Show simple item record

dc.rights.licensehttps://creativecommons.org/licenses/by-sa/2.5/ar/es_AR
dc.contributor.advisorCornejo, Magdalenaes_Ar
dc.contributor.authorAndersch, Felipees_AR
dc.contributor.authorColombo, Juan Cruzes_AR
dc.contributor.authorGranda, Franciscoes_AR
dc.contributor.authorSesma Lasierra, Wenceslaoes_AR
dc.coverage.spatialArgentinaes_AR
dc.date.accessioned2023-01-11T16:44:54Z
dc.date.available2023-01-11T16:44:54Z
dc.date.issued2021
dc.identifier.urihttps://repositorio.utdt.edu/handle/20.500.13098/11596
dc.description.abstractEn 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.es_AR
dc.description.sponsorshipPor motivos relacionados con los derechos de autor este documento solo puede ser consultado en la Biblioteca Di Tella. Para reservar una cita podés ponerte en contacto con serviciosbiblio@utdt.edu. Si sos el autor de esta tesis y querés autorizar su publicación en este repositorio, podés ponerte en contacto con repositorio@utdt.edu.es_AR
dc.format.extent36 p.es_AR
dc.format.mediumapplication/pdfes_AR
dc.languagespaes_AR
dc.rightsinfo:eu-repo/semantics/restrictedAccesses_AR
dc.subjectAnálisis de datoses_AR
dc.subjectPobrezaes_AR
dc.subjectZonas Urbanases_AR
dc.subjectPolíticas Públicases_AR
dc.subjectToma de Decisioneses_AR
dc.subjectPredicciones tecnologicases_AR
dc.titleNowcasting de la pobreza en Argentina para el período 2016-2020es_AR
dc.typeinfo:eu-repo/semantics/bachelorThesises_AR
thesis.degree.nameLicenciatura en Economía
thesis.degree.grantorUniversidad Torcuato Di Tellaes_Ar
thesis.degree.grantorDepartamento de Economíaes_Ar
dc.subject.keywordEncuesta Permanente de Hogareses_AR
dc.subject.keywordMachine Learninges_AR
dc.subject.keywordNowcastes_AR
dc.subject.keywordBenchmarkinges_AR
dc.type.versioninfo:eu-repo/semantics/acceptedVersiones_AR


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record