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.
The use of quantitative techniques for the classification of population segments is a critical phase to evaluate their conditions. This information will serve as input for planning strategies to alleviate poverty. In this article, we present a model of vector support machines. Consequently, a sample of families residing in Cartagena de Indias is segmented, based on certain economic and sociodemographic variables. Analytical results confirm that most important factors are employment status, accessibility to public services and familiar income. In addition, it is corroborated that neighborhood conditions and monetary transfers have a low discriminatory power.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados