Ingreso, pobreza y desigualdad. un análisis espacio temporal usando aprendizaje profundo (deep learning): predicción del ingreso a nivel cantonal en el Ecuador.

Sosa Donoso, Jorge Ricardo

Por favor, use este identificador para citar o enlazar este ítem: http://bibdigital.epn.edu.ec/handle/15000/24399

Registro completo de metadatos

Campo DC	Valor	Lengua/Idioma
dc.contributor.author	Sosa Donoso, Jorge Ricardo	-
dc.date.accessioned	2023-07-21T14:56:53Z	-
dc.date.available	2023-07-21T14:56:53Z	-
dc.date.issued	2023-03	-
dc.identifier.citation	Sosa Donoso, J.R. (2023). Ingreso, pobreza y desigualdad. un análisis espacio temporal usando aprendizaje profundo (deep learning): predicción del ingreso a nivel cantonal en el Ecuador. 53 páginas. Quito : EPN.	es_ES
dc.identifier.other	T-FCM 0368 / CD 13320	-
dc.identifier.uri	http://bibdigital.epn.edu.ec/handle/15000/24399	-
dc.description	El ingreso es, sino la más importante, una de las variables más importantespara realizar diversos estudios sobre pobreza y desigualdad. En Ecuador, el medio por el cual se puede acceder a información sobre ingresos de la población es mediante la Encuesta Nacional de Empleo Desempleo y Subempleo (ENEMDU). Sin embargo, esta encuesta no posee representatividad para el nivel desagregado cantonal a pesar de que este sea el segundo nivel más importante en la división administrativa del país. En el presente trabajo se realiza el cálculo del ingreso promedio per cápita para los cantones de Ecuador en los años 2019, 2020 y 2021, en donde se explora el uso de un método no paramétrico llamado Regresión Adaptativa Multivariante por Splines (MARS por sus siglas en inglés) pues da la facilidad de trabajar con interacción entre las variables además de generalizar el modelo de regresión lineal. Además, dependiendo del comportamiento de los datos, se obtiene un modelo con más o menos interacciones; por ejemplo, para el año 2019 se encontró un modelo con interacción de grado 3, así como para el año 2020 bastó un modelo aditivo. La estimación de los ingresos ayudó para realizar un análisis de autocorrelación espacial evidenciando patrones de asociación de cantones. En la Amazonia se destaca el clúster Bajo-Bajo formado en el año 2020 indicando que si un cantón tiene ingresos bajos sus vecinos también lo tendrán. Este patrón persiste en su mayoría para el año 2021, siendo posiblemente un efecto de la pandemia COVID-19.	es_ES
dc.description.sponsorship	Income is, if not the most important, one of the most important variables for various studies on poverty and inequality. In Ecuador, information on the population’s income can be accessed through the National Survey of Employment, Unemployment and Underemployment (ENEMDU). However, this survey is not representative at the disaggregated cantonal level, even though this is the second most important level in the administrative division of the country. In this paper we calculate the average per capita income for the cantons of Ecuador for the years 2019, 2020 and 2021, where we explore the use of a non-parametric method called Multivariate Adaptive Regression by Splines (MARS) because it provides the facility to work with interaction between variables in addition to generalizing the linear regression model. Furthermore, depending on the behavior of the data, a model with more or less interactions is obtained; for example, for the year 2019 a model with degree 3 interaction was found, as well as for the year 2020 an additive model was sufficient. The estimation of income helped to perform a spatial autocorrelation analysis, showing patterns of association of cantons. In the Amazon, the Low-Low cluster formed in the year 2020 stands out, indicating that if a canton has low income, its neighbors will also have low income. This pattern persists for the most part for the year 2021, possibly being an effect of the COVID-19 pandemic.	es_ES
dc.language.iso	spa	es_ES
dc.publisher	Quito : EPN, 2023.	es_ES
dc.rights	openAccess	es_ES
dc.subject	MATEMÁTICAS	es_ES
dc.subject	INGRESO	es_ES
dc.subject	REGRESIÓN ADAPTIVA MULTIVARIANTE POR SPLINES-MARS	es_ES
dc.subject	ENCUESTA NACIONAL DE EMPLEO, DESEMPLEO Y SUBEMPLEO-ENEMDU	es_ES
dc.subject	AUTOCORRELACIÓN ESPACIAL	es_ES
dc.title	Ingreso, pobreza y desigualdad. un análisis espacio temporal usando aprendizaje profundo (deep learning): predicción del ingreso a nivel cantonal en el Ecuador.	es_ES
dc.type	bachelorThesis	es_ES
Aparece en las colecciones:	TIC - Ingeniería Matemática

Ficheros en este ítem:

Fichero	Descripción	Tamaño	Formato
CD 13320.pdf		2,3 MB	Adobe PDF	Visualizar/Abrir

Muestra el registro sencillo del ítem

BIBDIGITAL