Predicciones agregadas de pobreza con información a escala micro y macro: evaluación, diagnóstico y propuestas

Magdalena Cornejo and Walter Sosa Escudero ()

Estudios Estadísticos from Naciones Unidas Comisión Económica para América Latina y el Caribe (CEPAL)

Abstract: En este documento se discuten y revisan diversas alternativas para realizar pronósticos de pobreza para varios países de América Latina. El punto de partida es el modelo base desarrollado por CEPAL y luego se generan variantes que exploran estrategias novedosas asociadas a las técnicas de machine learning (aprendizaje automático). Se parte de la construcción de un panel para 12 países de la región entre 2000 y 2019 y se realiza un análisis comparativo de las proyecciones realizadas de las tasas agregadas de pobreza y pobreza extrema. Se evalúan distintas alternativas de pronóstico de pobreza que buscan explotar la naturaleza micro-macro de los datos, la dinámica temporal de las series, la heterogeneidad del panel y el uso de técnicas de machine learning que permiten lidiar con la complejidad de los modelos. El desempeño predictivo fue evaluado tanto a nivel agregado como a través de grupos de individuos (i.e. mujeres, desocupados y jóvenes).

Date: 2022-07-25
New Economics Papers: this item is included in nep-big
References: Add references at CitEc
Citations:

Downloads: (external link)
http://repositorio.cepal.org/handle/11362/48018

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:ecr:col027:48018

Access Statistics for this paper

More papers in Estudios Estadísticos from Naciones Unidas Comisión Económica para América Latina y el Caribe (CEPAL) Contact information at EDIRC.
Bibliographic data for series maintained by Biblioteca CEPAL ().