Servicios Personalizados
Revista
Articulo
Indicadores
- Citado por SciELO
- Accesos
Links relacionados
- Similares en SciELO
Compartir
Estudios Económicos (México, D.F.)
versión On-line ISSN 0186-7202versión impresa ISSN 0188-6916
Resumen
RINCON, Ratzanyel. Estimaciones trimestrales de pobreza multidimensional en México mediante algoritmos de aprendizaje de máquina. Estud. Econ. (México, D.F.) [online]. 2023, vol.38, n.1, pp.3-68. Epub 26-Jun-2023. ISSN 0186-7202. https://doi.org/10.24201/ee.v38i1.435.
Este artículo aborda la falta de información oportuna sobre la pobreza multidimensional en México. Tres algoritmos de aprendizaje de máquinala regresión LASSO logística, el bosque aleatorio y las máquinas de vectores de soporteson entrenados con la ENIGH para encontrar patrones generalizables de pobreza multidimensional en los datos. Los modelos se utilizan para clasificar a cada individuo en la ENOE como pobre o no-pobre para obtener tasas de pobreza trimestrales. Estas estimaciones son más cercanas a los niveles de pobreza multidimensional que la pobreza laboral y brindan una perspectiva precisa sobre la pobreza con más de un año de antelación a la medición oficial.
Palabras llave : pobreza multidimensional; aprendizaje de máquina; regresión logística de LASSO.