Open Access2019-07-232019-07-232006 2006 https://repositorioinvestigaciones.bccr.fi.cr/handle/20.500.12506/168El objetivo de esta investigación es efectuar pronósticos de inflación para el corto plazo en Costa Rica, mediante la técnica de análisis factorial. Este trabajo se fundamenta en el método desarrollado por Stock y Watson (1998), metodología que se enmarca dentro del análisis factorial dinámico desarrollado por Sargent y Sims (1977) e implementada recientemente por Aguirre y Céspedes (2004) y consiste en la reducción de un número de variables a un número más pequeño de componentes o factores. El análisis factorial es similar al de regresión múltiple, donde cada variable se expresa como una combinación lineal de factores no observables directamente. El análisis parte de dos bases de datos, una con 156 variables y otra con 46, ambas fueron construidas con una periodicidad mensual que abarca de enero 1991 a marzo 2005 para un total de 171 observaciones. Como principales resultados se obtuvieron tres modelos de proyección con diferentes rezagos en los factores y en la propia variable dependiente tomando en cuenta la capacidad de pronóstico. Los modelos seleccionados se compararon con modelos utilizados actualmente en la División Económica, en donde solo el “Juicio de Experto” superó levemente el mejor de los modelos propuestos en este documento y este fue más eficiente que el modelo ARIMA y el ingenuo.The main objective of this research is to make short term inflation forecasts for Costa Rica, by means of the factor analysis technique (F.A.). This method was introduced and examined by Stock and Watson (1998), methodology that is framed within the dynamic factor analysis developed by Sargent and Sims (1977) and implemented recently by Aguirre and Céspedes (2004) for Chilean case. It consists in summarizing the movements of a big number of variables into a smaller number of factors. Factor analysis is similar to multiple regression, given that both of them express a dependent variable as linear combination of predetermined variables. They differ, though, in that F.A. uses predetermined variables that are non-observable, called factor. This technique is explored for Costa Rica using two data sets: one with 156 variables and the other with 46, both of them were constructed with a monthly frequency, from January 1991 through March 2005 (171 observations). We have obtained three forecasting models with different lags in the factors and in the own dependent variable taking into account the forecast performance. Additionally, we have compared the forecasting performance of the factor models to various benchmark forecasting models. We have concluded that only the Expert Judgment slightly surpassed the best one of the models proposed in this paper and F.A. was more efficient than an ARIMA model and the naive model.29 paginas: gráficas, tablasPDFspaAcceso abiertoInflaciónAnálisis factorialWorking PaperAtribucion-NoComercial-CompartirIgual CC BY-NC-SA 4.0info:eu-repo/semantics/openAccessE31-Price Level; Inflation; DeflationE37-Forecasting and Simulation: Models and ApplicationsE31- Nivel de precios; Inflación; DeflaciónE37- Predicción y simulaciónInflationFactorial analysisAcceso abierto