Desigualdades socioeconómicas mundiales: un enfoque sobre la urbanización, la paridad de género, la salud y más.
Este es mi proyecto final del curso de Data Science en Coderhouse.
Trabajé sobre una base de datos obtenida de Kaggle que fue armada a partir de distintas fuentes para Hackathon TrueCue Women+Data. Es un seguimiento del desempeño de 173 países respecto a métricas de sustentabilidad, en su mayoría socioeconómicas, a lo largo de 19 años (2000-2018). Es un conjunto de datos muy diverso, que da lugar a un gran número de oportunidades de análisis. En esta ocasión me interesó centrarme en los siguientes temas:
-
Diferencias socioeconómicas entre países mayormente urbanos y rurales.
-
Avances sobre políticas inclusivas de género.
-
Variables socioeconómicas que permitan clasificar el ingreso económico de un país.
-
Explorar variables que influyen significativamente en el PBI per cápita.
Muchas veces escuchamos hablar de una creciente desigualdad en la riqueza y de una disminución de la calidad de vida a nivel mundial. Una mayor urbanización, a priori, se asocia con una mayor planificación que se traduce en el acceso mejorado de la población a servicios básicos y a una mejor condición de vida, pero ¿esto es realmente así? ¿Hay mejor acceso a servicios en los países urbanos? ¿vemos mejoras económicas y de salud (por ejemplo en la nutrición y expectativa de vida) en estos países? Si vemos una mejora en las condiciones de vida, ¿esto estaría asociado a una disminución de la pobreza en las poblaciones? ¿Cuáles son los factores que nos permitirían predecir incrementos o disminuciones del PBI per cápita? ¿Qué variables nos ayudarían a entender mejor cómo un país tiene determinada clase de ingreso económico y no otra?
Por otro lado, esta creciente desigualdad económica muchas veces se ve profundizada al enfocarse en diferencias de género. Las mujeres enfrentan mayores dificultades a la hora de conseguir un empleo, y por lo tanto, un ascenso económico. Existen políticas que buscan acortar (y eliminar) esa brecha económica de género, y eso entonces lleva a pensar: ¿una mayor participación femenina en la política, se traduce en un menor desempleo femenino? Existe la idea de que el trabajo rural está vinculado mayormente al hombre, entonces: ¿es esperable que el desempleo femenino aumente considerablemente en países con poblaciones mayormente rurales?
Este trabajo busca, a través de distintas herramientas analíticas, ayudar a alcanzar un mayor entendimiento de estas problemáticas, y sería un buen primer paso para que distintos organismos gubernamentales y no-gubernamentales diseñen políticas con fundamento que apunten a mejorar la vida de todos y todas.
A partir de las problemáticas planteadas en el punto anterior, me planteo los siguientes objetivos:
-
a1) Analizar a nivel regional el acceso de poblaciones urbanes y rurales a servicios básicos (agua potable, electricidad, internet) y sus indicadores de salud (prevalencia de desnutrición, expectativa de vida).
-
a2) Explorar cómo se comporta el porcentaje de pobreza respecto a regiones mayoritariamente urbanas y rurales.
-
b1) Examinar cuál es la tendencia de la participación política femenina de cada región, y si esta se asocia con el porcentaje de desempleo femenino.
-
b2) Determinar si existe una relación significativa entre el porcentaje de poblaciones rurales de un país y el porcentaje de desempleo femenino.
-
c) Explorar las variables más influyentes para determinar el PBI per cápita y desarrollar un modelo de predicción óptimo que permita estimarlo a partir de dichas variables.
-
d) Generar un modelo de clasificación que permita determinar la clase de ingreso económico (en inglés: Income class) de un país.
Tratamiento de Datos
- Pandas
- Numpy
Visualización de Datos
- Seaborn
- Matplotlib
- Pyplot
Codificación, imputación y normalización de datos
- scikit-learn
- LabelEncoder
- KNNImputer
- OneClassSVM
- StandardScaler
Modelos lineales predictivos, modelos de clasificación y métricas
-
scikit-learn
- LinearRegression
- PCA
- RandomForestClassifier
- permutation_importance
- train_test_split
- cross_val_score
- r2_score, mean_squared_error, accuracy_score
- confusion_matrix, classification_report
-
xgboost
Técnicas de optimización de hiperparámetros
- scikit-learn
- RandomizedSearchCV