Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/20.500.12008/56414
Cómo citar
| Título: | Programas de transferencias condicionadas: focalización basada en Aprendizaje Estadístico |
| Autor: | Gómez Bonaglia, Elina da Silva, Natalia |
| Tipo: | Documento de trabajo |
| Palabras clave: | Aprendizaje estadístico, Focalización, Transferencias monetarias condicionadas, América latina |
| Descriptores: | MODELOS DE PREDICCION, CLASIFICACION ESTADISTICA, ESTADISTICA APLICADA, POLITICA SOCIAL, APRENDIZAJE AUTOMATICO |
| Fecha de publicación: | 2024 |
| Resumen: | El objetivo de este trabajo es analizar y contextualizar los mecanismos de focalización que utilizan los Programas de Transferencias Condicionadas (PTC) para seleccionar sus beneficiarios. Especificamente se analiza el programa de Asignaciones Familiares del Plan de Equidad (AFAM-PE) de Uruguay y se proponen alternativas para mejorar la focalización de estos programas. Se exploran mecanismos de focalización alternativos a los métodos tradicionales con el objetivo de contar con herramientas que mejoren la asignación de los recursos de los PTC como ser el programa de AFAM-PE. Para ello se utilizan métodos de aprendizaje estadístico que muestran ventajas comparativas en términos de reducción de errores de exclusión e inclusión en problemas de similares características en trabajos recientes en la región. El método para seleccionar las personas beneficiarias de AFAM-E en Uruguay se basa en el cálculo del Índice de Carencias Críticas (ICC) del Ministerio de Desarrollo Social (MIDES) que permite definir la elegibilidad. Este índice es construido en base a un modelo econométrico de tipo Probit. La estrategia basada en métodos de aprendizaje estadístico para definir elegibilidad propuesta e implementada en este trabajo es contrastada con el modelo econométrico utilizado en la actualidad. Los resultados muestran que los métodos de aprendizaje estadístico cuentan con un buen desempeño para predecir hogares beneficiarios del programa AFAM-PE. El mejor modelo muestra una precisión global de 96 % en el conjunto de testeo. A su vez dichos modelos mejoran la focalización respecto al modelo econométrico utilizado actualmente. Se encuentran reducciones importantes en los errores de exclusión e inclusión entre los menores de edad, logrando un mejor desempeño en cuanto a la clasificación de la población objetivo. En base a bosques aleatorios se obtienen una reducción de 11,3 % de los errores de focalización con respecto al modelo Probit utilizado para la construcción del ICC que define a las personas beneficiarias. |
| Editorial: | Universidad de la República (Uruguay). Facultad de Ciencias Económicas y de Administración. Instituto de Estadística |
| Serie o colección: | Serie Documentos de Trabajo;1/24 |
| Citación: | GÓMEZ BONAGLIA, Elina y DA SILVA, N. Programas de transferencias condicionadas: focalización basada en Aprendizaje Estadístico [en línea]. Serie Documentos de Trabajo; 1/24. Montevideo : Udelar. FCEA. IESTA, 2024. |
| ISSN: | 1688-6453 |
| Licencia: | Licencia Creative Commons Atribución - No Comercial - Compartir Igual (CC - By-NC-SA 4.0) |
| Cobertura geográfica: | Uruguay |
| Aparece en las colecciones: | Documentos de Trabajo - Instituto de Estadística |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | ||
|---|---|---|---|---|---|
| DT_2024_1.pdf | DT | 989,79 kB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons