Programas de transferencias condicionadas en la región. Mecanismos de focalización desde una perspectiva comparada entre Uruguay y Costa Rica

El trabajo tiene como objetivo contextualizar y analizar los mecanismos de focalización que utilizan los Programas de Transferencias Condicionadas (PTC) en América Latina para seleccionar sus beneficiarios/as. Desde una perspectiva comparada se realiza una caracterización y evaluación de los desempe...

Full description

Saved in:
Bibliographic Details
Main Author: Gómez Bonaglia, Elina (author)
Format: masterThesis
Language:Spanish
Published: 2022
Subjects:
Online Access:https://hdl.handle.net/20.500.12008/33013
Tags: Add Tag
No Tags, Be the first to tag this record!
_version_ 1868890213453922304
author Gómez Bonaglia, Elina
author_browse Gómez Bonaglia, Elina
author_facet Gómez Bonaglia, Elina
author_role author
collection COLIBRI
dc.contributor.none.fl_str_mv Gómez Bonaglia Elina, Universidad de la República (Uruguay). Facultad de Ciencias Sociales
dc.coverage.none.fl_str_mv Uruguay
Costa Rica
dc.creator.none.fl_str_mv Gómez Bonaglia, Elina
dc.date.none.fl_str_mv 2022-08-09T18:47:34Z
2022-08-09T18:47:34Z
2022
dc.format.none.fl_str_mv 89 p.
application/pdf
dc.identifier.none.fl_str_mv Gómez Bonaglia, E. Programas de transferencias condicionadas en la región. Mecanismos de focalización desde una perspectiva comparada entre Uruguay y Costa Rica [en línea] Tesis de maestría. Montevideo: Udelar. FCS, 2022
https://hdl.handle.net/20.500.12008/33013
dc.language.none.fl_str_mv es
spa
dc.publisher.none.fl_str_mv Udelar. FCS
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)
dc.source.none.fl_str_mv reponame:COLIBRI
instname:Universidad de la República
instacron:Universidad de la República
dc.subject.none.fl_str_mv Transferencias monetarias condicionadas
Focalización
Aprendizaje estadístico
Conditional cash transfers
Targeting
Statistical learning
América Latina
Latin America
dc.title.none.fl_str_mv Programas de transferencias condicionadas en la región. Mecanismos de focalización desde una perspectiva comparada entre Uruguay y Costa Rica
dc.type.none.fl_str_mv Tesis de maestría
info:eu-repo/semantics/masterThesis
info:eu-repo/semantics/acceptedVersion
description El trabajo tiene como objetivo contextualizar y analizar los mecanismos de focalización que utilizan los Programas de Transferencias Condicionadas (PTC) en América Latina para seleccionar sus beneficiarios/as. Desde una perspectiva comparada se realiza una caracterización y evaluación de los desempeños de la focalización en dos casos de PTC de la región: el programa Asignaciones Familiares del Plan de Equidad (AFAM-PE) de Uruguay y el programa Avancemos de Costa Rica. A partir de evidencia reciente sobre la ventaja comparativa en términos de reducción de errores de exclusión e inclusión que demuestran los modelos con base en Inteligencia Artificial (IA) y Aprendizaje Estadístico (AE) para el caso de Costa Rica, se presentan resultados asociados y se problematiza acerca de las implicancias prácticas y éticas que tiene su utilización en la toma de decisiones con alto impacto social, como es el caso de los criterios de elegibilidad de los PTC. Se realizan ensayos para el caso de AFAM-PE, a partir del procesamiento de la Encuesta Continua de Hogares (ECH) de 2018, y se comparan rendimientos de los modelos basados en AE (Random Forest y Stochastic Gradient Boosting) con respecto al método econométrico (Probit) que sirven construir el Índice de Carencias Críticas (ICC) del Ministerio de Desarrollo Social (Mides) y definir la eligibilidad. Así también, se analiza y compara la importancia de las variables incluidas y se exploran modelos alternativos considerando otras variables predictoras posibles. Entre los resultados presentados se halla que los modelos de AE ensayados para el caso de AFAM-PE, al igual que lo indicaba la evidencia para el caso de Costa Rica, presentan ventajas significativas en cuanto a reducción de errores de exclusión e inclusión entre los menores de edad, logrando mayores niveles de exactitud en la clasificación de la población objetivo. En el caso del Random Forest, el cual presenta mejor rendimiento, se logra una reducción de 11,3 % de los errores con respecto al modelo Probit utilizado para la construcción del ICC.
eu_rights_str_mv openAccess
format masterThesis
id anni_e07b2860fb8f2eb5c039c8c26baefd5a
identifier_str_mv Gómez Bonaglia, E. Programas de transferencias condicionadas en la región. Mecanismos de focalización desde una perspectiva comparada entre Uruguay y Costa Rica [en línea] Tesis de maestría. Montevideo: Udelar. FCS, 2022
instacron_str Universidad de la República
institution Universidad de la República
instname_str Universidad de la República
language spa
language_invalid_str_mv es
network_acronym_str anni
network_name_str oai-lr-anni
oai_identifier_str oai:colibri.udelar.edu.uy:20.500.12008/33013
publishDate 2022
publishDateSort 2022
publisher.none.fl_str_mv Udelar. FCS
reponame_str COLIBRI
repository.mail.fl_str_mv
repository.name.fl_str_mv
repository_id_str
rights_invalid_str_mv Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)
spelling Programas de transferencias condicionadas en la región. Mecanismos de focalización desde una perspectiva comparada entre Uruguay y Costa RicaGómez Bonaglia, ElinaTransferencias monetarias condicionadasFocalizaciónAprendizaje estadísticoConditional cash transfersTargetingStatistical learningAmérica LatinaLatin AmericaEl trabajo tiene como objetivo contextualizar y analizar los mecanismos de focalización que utilizan los Programas de Transferencias Condicionadas (PTC) en América Latina para seleccionar sus beneficiarios/as. Desde una perspectiva comparada se realiza una caracterización y evaluación de los desempeños de la focalización en dos casos de PTC de la región: el programa Asignaciones Familiares del Plan de Equidad (AFAM-PE) de Uruguay y el programa Avancemos de Costa Rica. A partir de evidencia reciente sobre la ventaja comparativa en términos de reducción de errores de exclusión e inclusión que demuestran los modelos con base en Inteligencia Artificial (IA) y Aprendizaje Estadístico (AE) para el caso de Costa Rica, se presentan resultados asociados y se problematiza acerca de las implicancias prácticas y éticas que tiene su utilización en la toma de decisiones con alto impacto social, como es el caso de los criterios de elegibilidad de los PTC. Se realizan ensayos para el caso de AFAM-PE, a partir del procesamiento de la Encuesta Continua de Hogares (ECH) de 2018, y se comparan rendimientos de los modelos basados en AE (Random Forest y Stochastic Gradient Boosting) con respecto al método econométrico (Probit) que sirven construir el Índice de Carencias Críticas (ICC) del Ministerio de Desarrollo Social (Mides) y definir la eligibilidad. Así también, se analiza y compara la importancia de las variables incluidas y se exploran modelos alternativos considerando otras variables predictoras posibles. Entre los resultados presentados se halla que los modelos de AE ensayados para el caso de AFAM-PE, al igual que lo indicaba la evidencia para el caso de Costa Rica, presentan ventajas significativas en cuanto a reducción de errores de exclusión e inclusión entre los menores de edad, logrando mayores niveles de exactitud en la clasificación de la población objetivo. En el caso del Random Forest, el cual presenta mejor rendimiento, se logra una reducción de 11,3 % de los errores con respecto al modelo Probit utilizado para la construcción del ICC.The work aims to contextualize and analyze the targeting mechanisms, used by Conditional Cash Transfer (CCT) programs, in Latin America with the purpose of selecting their beneficiaries. From a comparative perspective, a characterization and evaluation of the performance of the targeting is carried out in two cases of PTC in the region: the Family Allowances program of the Equity Plan (AFAM-PE) of Uruguay and the Avancemos program in Costa Rica. Based on recent evidence on the comparative advantage, in terms of reduction of exclusion and inclusion errors, provided by the models based on Artificial Intelligence (AI) and Statistical Learning (SL) for the case of Costa Rica, associated results are presented and problematized in relation to the practical and ethical implications of its use in decision-making with high social impact, as is the case with the eligibility criteria of the PTC programs. Tests are conducted for the case of AFAM-PE, based on the processing of the Continuous Household Survey (ECH) of 2018, and performances of the models based on SL (Random Forest and Stochastic Gradient Boosting) are compared with respect to the econometric method (Probit) that serve to build the Critical Deficiency Index (ICC) of the Uruguayan Ministry of Social Development (Mides) and define eligibility. Likewise, the importance of the included variables is analyzed, compared and alternative models are explored considering other possible predictor variables. Among the results presented it is found that the models of SL tested for the case of AFAM-PE, as indicated by the evidence for the case of Costa Rica, have significant advantages in terms of reducing exclusion and inclusion errors among underage popula- tions, achieving higher levels of accuracy in the classification of the target population. In the case of the Random Forest, which has better performance, an 11.3 % reduction in errors is achieved with respect to the Probit model used for the construction of the ICC.Agencia Nacional de Investigación e Innovación (ANII) mediante la Beca de Maestría Nacional en Áreas estratégicasUdelar. FCSGómez Bonaglia Elina, Universidad de la República (Uruguay). Facultad de Ciencias Sociales2022-08-09T18:47:34Z2022-08-09T18:47:34Z2022Tesis de maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersion89 p.application/pdfGómez Bonaglia, E. Programas de transferencias condicionadas en la región. Mecanismos de focalización desde una perspectiva comparada entre Uruguay y Costa Rica [en línea] Tesis de maestría. Montevideo: Udelar. FCS, 2022https://hdl.handle.net/20.500.12008/33013reponame:COLIBRIinstname:Universidad de la Repúblicainstacron:Universidad de la RepúblicaesspaUruguayCosta RicaLas obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)info:eu-repo/semantics/openAccessLicencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)oai:colibri.udelar.edu.uy:20.500.12008/330132026-04-14T10:14:20Z
spellingShingle Programas de transferencias condicionadas en la región. Mecanismos de focalización desde una perspectiva comparada entre Uruguay y Costa Rica
Gómez Bonaglia, Elina
Transferencias monetarias condicionadas
Focalización
Aprendizaje estadístico
Conditional cash transfers
Targeting
Statistical learning
América Latina
Latin America
status_str acceptedVersion
title Programas de transferencias condicionadas en la región. Mecanismos de focalización desde una perspectiva comparada entre Uruguay y Costa Rica
title_full Programas de transferencias condicionadas en la región. Mecanismos de focalización desde una perspectiva comparada entre Uruguay y Costa Rica
title_fullStr Programas de transferencias condicionadas en la región. Mecanismos de focalización desde una perspectiva comparada entre Uruguay y Costa Rica
title_full_unstemmed Programas de transferencias condicionadas en la región. Mecanismos de focalización desde una perspectiva comparada entre Uruguay y Costa Rica
title_short Programas de transferencias condicionadas en la región. Mecanismos de focalización desde una perspectiva comparada entre Uruguay y Costa Rica
title_sort Programas de transferencias condicionadas en la región. Mecanismos de focalización desde una perspectiva comparada entre Uruguay y Costa Rica
topic Transferencias monetarias condicionadas
Focalización
Aprendizaje estadístico
Conditional cash transfers
Targeting
Statistical learning
América Latina
Latin America
url https://hdl.handle.net/20.500.12008/33013