Pobreza en Argentina : un análisis predictivo utilizando herramientas de machine learning

Simple item page
dc.contributor.MentorSosa Escudero, Walter
dc.creator.AutorDabús, Andrés
dc.date.accessioned8/18/2021 17:53Z
dc.date.available8/18/2021 17:53Z
dc.date.issued2020-12
dc.descriptionFil: Dabús, Andrés. Universidad de San Andrés. Departamento de Economía; Argentina.
dc.description.abstractLas mediciones de los niveles de pobreza a partir del ingreso monetario pueden estar afectadas por inconvenientes prácticos como la no respuesta y la subdeclaración del mismo en las encuestas de hogares. Además, muchas críticas sugieren que esta variable puede no representar de manera confiable el nivel de vida y las privaciones de los individuos. Por estas razones, en este trabajo se analiza la posibilidad de identificar a las familias pobres y no pobres a partir de variables alternativas al ingreso, las cuales representan otras dimensiones del bienestar distintas a la monetaria. Implementando diferentes algoritmos de la literatura de Machine Learning y utilizando las bases de datos de la Encuesta Permanente de Hogares (EPH), se encontró que se pudo clasificar correctamente al 84,25% de las observaciones. Asimismo, se muestra que es posible reducir el espacio original de predictores mediante LASSO, aunque no considerablemente, y que, a partir de conditional random forest, las variables más relevantes para determinar el status de pobreza son la cantidad total de miembros del hogar, el tipo de cobertura médica que tiene el jefe de hogar, la cantidad de miembros del hogar con edad mayor o igual a 10 años cumplidos, la edad del jefe de hogar, la categoría de inactividad del jefe de hogar y la cantidad de miembros del hogar menores de 10 años.
dc.formatapplication/pdf
dc.identifier.citationDabús, A. (2020). Pobreza en Argentina : un análisis predictivo utilizando herramientas de machine learning. [Tesis de maestría, Universidad de San Andrés. Departamento de Economía]. Repositorio Digital San Andrés. http://hdl.handle.net/10908/18489
dc.identifier.urihttp://hdl.handle.net/10908/18489
dc.languagespa
dc.publisherUniversidad de San Andrés. Departamento de Economía
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightshttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.titlePobreza en Argentina : un análisis predictivo utilizando herramientas de machine learning
dc.typeTesis
dc.typeinfo:eu-repo/semantics/masterThesis
dc.typeinfo:ar-repo/semantics/tesis de maestría
dc.typeinfo:eu-repo/semantics/updatedVersion
Files
Original bundle
Thumbnail Image
Name:
[P][W] T.M. Eco. Dabús, Andrés.pdf
Size:
1.57 MB
Format:
Adobe Portable Document Format
Description:
Download
Collections
Tesis de Maestría en Economía