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

Abstract

Las 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.