Logo Kérwá
 

Análisis de los factores asociados a la posibilidad de impago por parte de los deudores en materia de pensiones alimentarias

dc.contributor.advisorRojas Rojas, Guaner David
dc.creatorLeón Cerdas, Juan Pablo
dc.date.accessioned2024-04-08T21:56:39Z
dc.date.available2024-04-08T21:56:39Z
dc.date.issued2024
dc.description.abstractEl objetivo de la presente investigación es identificar factores asociados a la posibilidad de impago por parte de los deudores alimentarios, para lo cual se estructura una base de datos de 1000 expedientes activos en fase de ejecución seleccionados aleatoriamente por muestreo sistemático del listado total registrado en el sistema informático denominado Escritorio Virtual, alimentado en el Juzgado de Pensiones Alimentarias del Segundo Circuito Judicial de San José para los años 2019 y 2020. Primeramente, se desarrolla un análisis exploratorio con las variables de interés del estudio denominadas como independientes, llámese: Edad, Estado Civil, Escolaridad, Presencia de discapacidad, Ingresos familiares, Ingreso de la persona demandada, Zona de residencia, Apremio Efectivo, presencia de Medida Alterna, Cantidad de alimentarios, Rebajo automático, Sexo de la persona juzgadora y Trabajan ambos progenitores en relación primeramente con la variable respuesta denominada Buen pagador, así como posteriormente con la que hace referencia al Monto de la pensión alimentaria asignada. El enfoque de análisis se estableció en tres vertientes principales: • Primeramente, en establecer una clasificación de riesgo mediante modelos de aprendizaje supervisado por Árboles de decisión, Bosques Aleatorios y Redes Neuronales de los cuales se escogerá el que mejores resultados registre en cuanto a la predicción de la variable Buen pagador. • Por otro lado, mediante la predicción de montos asignados por pensión alimentaria utilizando distintos escenarios para modelos de aprendizaje supervisado por Regresión lineal múltiple. • Finalmente, determinando perfiles de los obligados alimentarios mediante las técnicas de análisis multivariado por Componentes Principales (ACP) y Conglomerados en dos etapas a modo de validación. Con los resultados de los dos primeros puntos se determinaron las variables consideradas como más significativas en cuanto al aporte de los modelos generados y sus matrices de confusión, para ser utilizadas posteriormente en el análisis definido en el tercer punto. Se logra determinar que, a nivel de modelos de clasificación, Bosques Aleatorios resulta ser el más eficiente alcanzando un nivel de precisión global del 96,67% en cuanto a la clasificación de la variable Buen pagador, mientras que el modelo denominado como simple obtuvo los resultados más bajos en la Raíz del Error Cuadrático Medio (RMSE), el Error Estándar de los Residuos (RSE), y el Error Relativo para la predicción de Montos por pensión alimentaria con la metodología de Regresión lineal múltiple. Finalmente son conformados los perfiles de los deudores alimentarios basados en cinco grupos que fueron los establecidos con el ACP y validados con Análisis de Conglomerados en dos etapas.es_ES
dc.description.procedenceUCR::Vicerrectoría de Investigación::Sistema de Estudios de Posgrado::Ciencias Sociales::Maestría Profesional en Estadísticaes_ES
dc.identifier.urihttps://hdl.handle.net/10669/91148
dc.language.isospaes_ES
dc.rightsacceso abierto
dc.sourceSan José, Costa Rica: Universidad de Costa Ricaes_ES
dc.subjectPENSIÓN ALIMENTCIAes_ES
dc.subjectDEUDAes_ES
dc.subjectANÁLISISes_ES
dc.subjectIMPAGOes_ES
dc.titleAnálisis de los factores asociados a la posibilidad de impago por parte de los deudores en materia de pensiones alimentariases_ES
dc.typetesis de maestríaes_ES

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
TFIA para optar por el grado de Maestría Profesional en Estadística.pdf
Size:
3.25 MB
Format:
Adobe Portable Document Format
Description:

License bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
license.txt
Size:
3.5 KB
Format:
Item-specific license agreed upon to submission
Description:

Collections