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.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )