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

| Publicación

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

  • Autor:

    Autor:

    Sosa Escudero, Walter -
    Cornejo, Magdalena -

  • Descripción física: 76 páginas.
  • Editorial: CEPAL
  • Símbolo ONU (Firma): LC/TS.2022/95
  • Fecha: Julio 25, 2022

Ver publicación

Descripción

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).

Índice

  • Resumen
  • Introducción
  • I. Enfoques recientes en predicciones de la pobreza: nowcasting y aprendizaje
  • II. Fuentes de datos para la predicción
  • III. El enfoque micro-macro
  • IV. Resultados y desempeño del modelo base en 2019
  • V. Extensiones del modelo base y resultados para 2019
  • VI. Evaluación del desempeño predictivo para el período 2003 a 2019
  • VII. Recomendaciones para la práctica.