Pasar al contenido principal
Disponible enEspañol

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

Publication cover

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

Autor: Sosa Escudero, Walter - Cornejo, Magdalena Descripción física: 76 páginas. Editorial: CEPAL Fecha: julio 2022 Signatura: LC/TS.2022/95

Descripción

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.