Mi experiencia profesional se ha desarrollado como asistente de investigación. He
trabajado en el Max Planck Institute for Innovation and Competition, Harvard
University, Massachusetts Institute of Technology (MIT) y, actualmente, me
desempeño como investigador junior en el Banco Mundial. Investigo principalmente la
intersección de la inferencia causal y machine learning con la ayuda de herramientas
econométricas. En este Informe presentaré un análisis de correlación entre el
porcentaje de personas con identificación (o tenencia de ID) y la distancia hacia las
Oficinas de Identificación (OI), donde se realiza dicho registro, para los países de
Bolivia y Uganda. Para ello, se empleó la recolección de datos mediante webscraping
en Python, la visualización de mapas, el cálculo de las distancias a las OI y las
principales regresiones en el lenguaje de programación R. Además, este estudio
compara dos metodologías de cálculo de distancias que utilizan Big Data. La primera,
propuesta por Rodríguez-Segura y Heseung (2021), la cual ayuda a calcular
distancias a las OI más cercanas. Sin embargo, la OI más cercana no necesariamente
es la más accesible. Por ello, también se usó la metodología propuesta por Weiss et
al (2018), para calcular distancias a la OI más accesible.
| Identifer | oai:union.ndltd.org:PUCP/oai:tesis.pucp.edu.pe:20.500.12404/21382 |
| Date | 25 January 2022 |
| Creators | Quispe Rojas, Alexander Wilder |
| Contributors | Orihuela Paredes, José Carlos |
| Publisher | Pontificia Universidad Católica del Perú, PE |
| Source Sets | Pontificia Universidad Católica del Perú |
| Language | Spanish |
| Detected Language | Spanish |
| Type | info:eu-repo/semantics/bachelorThesis |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/closedAccess |
Page generated in 0.0024 seconds