the Raj: Estimating the Impact of Transportation Infrastructure. American Economic Review, 108(4-5), 899-934. https://doi.org/10.1257/aer.20101199
Economic Commission for Latin America and the Caribbean. (2007). La medida de necesidades básicas insatisfechas (NBI) como instrumento de medición de la pobreza y focalización de programas (Estudios y Perspectivas - Oficina de la CEPAL en Bogotá LC/L.2840-P). Comisión Económica para América Latina y el Caribe. https://www.cepal.org/es/publicaciones/3544-la-medida-necesidades-basicas-insatisfechas-nbi-nstrumento-medicion-la-pobreza
Economic Commission for Latin America and the Caribbean. (2024). América Latina y el Caribe: perfil regional social-demográfico. https://statistics.cepal.org/portal/cepalstat/perfil-regional.html?theme=1&lang=esElvidge, C. D., Sutton, P. C.,
Ghosh, T., Tuttle, B. T., Baugh, K. E., Bhaduri, B., & Bright, E. (2009). A global poverty map derived from satellite data. Computers & Geosciences, 35(8), 1652-1660. https://doi.org/10.1016/j.cageo.2009.01.009
Jean, N., Burke, M., Xie, M., Davis, W. M. A., Lobell, D. B., & Ermon, S. (2016). Combining satellite imagery and machine learning to predict poverty. Science, 353(6301), 790-794. https://doi.org/10.1126/science.aaf7894
Li, M., Lin, J., Ji, Z., Chen, K., & Liu, J. (2023). Evaluación de la pobreza a escala de cuadrícula mediante la integración de luz nocturna de alta resolución y big data espacial: un estudio de caso en el delta del río Pearl. Remote Sensing, 15(18), 4618. https://doi.org/10.3390/rs15184618
Masaki, T., Newhouse, D., Silwal, A. R., Bedada, A., & Engstrom, R. (2020). Small Area Estimation of Non-Monetary Poverty with Geospatial Data (Policy Research Working Paper No. 9383). World Bank. zttps://openknowledge.worldbank.org/server/api/core/bitstreams/9d4473f3-104f-5fa4-8758-0e5035dad36e/content
National Institute of Statistics and Censuses. (2023). Ficha Metodológica de Indicador: Porcentaje de personas u hogares en Pobreza por Necesidades Básicas Insatisfechas (NBI)[Ficha Metodológica]. National Institute of Statistics; Censuses. https://www.ecuadorencifras.gob.ec/
National Institute of Statistics and Censuses. (2024). Pobreza por necesidades básicas insatisfechas (NBI): resultados Censo Ecuador [Informe de Resultados]. INEC. https://www.censoecuador.gob.ec/wp-content/uploads/2024/12/Pobreza_NBI_Resultados_Dic2024.pdf
National Institute of Statistics and Censuses. (2025). Encuesta Nacional de Empleo, Desempleo y Subempleo (ENEMDU): ndicadores de pobreza y desigualdad, diciembre 2025 [Boletín Técnico]. INEC. https://www.ecuadorencifras.gob.ec/documentos/web-inec/POBREZA/2025/Diciembre/202512_PobrezayDesigualdad.pdf
Puttanapong, N., Martinez, A., Jr., Bulan, J. A. N., Addawe, M., Durante, R. L., & Martillan, M. (2022). Predicting Poverty Using Geospatial Data in Thailand. ISPRS International Journal of Geo-Information, 11(5), 293. https://doi.org/10.3390/ijgi11050293
United Nations Office for the Coordination of Humanitarian Affairs. (2024). Ecuador - Subnational Administrative Boundaries. The Humanitarian Data Exchange (HDX). https://data.humdata.org/dataset/cod-ab-ecuWang, K., Zhang, L., Cai, M., Liu, L., Wu, H., & Peng, Z. (2023). Measuring Urban Poverty
Spatial by Remote Sensing and Social Sensing Data: A Fine-Scale Empirical Study from Zhengzhou. Remote Sensing, 15(2), 381. https://doi.org/10.3390/rs15020381
Zhao, X., Yu, B., Liu, Y., Chen, Z., Li, Q., Wang, C., & Wu, J. (2019). Estimation of Poverty Using Random Forest Regression with Multi-Source Data: A Case Study in Bangladesh. Remote Sensing, 11(4), 375. https://doi.org/10.3390/rs11040375
Andreano, M. S., Benedetti, R., Piersimoni, F., & Savio, G. (2021). Mapping Poverty of Latin American and Caribbean Countries from Heaven Through Night-Light Satellite Images. Social Indicators Research, 156, 533-562. https://doi.org/10.1007/s11205--020-02267-1 Asher, S., & Novosad, P. (2020). Rural Roads and Local Economic Development. American Economic Review, 110(3), 797-823. https://doi.org/10.1257/aer.20180268
Donaldson, D. (2018). Railroads of the Raj: Estimating the Impact of Transportation Infrastructure. American Economic Review, 108(4-5), 899-934. https://doi.org/10.1257/aer.20101199
Economic Commission for Latin America and the Caribbean. (2007). La medida de necesidades básicas insatisfechas (NBI) como instrumento de medición de la pobreza y focalización de programas (Estudios y Perspectivas - Oficina de la CEPAL en Bogotá LC/L.2840-P). Comisión Económica para América Latina y el Caribe. https://www.cepal.org/es/publicaciones/3544-la-medida-necesidades-basicas-insatisfechas-nbi-nstrumento-medicion-la-pobreza
Economic Commission for Latin America and the Caribbean. (2024). América Latina y el Caribe: perfil regional social-demográfico. https://statistics.cepal.org/portal/cepalstat/perfil-regional.html?theme=1&lang=esElvidge, C. D., Sutton, P. C.,
Ghosh, T., Tuttle, B. T., Baugh, K. E., Bhaduri, B., & Bright, E. (2009). A global poverty map derived from satellite data. Computers & Geosciences, 35(8), 1652-1660. https://doi.org/10.1016/j.cageo.2009.01.009
Jean, N., Burke, M., Xie, M., Davis, W. M. A., Lobell, D. B., & Ermon, S. (2016). Combining satellite imagery and machine learning to predict poverty. Science, 353(6301), 790-794. https://doi.org/10.1126/science.aaf7894
Li, M., Lin, J., Ji, Z., Chen, K., & Liu, J. (2023). Evaluación de la pobreza a escala de cuadrícula mediante la integración de luz nocturna de alta resolución y big data espacial: un estudio de caso en el delta del río Pearl. Remote Sensing, 15(18), 4618. https://doi.org/10.3390/rs15184618
Masaki, T., Newhouse, D., Silwal, A. R., Bedada, A., & Engstrom, R. (2020). Small Area Estimation of Non-Monetary Poverty with Geospatial Data (Policy Research Working Paper No. 9383). World Bank. zttps://openknowledge.worldbank.org/server/api/core/bitstreams/9d4473f3-104f-5fa4-8758-0e5035dad36e/content
National Institute of Statistics and Censuses. (2023). Ficha Metodológica de Indicador: Porcentaje de personas u hogares en Pobreza por Necesidades Básicas Insatisfechas (NBI)[Ficha Metodológica]. National Institute of Statistics; Censuses. https://www.ecuadorencifras.gob.ec/
National Institute of Statistics and Censuses. (2024). Pobreza por necesidades básicas insatisfechas (NBI): resultados Censo Ecuador [Informe de Resultados]. INEC. https://www.censoecuador.gob.ec/wp-content/uploads/2024/12/Pobreza_NBI_Resultados_Dic2024.pdf
National Institute of Statistics and Censuses. (2025). Encuesta Nacional de Empleo, Desempleo y Subempleo (ENEMDU): ndicadores de pobreza y desigualdad, diciembre 2025 [Boletín Técnico]. INEC. https://www.ecuadorencifras.gob.ec/documentos/web-inec/POBREZA/2025/Diciembre/202512_PobrezayDesigualdad.pdf
Puttanapong, N., Martinez, A., Jr., Bulan, J. A. N., Addawe, M., Durante, R. L., & Martillan, M. (2022). Predicting Poverty Using Geospatial Data in Thailand. ISPRS International Journal of Geo-Information, 11(5), 293. https://doi.org/10.3390/ijgi11050293
United Nations Office for the Coordination of Humanitarian Affairs. (2024). Ecuador - Subnational Administrative Boundaries. The Humanitarian Data Exchange (HDX). https://data.humdata.org/dataset/cod-ab-ecuWang, K., Zhang, L., Cai, M., Liu, L., Wu, H., & Peng, Z. (2023). Measuring Urban Poverty
Spatial by Remote Sensing and Social Sensing Data: A Fine-Scale Empirical Study from Zhengzhou. Remote Sensing, 15(2), 381. https://doi.org/10.3390/rs15020381
Zhao, X., Yu, B., Liu, Y., Chen, Z., Li, Q., Wang, C., & Wu, J. (2019). Estimation of Poverty Using Random Forest Regression with Multi-Source Data: A Case Study in Bangladesh. Remote Sensing, 11(4), 375. https://doi.org/10.3390/rs11040375