Estimaciones trimestrales de pobreza multidimensional en México mediante algoritmos de aprendizaje de máquina
This article addresses the lack of timely information about multidimensional poverty in Mexico. Three machine learning algorithms —the LASSO logistic regression, random forest, and support vector machines— are trained with the ENIGH to find generalizable patterns of multidimensional poverty in the r...
| Main Author: | |
|---|---|
| Format: | Online |
| Language: | English |
| Editor: |
El Colegio de México, A.C.
2022
|
| Subjects: | |
| Online Access: | https://estudioseconomicos.colmex.mx/index.php/economicos/article/view/435 |
| Journal: |
Estudios Económicos |
| authentication_code | dc |
|---|---|
| _version_ | 1853489757515939840 |
| author | Rincón, Ratzanyel |
| author_facet | Rincón, Ratzanyel |
| author_sort | Rincón, Ratzanyel |
| category_str_mv |
"Bolivia", "hyperinflation", "economic crisis", "Bolivia", "hiperinflación", "crisis económica"
|
| collection | OJS |
| description | This article addresses the lack of timely information about multidimensional poverty in Mexico. Three machine learning algorithms —the LASSO logistic regression, random forest, and support vector machines— are trained with the ENIGH to find generalizable patterns of multidimensional poverty in the raw data. The fitted models are used to classify each individual in the ENOE as poor or non-poor to obtain aggregated poverty rates on a quarterly basis. These estimates are closer to the official levels of multidimensional poverty than the labor poverty measurement and provide an accurate poverty outlook more than a year ahead of the official measure. |
| format | Online |
| id | oai:oai.estudioseconomicos.colmex.mx:article-435 |
| index_str_mv | CONAHCYT LATINDEX PKP Index DORA Redalyc Scielo México Handbook of Latin American Studies (HLAS) JSTOR Dialnet HAPI Ulrich’s International Periodicals Directory Google Scholar IBSS Gale OneFile: Informe Académico Global Issues in Context InfoTracCustom Cengage Learning EconLit Índice bibliográfico Publindex RePEc The Journal of Economic Literature |
| journal | Estudios Económicos |
| language | eng |
| publishDate | 2022 |
| publisher | El Colegio de México, A.C. |
| record_format | ojs |
| Terms_governing_use_and_reproduction_note | Copyright (c) 2022 Estudios Económicos de El Colegio de México |
| data_source_entry/ISSN | Estudios Económicos de El Colegio de México; 75-vol. 38, no. 1, january-june, 2023; 3-68 Estudios Económicos de El Colegio de México; 75-vol. 38, núm. 1, enero-junio, 2023; 3-68 0186-7202 0188-6916 |
| spelling | oai:oai.estudioseconomicos.colmex.mx:article-4352024-06-12T20:52:09Z Quarterly multidimensional poverty estimates in Mexico using machine learning algorithms Estimaciones trimestrales de pobreza multidimensional en México mediante algoritmos de aprendizaje de máquina Rincón, Ratzanyel multidimensional poverty machine learning LASSO logistic regression random forest support vector machines C140 C8 D6 I320 pobreza multidimensional aprendizaje de máquina regresión logística de LASSO C140 C8 D6 I320 This article addresses the lack of timely information about multidimensional poverty in Mexico. Three machine learning algorithms —the LASSO logistic regression, random forest, and support vector machines— are trained with the ENIGH to find generalizable patterns of multidimensional poverty in the raw data. The fitted models are used to classify each individual in the ENOE as poor or non-poor to obtain aggregated poverty rates on a quarterly basis. These estimates are closer to the official levels of multidimensional poverty than the labor poverty measurement and provide an accurate poverty outlook more than a year ahead of the official measure. Este artículo aborda la falta de información oportuna sobre la pobreza multidimensional en México. Tres algoritmos de aprendizaje de máquina —la regresión LASSO logística, el bosque aleatorio y las máquinas de vectores de soporte— son 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. El Colegio de México, A.C. 2022-12-16 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion application/pdf text/xml https://estudioseconomicos.colmex.mx/index.php/economicos/article/view/435 10.24201/ee.v38i1.435 Estudios Económicos de El Colegio de México; 75-vol. 38, no. 1, january-june, 2023; 3-68 Estudios Económicos de El Colegio de México; 75-vol. 38, núm. 1, enero-junio, 2023; 3-68 0186-7202 0188-6916 eng https://estudioseconomicos.colmex.mx/index.php/economicos/article/view/435/588 https://estudioseconomicos.colmex.mx/index.php/economicos/article/view/435/593 Copyright (c) 2022 Estudios Económicos de El Colegio de México |
| spellingShingle | multidimensional poverty machine learning LASSO logistic regression random forest support vector machines C140 C8 D6 I320 pobreza multidimensional aprendizaje de máquina regresión logística de LASSO C140 C8 D6 I320 Rincón, Ratzanyel Estimaciones trimestrales de pobreza multidimensional en México mediante algoritmos de aprendizaje de máquina |
| title | Estimaciones trimestrales de pobreza multidimensional en México mediante algoritmos de aprendizaje de máquina |
| title_alt | Quarterly multidimensional poverty estimates in Mexico using machine learning algorithms |
| title_full | Estimaciones trimestrales de pobreza multidimensional en México mediante algoritmos de aprendizaje de máquina |
| title_fullStr | Estimaciones trimestrales de pobreza multidimensional en México mediante algoritmos de aprendizaje de máquina |
| title_full_unstemmed | Estimaciones trimestrales de pobreza multidimensional en México mediante algoritmos de aprendizaje de máquina |
| title_short | Estimaciones trimestrales de pobreza multidimensional en México mediante algoritmos de aprendizaje de máquina |
| title_sort | estimaciones trimestrales de pobreza multidimensional en mexico mediante algoritmos de aprendizaje de maquina |
| topic | multidimensional poverty machine learning LASSO logistic regression random forest support vector machines C140 C8 D6 I320 pobreza multidimensional aprendizaje de máquina regresión logística de LASSO C140 C8 D6 I320 |
| topic_facet | multidimensional poverty machine learning LASSO logistic regression random forest support vector machines C140 C8 D6 I320 pobreza multidimensional aprendizaje de máquina regresión logística de LASSO C140 C8 D6 I320 |
| url | https://estudioseconomicos.colmex.mx/index.php/economicos/article/view/435 |
| work_keys_str_mv | AT rinconratzanyel quarterlymultidimensionalpovertyestimatesinmexicousingmachinelearningalgorithms AT rinconratzanyel estimacionestrimestralesdepobrezamultidimensionalenmexicomediantealgoritmosdeaprendizajedemaquina |