Nowcasting de la pobreza en Argentina para el período 2016-2020

En Argentina, la disponibilidad de microdatos provenientes de la Encuesta Permanente de Hogares (EPH) permite estimar las tasas de pobreza de la población urbana con un rezago de dos trimestres, lo que dificulta tanto la programación de las distintas políticas públicas de corto plazo como la eval...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Andersch, Felipe, Colombo, Juan Cruz, Granda, Francisco, Sesma Lasierra, Wenceslao
Otros Autores:	Cornejo, Magdalena
Formato:	Tesis de grado acceptedVersion
Lenguaje:	Español
Publicado:	2023
Materias:	Análisis de datos Pobreza Zonas Urbanas Políticas Públicas Toma de Decisiones Predicciones tecnologicas Encuesta Permanente de Hogares Machine Learning Nowcast Benchmarking
Acceso en línea:	https://repositorio.utdt.edu/handle/20.500.13098/11596
Aporte de:	Repositorio Digital Universidad Torcuato Di Tella de Universidad Torcuato Di Tella

id	I57-R163-20.500.13098-11596
record_format	dspace
institution	Universidad Torcuato Di Tella
institution_str	I-57
repository_str	R-163
collection	Repositorio Digital Universidad Torcuato Di Tella
language	Español
orig_language_str_mv	spa
topic	Análisis de datos Pobreza Zonas Urbanas Políticas Públicas Toma de Decisiones Predicciones tecnologicas Encuesta Permanente de Hogares Machine Learning Nowcast Benchmarking
spellingShingle	Análisis de datos Pobreza Zonas Urbanas Políticas Públicas Toma de Decisiones Predicciones tecnologicas Encuesta Permanente de Hogares Machine Learning Nowcast Benchmarking Andersch, Felipe Colombo, Juan Cruz Granda, Francisco Sesma Lasierra, Wenceslao Nowcasting de la pobreza en Argentina para el período 2016-2020
topic_facet	Análisis de datos Pobreza Zonas Urbanas Políticas Públicas Toma de Decisiones Predicciones tecnologicas Encuesta Permanente de Hogares Machine Learning Nowcast Benchmarking
description	En Argentina, la disponibilidad de microdatos provenientes de la Encuesta Permanente de Hogares (EPH) permite estimar las tasas de pobreza de la población urbana con un rezago de dos trimestres, lo que dificulta tanto la programación de las distintas políticas públicas de corto plazo como la evaluación de la efectividad de éstas. Es por ello que el objetivo de nuestra tesis es evaluar el desempeño de distintos modelos de series temporales que contemplen el uso de métodos de Machine Learning para realizar pronósticos en tiempo real (nowcasts) del ingreso per cápita por decil y, en forma indirecta, de la tasa de pobreza y pobreza extrema en la Argentina entre 2016 y 2020. En particular, se evaluará el desempeño de los pronósticos obtenidos a través de: Bridge Equations con selección de predictores a través de: (a) Least Absolute Shrinkage and Selection Operator (LASSO), (b) modelos de vectores autorregresivos aumentados por factores (FAVAR) usando el análisis de componentes principales para identificar dichos factores, (c) modelos dinámicos de factores utilizando el filtro de Kalman y (d) modelos autorregresivos integrados de medias móviles (ARIMA) que serán utilizados como benchmark.
author2	Cornejo, Magdalena
author_facet	Cornejo, Magdalena Andersch, Felipe Colombo, Juan Cruz Granda, Francisco Sesma Lasierra, Wenceslao
format	Tesis de grado acceptedVersion
author	Andersch, Felipe Colombo, Juan Cruz Granda, Francisco Sesma Lasierra, Wenceslao
author_sort	Andersch, Felipe
title	Nowcasting de la pobreza en Argentina para el período 2016-2020
title_short	Nowcasting de la pobreza en Argentina para el período 2016-2020
title_full	Nowcasting de la pobreza en Argentina para el período 2016-2020
title_fullStr	Nowcasting de la pobreza en Argentina para el período 2016-2020
title_full_unstemmed	Nowcasting de la pobreza en Argentina para el período 2016-2020
title_sort	nowcasting de la pobreza en argentina para el período 2016-2020
publishDate	2023
url	https://repositorio.utdt.edu/handle/20.500.13098/11596
work_keys_str_mv	AT anderschfelipe nowcastingdelapobrezaenargentinaparaelperiodo20162020 AT colombojuancruz nowcastingdelapobrezaenargentinaparaelperiodo20162020 AT grandafrancisco nowcastingdelapobrezaenargentinaparaelperiodo20162020 AT sesmalasierrawenceslao nowcastingdelapobrezaenargentinaparaelperiodo20162020
bdutipo_str	Repositorios
_version_	1764820542592909313

Nowcasting de la pobreza en Argentina para el período 2016-2020

Ejemplares similares