Desigualdad de ingresos local y bienestar subjetivo en Latinoamérica

DOI:  https://doi.org/10.12804/revistas.urosario.edu.co/economia/a.16048

Barra lateral del artículo

PDF

Publicado: jul 16, 2026
Número: Vol. 28 Núm. 1 (2025):
Sección Artículos


Palabras clave: Felicidad Bienestar Desigualdad cohesi´on social

Contenido principal del artículo

Autores/as

  Leonardo Caravaggio
Universidad de Buenos Aires

Resumen

Este artículo analiza la relación entre la desigualdad de ingresos local y el bienestar subjetivo en Latinoamérica. Para hacerlo, se estudiaron imágenes satelitales diurnas y el valor de felicidad promedio de un conjunto de más de mil aglomerados urbanos en la región. De las imágenes se extraen patrones objetivos de heterogeneidad visual utilizando redes neuronales profundas, a partir de los cuales se calcula un indicador de desigualdad en torno al centroide seleccionado. Este indicador de desigualdad pre senta ciertas ventajas respecto a los indicadores tradicionales objetivos (granularidad y periodicidad) y subjetivos (escalabilidad, consistencia y precisión). Se advierte una correlación negativa estadísticamente significativa entre estos indicadores objetivos de desigualdad y el indicador subjetivo de felicidad. Esta relación es particularmente marcada para las imágenes con un radio aproximado de 10 kilómetros, lo que sugiere que esta escala espacial capta de manera más precisa los entornos locales en los que se forman las comparaciones sociales. Asimismo, se observa una asociación negativa entre la desigualdad y el bienestar subjetivo a lo largo de toda la distribución: los aglomerados con mayores niveles de desigualdad tienden a presentar, en promedio, menores niveles de felicidad.

Cómo citar
Caravaggio, L. (2026). Desigualdad de ingresos local y bienestar subjetivo en Latinoamérica. Revista De Economía Del Rosario, 28(1), 1–47. https://doi.org/10.12804/revistas.urosario.edu.co/economia/a.16048
Referencias bibliográfica

Abbate, N. F., Gasparini, L., Ronchetti, F., & Quiroga, F. (2024, noviembre). High resolution income estimates using satellite imagery: A deep learning approach applied in Buenos Aires (Working Paper n.° 4701). Asociación Argentina de Economía Política. https://doi.org/10.1109/CLEI64178.2024.10700489

Alesina, A., Di Tella, R., & MacCulloch, R. (2004). Inequality and happiness: Are Europeans and Americans different? Journal of Public Economics, 88(9-10), 2009–2042. https://doi.org/10.1016/j.jpubeco.2003.07.006

Amiel, Y. (1998). The subjective approach to the measurement of income inequality. En J. Silber (Ed.), Handbook of income inequality measurement (pp. 227–241). Kluwer Academic Publishers. https://doi.org/10.1007/978 94-011-4413-1_8

Ayush, K., Uzkent, B., Burke, M., Lobell, D., & Ermon, S. (2020). Generating interpretable poverty maps using object detection in satellite images. arXiv. https://doi.org/10.24963/ijcai.2020/608

Bruni, L., & Porta, P. L. (2005). Economics and happiness: Framing the analysis. Oxford University Press. https://doi.org/10.1093/0199286280.001.0001

Bruni, L., & Stanca, L. (2008). Watching alone: Relational goods, television and happiness. Journal of Economic Behavior & Organization, 65(3), 506–528. https://doi.org/10.1016/j.jebo.2005.12.005

Cacioppo, J. T., & Patrick, W. (2008). Loneliness: Human nature and the need for social connection. W. W. Norton & Company. Ciaschi, M. (2021). Análisis distributivo utilizando información satelital: el caso de Argentina. Estudios Económicos, 38(77), 5–38. https://doi. org/10.52292/j.estudecon.2021.2116

Cowell, F. A. (2011). Measuring inequality (3.a ed.). Oxford University Press. https://doi.org/10.1093/acprof:osobl/9780199594030.001.0001

Easterlin, R. A. (1974). Does economic growth improve the human lot? Some empirical evidence. En P. A. David & M. W. Reder (Eds.), Nations and hou seholds in economic Growth: Essays in honor of Moses Abramovitz (pp. 89–125). Academic Press. https://doi.org/10.1016/B978-0-12-205050-3.50008-7

Ebert, U., & Welsch, H. (2009, septiembre). How do Europeans evaluate income distributions? An assessment based on happiness surveys. Review of Income and Wealth, 55(4), 803–819. https://doi.org/10.1111/ j.1475-4991.2009.00347.x

Estudio Latinobarómetro. (2024). Corporación Latinobarómetro: Oleada 2024. https://www.latinobarometro.org/latinobarometro-2024 Fields, G. S. (1994). Data for measuring poverty and inequality changes in the developing countries. Journal of Development Economics, 44(1), 87–102. https://doi.org/10.1016/0304-3878(94)00007-7

Frey, B. S., Benesch, C., & Stutzer, A. (2007). Does watching tv make us happy? Journal of Economic Psychology, 28(3), 283–313. https://doi.org/10.1016/j.joep.2007.02.001

Galbraith, J. K. (1998). The affluent society. Mariner Books. Grinblatt, M., Keloharju, M., & Ikäheimo, S. (2008). Social influence and consumption: Evidence from the automobile purchases of neighbors. The Review of Economics and Statistics, 90(4), 735–753. https://doi.org/10.1162/rest.90.4.735

Haidt, J. (2024). The anxious generation: How the great rewiring of childhood cau sed an epidemic of mental illness. Penguin Press. https://doi.org/10.56315/ PSCF9-25

Haidt Hall, O., Ohlsson, M., & Rögnvaldsson, T. (2022). A review of explainable AI in the satellite data, deep machine learning, and human poverty domain. Patterns, 3(10), artículo 100600. https://doi.org/10.1016/j.pat ter.2022.100600

He, K., Zhang, X., Ren, S., & Sun, J. (2015). Deep residual learning for image recognition. arXiv. https://arxiv.org/abs/1512.03385

Howard, A., Sandler, M., Chu, G., Chen, L.-C., Chen, B., Tan, M., Wang, W., Zhu, Y., Pang, R., Vasudevan, V., Le, Q. V., & Adam, H. (2019). Searching for MobileNetV3. arXiv. https://doi.org/10.48550/arXiv.1905.02244

Jean, N., Burke, M., Xie, M., Davis, W., Lobell, D., & Ermon, S. (2016). Combining satellite imagery and machine learning to predict poverty. Science, 353(6301), 790–794. https://doi.org/10.1126/science.aaf7894

Kuhn, P. J., Kooreman, P., Soetevent, A. R., & Kapteyn, A. (2010). The effects of lottery prizes on winners and their neighbors: Evidence from the dutch postcode lottery (iza Discussion Paper n.° 4950). Institute of Labor Econo mics (iza). https://doi.org/10.2139/ssrn.1631085

Liu, Z., Lin, Y., Cao, Y., Hu, H., Wei, Y., Zhang, Z., Lin, S., & Guo, B. (2021). Swin Transformer: Hierarchical vision transformer using shifted windows. arXiv. https://doi.org/10.48550/arXiv.2103.14030

Luttmer, E. F. P. (2005, agosto). Neighbors as negatives: Relative earnings and well-being. The Quarterly Journal of Economics, 120(3), 963–1002. https://doi.org/10.1093/qje/120.3.963

Marmot, M. (2017). The health gap: The challenge of an unequal world. Bloomsbury Publishing. https://doi.org/10.1093/ije/dyx163

Meyer, B. D., Mok, W. K. C., & Sullivan, J. X. (2015, november). Household surveys in crisis. Journal of Economic Perspectives, 29(4), 199–226. https://doi.org/10.1257/jep.29.4.199

Mirza, M. U., Xu, C., van Bavel, B., van Nes, E. H., & Scheffer, M. (2021). Global inequality remotely sensed. Proceedings of the National Aca demy of Sciences, 118(18), artículo e1919913118. https://doi.org/10.1073/pnas.1919913118

Murthy, V. H. (2020). Together: Why social connection holds the key to better health, higher performance, and greater happiness. Harper Wave. Muñetón-Santa, G., & Manrique-Ruiz, L. C. (2023). Predicting multidimen sional poverty with machine learning algorithms: An open data source approach using spatial data. Social Sciences, 12(5), artículo 296. https:// doi.org/10.3390/socsci12050296

Naik, N., Kominers, S. D., Raskar, R., Glaeser, E., & Hidalgo, C. A. (2017). Computer vision uncovers predictors of physical urban change. Proceed ings of the National Academy of Sciences of the United States of America, 114(29), 7571–7576. https://doi.org/10.1073/pnas.1619003114

Norton, M. I., & Ariely, D. (2011, febrero). Building a better America—one wealth quintile at a time. Perspectives on Psychological Science, 6(1), 9–12. https://doi.org/10.1177/1745691610393524

Perez-Truglia, R. (2020, april). The effects of income transparency on well being: Evidence from a natural experiment. American Economic Review, 110(4), 1019–1054. https://doi.org/10.1257/aer.20160256

Pradhan, N., & Agrawal, A. (2025, febrero). Mapping fine-scale socioeco nomic inequality using machine learning and remotely sensed data. pnas Nexus, 4(2), artículo pgaf040. https://doi.org/10.1093/pnasnexus/pgaf040

Putnam, R. D. (2000). Bowling alone: The collapse and revival of american com munity. Simon & Schuster. https://doi.org/10.1145/358916.361990

Reynal-Querol, M., & García-Montalvo, J. (2021, mayo). Measuring inequality from above (Working Papers n.° 1252). Barcelona School of Economics. https://ideas.repec.org/p/bge/wpaper/1252.html

Russakovsky, O., Deng, J., Su, H., Krause, J., Satheesh, S., Ma, S., Huang, Z., Karpathy, A., Khosla, A., Bernstein, M., Berg, A. C., & Fei-Fei, L. (2015). ImageNet large scale visual recognition challenge. Internatio nal Journal of Computer Vision, 115(3), 211–252. https://doi.org/10.1007/s11263-015-0816-y

Sandler, M., Howard, A., Zhu, M., Zhmoginov, A., & Chen, L.-C. (2018). Mobilenetv2: Inverted residuals and linear bottlenecks. En Proceedings of the ieee/cvf Conference on Computer Vision and Pattern Recognition (pp. 4510–4520). ieee. https://doi.org/10.1109/CVPR.2018.00474

Sapolsky, R. M. (2017). Behave: The biology of humans at our best and worst. Penguin Press. Savage, M. (2021). The return of inequality. Social change and the weight of the past. Harvard University Press. https://doi.org/10.4159/9780674259652

Shanahan, D. F., Lin, B. B., Gaston, K. J., Bush, R., & Fuller, R. A. (2014). Socio economic inequalities in access to nature on public and private lands: A case study from Brisbane, Australia. Landscape and Urban Planning, 130, 14–23. https://doi.org/10.1016/j.landurbplan.2014.06.005

Sommet, N., Fillon, A., Rudmann, O., Rossi, A., & Ehsan, A. (2025, noviembre). No meta-analytical effect of economic inequality on well-being or mental health. Nature, 649, 926–937. https://doi.org/10.1038/s41586 025-09797-z

Stiglitz, J. E. (2012). El precio de la desigualdad: el 1 % de la población tiene lo que el 99 % necesita. Taurus. Suel, E., Muller, E., Bennett, J. E., Blakely, T., Doyle, Y., Lynch, J., Fecht, D., Elliott, P., & Ezzati, M. (2023, junio). Do poverty and wealth look the same the world over? A comparative study of 12 cities from five high income countries using street images. EPJ Data Science, 12, artículo 19. https://doi.org/10.1140/epjds/s13688-023-00394-6

Uhlaner, C. J. (1989). Relational goods and participation: Incorporating sociability into a theory of rational action. Public Choice, 62(3), 253–285. http://www.jstor.org/stable/30025077

Wilkinson, R., & Pickett, K. (2009). Desigualdad: Un análisis de la (in)felicidad colectiva (R. Sanahuja, Trad.). Turner. (Obra original publicada en 2009). Wilkinson, R., & Pickett, K. (2019). The inner level: How more equal societies reduce stress, restore sanity and improve everyone’s well-being. Penguin Books.

Xie, E., Wang, W., Yu, Z., Anandkumar, A., Alvarez, J. M., & Luo, P. (2021). SegFormers: Simple and efficient design for semantic segmentation with transformers. arXiv. https://arxiv.org/abs/2105.15203

Estadísticas de consulta

Descargas

Los datos de descargas todavía no están disponibles.
Métricas de publicación

0




 

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.

Los autores conservan los derechos de autor y garantizan a la revista el derecho de ser la primera publicación del trabajo al igual que licenciado bajo una Creative Commons Attribution License que permite a otros compartir el trabajo con un reconocimiento de la autoría del trabajo y la publicación inicial en esta revista.