En este artículo se evalúan métodos no paramétricos de estimación de densidades univariadas con el fin de medir el efecto del crecimiento económico sobre la tasa de pobreza, que es el indicador de pobreza de mayor difusión en opinión pública. La literatura de crecimiento pro-pobre ha calculado la elasticidad-crecimiento de la pobreza a partir de ajustar la distribución del ingreso por medio de funciones de densidad conocidas. Sin embargo, cuando se ignoran las formas funcionales subyacentes, las aproximaciones por funciones teóricas pueden no captar cualidades de la densidad poblacional, que sí pueden deducirse por medio de métodos no paramétricos. Debido a que la elasticidad-crecimiento de la tasa de pobreza es sensible a dichas características, en este trabajo se comparan los métodos no paramétricos de kernel, k-ésimo vecino cercano, kernel adaptativo y logspline en la estimación de dicha elasticidad en base a muestras aleatorias de distribuciones teóricas habitualmente empleadas por la literatura de distribución del ingreso. La comparación se realiza a partir del error cuadrático medio integrado y como resultado de este ejercicio se obtiene que los métodos no paramétricos ganan mucho en precisión cuando se calcula la elasticidad para tasas de pobreza superiores al 10%. En base a esto se estima la elasticidad-crecimiento de la tasa de pobreza para Gran Buenos Aires en 1974, 1986, 1998 y 2005, observándose una caída en la sensibilidad de dicho indicador al crecimiento económico a lo largo de los años.
| Identifer | oai:union.ndltd.org:SEDICI/oai:sedici.unlp.edu.ar:10915/3325 |
| Date | January 2008 |
| Creators | Epele, Luis Nicolás |
| Contributors | Sosa Escudero, Walter |
| Source Sets | Universidad Nacional de La Plata, Sedici |
| Language | Spanish |
| Detected Language | Spanish |
| Type | Tesis, Tesis de maestria |
| Rights | http://creativecommons.org/licenses/by/3.0/, Creative Commons Attribution 3.0 Unported (CC BY 3.0) |
Page generated in 0.0023 seconds