Comparación de modelos de regresión y Random Forest para predecir el ingreso mensual mínimo que los hogares declaran necesitar, utilizando datos de vivienda, servicios y composición del hogar de ENAHO.
Desarrollé un análisis predictivo para estudiar la relación entre las características de los hogares y el monto mensual que consideran necesario para cubrir sus necesidades.
El trabajo combina preparación de datos, análisis exploratorio y comparación de dos enfoques de modelado. La variable objetivo representa una respuesta declarada por el hogar, no un salario ni una línea de pobreza.
Utilicé información de los módulos 100 y 85 de ENAHO, considerando al hogar como unidad de análisis.
Las variables utilizadas incluyen:
La preparación comprendió limpieza de registros, imputación por mediana o moda según el tipo de variable y análisis de correlación para explorar relaciones con el ingreso declarado.
Separé los datos en entrenamiento y prueba en una proporción de 80/20 para comparar las predicciones con valores observados.
Utilicé una transformación logarítmica de la variable objetivo para trabajar con su distribución y modelar su relación con las características del hogar.
La evaluación en términos monetarios requiere transformar las predicciones nuevamente a la escala original.
Incorporé Random Forest como alternativa para representar relaciones no lineales e interacciones entre las variables.
La comparación permite examinar si este enfoque aporta ventajas frente a la regresión para el conjunto de datos analizado.
El análisis contempla métricas que permiten observar diferentes aspectos del error:
Las métricas numéricas están pendientes de incorporar a esta presentación. La selección del modelo con mejor desempeño debe respaldarse con esos resultados.
Desarrollé la preparación del conjunto de datos, el análisis de correlación y la comparación entre regresión y Random Forest.
El trabajo incluyó el tratamiento de valores faltantes, la transformación del objetivo y la evaluación de predicciones en escala monetaria, manteniendo la interpretación vinculada al significado de la respuesta de los hogares.
El ingreso mínimo declarado refleja la percepción y las circunstancias de cada hogar. Las predicciones buscan aproximar esa respuesta y no determinar cuánto debería necesitar una familia.
Las asociaciones utilizadas por los modelos tampoco demuestran relaciones causales.
Para completar la documentación del análisis, es importante:
Proyecto de análisis y modelado predictivo en R y RStudio. Su aporte es comparar enfoques de regresión sobre datos reales y analizar sus errores considerando el significado económico y subjetivo de la variable objetivo.