Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10908/18463
Título : | Predicción de la pobreza en Argentina usando Random Forest |
Autor/a: | Chagalj, Cristian |
Mentor/a: | Cardinale Lagomarsino, Bruno |
Fecha de publicación : | oct-2019 |
Editor: | Universidad de San Andrés. Departamento de Economía |
Resumen : | Este trabajo utiliza el algoritmo de aprendizaje Random Forest (RF) aplicado a la Encuesta Permanente de Hogares (EPH) para encontrar los principales predictores no monetarios de la pobreza en Argentina. El principal resultado es que el algoritmo RF permite identificar a los hogares pobres con un error de predicci´on del 19% y a los hogares no pobres con un error del 15% en la especificación más adecuada del modelo, en la cual se implementa una corrección por desbalanceo muestral de la variable de respuesta. Finalmente, se practican distintos chequeos de robustez y se presentan los resultados preliminares de las estimaciones. Los predictores principales de la situación de pobreza son: la cantidad de miembros del hogar, la edad del principal sostén del hogar, la cobertura médica y el nivel de educación. Finalmente, se discuten ventajas y desventajas de la metodología utilizada. |
Descripción : | Fil: Chagalj, Cristian. Universidad de San Andrés. Departamento de Economía; Argentina. |
URI : | http://hdl.handle.net/10908/18463 |
Aparece en las colecciones: | Tesis de Maestría en Economía |
Ficheros en este ítem:
Fichero | Tamaño | Formato | |
---|---|---|---|
[P][W] T.M. Eco. Chagalj, Cristian.pdf | 1.67 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.