Características del hogar y pobreza: una aplicación de las máquinas de soporte vectorial

Autores/as

DOI:

https://doi.org/10.46661/revmetodoscuanteconempresa.5377

Palabras clave:

algoritmo de aprendizaje, hogares censales, máquinas de soporte vectorial, métodos de clasificación, pobreza

Resumen

El uso de técnicas cuantitativas para la clasificación de segmentos poblacionales es una fase crítica para evaluar sus condiciones de materiales de existencia, información que sirve como input para los procesos de planificación de estrategias dirigidas a paliar la pobreza y la intervención discrecional de tales grupos, bajo los criterios de racionalidad económica e instrumental. En este artículo se construye un modelo de máquinas de soporte vectorial, entendido éste como un algoritmo de aprendizaje supervisado que proporciona un clasificador lineal no probabilístico con un superlativo nivel de precisión. De este modo, se segmenta una muestra de núcleos familiares residentes en Cartagena de Indias, en función de ciertas variables económicas y sociodemográficas. La obtención de los resultados analíticos refrenda el hecho de que los factores con mayor poder de discriminación entre los agentes económicos son el estatus laboral, la accesibilidad a servicios públicos y la renta percibida por los núcleos familiares. Por otra parte, se corrobora que las condiciones de vecindario y la recepción de transferencias monetarias corrientes tienen un poder clasificatorio reducido.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Arias, R., Sánchez, L., & Agüero, O. (2018). Impacto de la educación sobre la pobreza en regiones de planificación de Costa Rica. Revista Estudios del Desarrollo Social: Cuba y América Latina , 6(1), 1-21. https://doi.org/10.35622/j.rie.2019.01.009

Awad, M., & Khanna, R. (2015). Support Vector Machines for Classification: Theories, Concepts, and Applications for Engineers and System Designers. En M. Awad, & R. Khanna, Efficient Learning Machines (págs. 39-66). Apress, Berkeley, CA. https://doi.org/10.1007/978-1-4302-5990-9_3

Bastias, F., Cañadas, B., Sosa, V., & Moya, M. J. (2019). Explicaciones sobre el origen de la pobreza según área de formación profesional. Propósitos y Representaciones, 7(2), 107-120. https://doi.org/10.20511/pyr2019.v7n2.282

Bracco, J., Gasparini, L., & Tornarolli, L. (mayo de 2019). Explorando los Cambios de la Pobreza en Argentina: 2003-2015. Centro de Estudios Distributivos Laborales y Sociales. http://sedici.unlp.edu.ar/bitstream/handle/10915/75173/Documento_completo.pdf-PDFA.pdf?sequence=1&isAllowed=y https://doi.org/10.24215/18521649e009

Carmona, E. (11 de Julio de 2014). Tutorial sobre Máquinas de Vectores Soporte (SVM). Recuperado el 17 de Marzo de 2018 de http://www.ia.uned.es/~ejcarmona/publicaciones/[2013-Carmona]%20SVM.pdf

Cuentas, S., Peñabaena-Niebles, R., & Gar, E. (2017). Support vector machine in statistical process monitoring: a methodological and analytical review. The International Journal of Advanced Manufacturing Technology, 91(1-4), 485-500. https://doi.org/10.1007/s00170-016-9693-y

García, F. (2017). Responsabilidad y legitimidad en las transferencias monetarias condicionadas. Diánoia, 62(79), 193-216. https://doi.org/10.22201/iifs.18704913e.2017.79.1514

González, R., Barrientos, A., & Toa, M. (2017). Aplicación de las Máquinas de Soporte Vectorial (SVM) al diagnóstico clínico de la Enfermedad de Párkinson y el Temblor Esencial. Revista Iberoamericana de Automática e Informática Industrial, 14(4), 394-405. https://doi.org/10.1016/j.riai.2017.07.005

Jara, J., Giral, D., & Martínez, F. (2016). Implementación de algoritmos basados en máquinas de soporte vectorial (SVM) para sistemas eléctricos: revisión de tema. Revista Tecnura, 20(48), 149-170.

Jiménez, L., & Rengifo, P. (2010). Al interior de una máquina de soporte vectorial. Revista de Ciencias, 14, 73-85. https://doi.org/10.25100/rc.v14i0.655

L. Roos, L., Wall-Wieler, E., & Boram Lee, J. (2019). Poverty and Early Childhood Outcomes. Pediatrics, 143(6). https://doi.org/10.1542/peds.2018-3426

L.Harrison, J., & Montgomery, C. A. (2019). A spatial, simultaneous model of social capital and poverty. Journal of Behavioral and Experimental Economics, 78, 83-192. https://doi.org/10.1016/j.socec.2018.09.001

Markowetz, F., Edler, L., & Vingron, M. (2003). Support Vector Machines for Protein Fold Class Prediction. Biometrical Journal, 45(3), 377-389. https://doi.org/10.1002/bimj.200390019

Mohamoud, Y., Kirby, R., & Ehrenthal, D. P. (2019). Poverty, urban-rural classification and term infant mortality: a population-based multilevel analysis. BMC Pregnancy Childbirth, 19(40), 1-11. https://doi.org/10.1186/s12884-019-2190-1

Saidi, L., Fnaiech, F., & Ben Ali, J. (2015). Application of higher order spectral features and support vector machines for bearing faults classification. ISA Transactions, 54, 193-206. https://doi.org/10.1016/j.isatra.2014.08.007

Sánchez, N. (2015). Máquinas de soporte vectorial y redes neuronales artificiales en la predicción del movimiento USD/COP spot intradiario. ODEON(9), 113-172. https://doi.org/10.18601/17941113.n9.04

Sanogo, T. (2019). Does fiscal decentralization enhance citizens' access to public services and reduce poverty? Evidence from Côte d'Ivoire municipalities in a conflict setting. World Development, 113, 204-221. https://doi.org/10.1016/j.worlddev.2018.09.008

Suchacka, G., Skolimowska-Kulig, M., & Potempa, A. (2015). Classification Of E-Customer Sessions Based On Support Vector Machine. ECMS, 1-7. https://doi.org/10.7148/2015-0594

Wainer, J., & Cawley, G. (2017). Empirical Evaluation of Resampling Procedures for Optimising SVM Hyperparameters. Journal of Machine Learning Research, 18(15), 1-35.

Wen, Z., Li, B., Ramamohanarao, K., Chen, J., Chen, Y., & Zhang, R. (2017). Improving Efficiency of SVM k-Fold Cross-Validation by Alpha Seeding. AAAI, 2768-2774. https://doi.org/10.1609/aaai.v31i1.10785

Descargas

Publicado

2023-06-01

Cómo citar

Rahmer, B. de J., Garzón Saénz, H., Ortiz Piedrahita, G., & Solana Garzón, . J. (2023). Características del hogar y pobreza: una aplicación de las máquinas de soporte vectorial. Revista De Métodos Cuantitativos Para La Economía Y La Empresa, 35, 100–117. https://doi.org/10.46661/revmetodoscuanteconempresa.5377

Número

Sección

Artículos