guipo-r / proyecto-data-science-desigualdades-socioeconomicas

Desigualdades socioeconómicas mundiales: un enfoque sobre la urbanización, la paridad de género, la salud y más.

Desigualdades socioeconómicas mundiales: un enfoque sobre la urbanización, la paridad de género, la salud y más.

Guido Rocatti

---

Introducción

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.

---

Objetivos

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.

---

Packages y técnicas utilizadas

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

---