Modelo híbrido de Random Forest y Redes Neuronales para predecir el riesgo de pobreza multidimensional con datos del Censo y la encuesta ENEMDU del INEC

Abstract

La pobreza multidimensional constituye uno de los desafíos estructurales más persistentes en Ecuador, con brechas significativas entre zonas urbanas y rurales y entre las distintas regiones naturales del país. Los enfoques estadísticos tradicionales presentan limitaciones para capturar las complejas interacciones no lineales entre variables como el nivel educativo, la localización geográfica y los indicadores socioeconómicos que determinan el riesgo de privación. La presente investigación propone el desarrollo, implementación y evaluación de un modelo híbrido de inteligencia artificial que integra Random Forest, Gradient Boosting y Redes Neuronales Artificiales para clasificar el riesgo de pobreza multidimensional en hogares ecuatorianos...Multidimensional poverty remains one of the most persistent structural challenges in Ecuador, with significant gaps between urban and rural areas and across the country's natural regions. Traditional statistical approaches have limitations in capturing the complex nonlinear interactions among variables such as educational attainment, geographic location, and socioeconomic indicators that determine the risk of deprivation. This research proposes the development, implementation, and evaluation of a hybrid artificial intelligence model that integrates Random Forest, Gradient Boosting, and Artificial Neural Networks to classify the risk of multidimensional poverty in Ecuadorian households...