Modelo innovador para medir el bienestar económico
Portada Saber, Ciencia y Libertad Vol.12 Núm. 2
PDF

Palabras clave

Medidas de Pobreza
Indicadores
Conjuntos Borroso
Modelos Lingüísticos

Cómo citar

Fernández, M. (2017). Modelo innovador para medir el bienestar económico. Saber, Ciencia Y Libertad, 12(2), 61-75. https://doi.org/10.18041/2382-3240/saber.2017v12n2.1532

Resumen

Los métodos clásicos usualmente empleados para tratar problemas de diagnóstico de las condiciones de vida de la población muchas veces ofrecen una representación simplificada de la realidad, por lo que no pueden poner de manifiesto la complejidad y el movimiento de la economía.

Los principales problemas que afectan a la adecuada definición de las medidas de pobreza son la diversidad de precios, gustos y costumbres, así como también la dificultad de medir aspectos subjetivos de las capacidades de los individuos. Por este motivo, al existir vaguedad e incertidumbre, se propone el empleo de nuevas técnicas que permitirán suplir estas dificultades.

La teoría de conjuntos borrosos y los modelos lingüísticos se usan para expresar matemáticamente aquellos conceptos que son típicos del lenguaje y del pensamiento humano y por lo tanto permite tratar con sistemas complejos como el económico. Hace viable operar con las mismas variables que se utilizan en las medidas tradicionales: ingreso, precio, cantidad, necesidades básicas, capacidades, etc.

En este trabajo se propone un modelo integral de medición de bienestar económico con herramientas matemáticas innovadoras. El objetivo es desarrollar medidas más representativas con la información disponible, considerando a los resultados clásicos como indicadores particulares dentro de un sistema más abarcativo

https://doi.org/10.18041/2382-3240/saber.2017v12n2.1532
PDF

Citas

Ávila Martínez, J.L., Cortés García, F., De la Torre, R., Hernández, D., Hernández Laos, E., Leyva Parra, G. & López Calva, L.F. (2002). “Medición de la pobreza. Variantes metodológicas y estimación preliminar”. Serie Documentos de Investigación, Julio 2002, Comité Técnico para la Medición de la Pobreza.

Beccaría. L.; Ferres, J.C. & Sáinz, P. (1997). “Medición de la pobreza. Situación actual de los conceptos y métodos”. Informe del Seminario de Santiago. 7 al 9 de mayo de 1997.

Bojadziev, G. & Bojadziev, M. (1997). Fuzzy Logic for business, finance and management. Singapur: World Scientific Publishing Co. Pte. Ltd.

Dagum, C. (2002). “Analysis and Measurement of Poverty and Social Exclusion using Fuzzy Sets Theory: Applications and Policy Implications”. Working Paper, University of Bologna.

Delgado, M., Herrera, F., Herrera-Viedma, E., Verdegay, J.L. & Vila, M.A. (1999). “Aggregation of linguistic information based on a symbolic approach” en Zadeh L.A. & Kacprzyk J. (edits.), Computing with Words in Information/Intelligent Systems 1. Heidelberg: Physica-Verlag.

Domínguez Domínguez, J. & Martín Caraballo, Ana M. (2006). “Medición de la pobreza: una revisión de los principales indicadores”. Revista de Métodos Cuantitativos Para la Economía y la Empresa 2, pp. 27–66.

Dubois, D. & Prade, H. (edits.). (2000). Fundamentals of Fuzzy Sets. Dordrecht: Kluwer.

Fedrizzi, M. & Ostaciewicz, W. (1993). “Towards Fuzzy Modelling in Economics”. Fuzzy Sets and Systems 54, pp. 259-268.

Feres, J.C. & Mancero, J. (2001). “Enfoques par la medición de la pobreza. Breve revisión de la literatura”. Serie estudios estadísticos y prospectivos. Santiago de Chile: CEPAL.

Fernández, M.J. (2012). Medidas de pobreza. Un enfoque alternativo. Tesis Doctoral. Buenos Aires: Facultad de Ciencias Económicas, Universidad de Buenos Aires.

INDEC (1998). El Estudio de la Pobreza con Datos Censales, Nuevas Perspectivas Metodológicas (preliminar). Recuperado de http://www.indec.gov.ar.

INDEC (2003). Incidencia de la pobreza y de la indigencia en los aglomerados urbanos. Recuperado de http://www.indec.gov.ar.

INDEC – DNEH (2003). Acerca del método utilizado para la medición de la pobreza en Argentina. Recuperado de http://www.indec.gov.ar.

INDEC (2005). Índice de Precios al Consumidor GBA base 1999=100. Diciembre de 2004. Información de prensa. Recuperado de http://www.indec.gov.ar.

Kakwani, N. & Silber, J. (2008). Quantitative Approaches to Multidimensional Poverty Measurement. Londres: Palgrave Macmillan.

Kaufmann A., Gil Aluja J. & Terceño Gómez A. (1994). Matemática para la Economía y la Gestión de Empresas. Barcelona: Ediciones Foro Científico.

Kaufmann, A. & Gupta, M. (1985). Introduction to fuzzy arithmetic. New York: Van Nostrand Reinhold Company.

Kaztman, R. (1989). “La Heterogeneidad de la Pobreza. El Caso de Montevideo”, Revista de la CEPAL, Nº37. Pp. 141-152.

Katzman, R. (1995). “La medición de las necesidades básicas insatisfechas en los censos de población”. CEPAL, Oficina de Montevideo.

Lazzari, L.L. & Fernandez M.J. (2006). “Medidas de Pobreza: Un Enfoque Alternativo”. Cuaderno del CIMBAGE Nº8. pp. 63-96.

Lazzari, L.L. & Fernandez, M.J. (2007). “Algunas consideraciones acerca de las medidas de pobreza”. Actas de las XIII Jornadas de Epistemología de las Ciencias Económicas. Buenos Aires: Universidad de Buenos Aires.

Lazzari, L.L. & Fernandez, M.J. (2008). “Linguistic Model of Affinity Grouping to the Study of Poverty”. Fuzzy Economic Review. vol. XIII Nº 2, pp.37-52.

Lazzari, L.L. & Fernandez, M.J. (2008). “Agrupación por afinidad. Aplicación al estudio de la pobreza”. Actas de las XXIII Jornadas Nacionales de Docentes de Matemática de Facultades de Ciencias Económicas y Afines. San Miguel de Tucumán: Universidad Nacional de Tucumán.

Minujin, A. & Scharf, A. (1989). “Adulto equivalente e ingreso per cápita: Efectos sobre la estimación de la pobreza”. Desarrollo Económico v. 29, Nº 113, pp. 113-123.

Morales, E. (1988). “Canasta Básica de Alimentos”. Serie IPA, Documento de trabajo Nº 3. Buenos Aires. Buenos Aires: INDEC.

Pfeilsticker, A. (1981). “The systems approach and fuzzy set theory bridging the gap between mathematical and languageoriented economists”. Fuzzy Sets And Systems Vol. 6, Issue 3, pp. 209-233.

Ragin, C. (2000). Fuzzy-Set Social Science. Chicago: The University of Chicago Press.

Ravallion, M. (1998). “Poverty Lines in Theory and Practice”. Living Standards Measurement Surveys (LSMS) Working Paper N°133. Washington: The World Bank.

Ravallion, Martin. (2011). “On multidimensional indices of poverty”. Policy Research Working Paper Series 558, The World Bank. Recuperado de https://ideas.repec.org/p/wbk/wbrwps/5580.html.

Sen, A. (1983). “Poor, relatively speaking”. Oxford Economic Papers 35. pp. 153-169.

Sen A. (1987), The standard of living. Cambridge: Cambridge University Press.

Sen, A. (1992). “Sobre conceptos y medidas de la pobreza”. Comercio Exterior vol.42, n.4, p.310-322.

Sen, A. (1993). Choice, welfare and Measurement. Oxford: Basil Blackwell.

Sen A. (1994), “Well-being, capability and public policy”. Giornale degli economisti e annali di economia, nº 7-9, pp. 333-348.

Sen, A (1996). “Capacidad y bienestar” en La calidad de vida. Nussbaum, M. & Sen, A. (eds.). México: Fondo de Cultura Económica.

Smithson, M. & Verkuilen, J. (2006). Fuzzy Set Theory. Applications in the Social Sciences. Los Angeles: SAGE Publications.

Vero, J. (2006). “A Comparison of Poverty According to Primary Goods, Capabilities and Outcomes. Evidence from French School Leavers’ Survey” en Lemmi, A. & Betti, G. (Eds.) Fuzzy Sets Approach to Multidimensional Poverty Measurement. New York: Springer-Verlag.

Xu, Z. (2008). “Linguistic aggregation operators: An overview” en: Bustince, H. et al. (eds.), Fuzzy Sets and Their Extensions: Representation, Aggregation and Models. Berlin: Springer-Verlag, pp.163-181.

Zadeh, L.A. (1965). “Fuzzy sets”. Information and Control, Vol. 8, pp.338-353.

Descargas

La descarga de datos todavía no está disponible.