PERSISTENCIA Y TRANSICIONES DEL RIESGO DE POBREZA O EXCLUSIÓN SOCIAL EN ESPAÑA: EVIDENCIA CON DATOS DE PANEL ECV (EU-SILC). - Caballero Pascual, María

Abstract

El presente Trabajo Fin de Grado analiza el fenómeno del riesgo de pobreza o exclusión social en España, medido a través del indicador AROPE (At Risk of Poverty or Social Exclusion), utilizado por la Unión Europea para evaluar la vulnerabilidad social desde una perspectiva multidimensional. El objetivo principal es identificar qué factores económicos, laborales, educativos y sociodemográficos se asocian en mayor medida a este riesgo, así como explorar si es posible anticipar situaciones de vulnerabilidad mediante técnicas de análisis predictivo. Para ello, se utilizan los microdatos de la Encuesta de Condiciones de Vida, integrada en el programa europeo EU-SILC. A partir de estos datos, se reconstruye el indicador AROPE, combinando sus tres dimensiones: riesgo de pobreza monetaria, privación material y social severa, y baja intensidad laboral del hogar. Posteriormente, se realiza un análisis descriptivo de las principales variables asociadas al riesgo de pobreza y se aplica un modelo de aprendizaje automático, concretamente un Random Forest, con el fin de identificar patrones predictivos y determinar la importancia relativa de cada variable. Los resultados muestran que el riesgo de pobreza o exclusión social no se distribuye de forma homogénea entre la población española. Los perfiles más vulnerables se concentran entre personas con menor nivel educativo, jóvenes, hogares numerosos y personas vinculadas a situaciones laborales más inestables o precarias. Asimismo, el modelo predictivo identifica como variables relevantes la privación material severa, la edad, la educación, la situación laboral y el tipo de contrato. En conjunto, el trabajo muestra que la pobreza y la exclusión social son fenómenos complejos, condicionados por la interacción de factores económicos, laborales y sociales, y que las técnicas de machine learning pueden complementar el análisis tradicional para mejorar la detección temprana de situaciones de vulnerabilidad.This Final Degree Project analyses the phenomenon of the risk of poverty or social exclusion in Spain, measured through the AROPE indicator (At Risk of Poverty or Social Exclusion), used by the European Union to assess social vulnerability from a multidimensional perspective. The main objective is to identify the economic, labour, educational and sociodemographic factors most strongly associated with this risk, as well as to explore whether vulnerable situations can be anticipated through predictive analysis techniques. To this end, the project uses microdata from the Living Conditions Survey, integrated into the European EU-SILC programme. Based on these data, the AROPE indicator is reconstructed by combining its three dimensions: risk of monetary poverty, severe material and social deprivation, and low household work intensity. A descriptive analysis of the main variables associated with the risk of poverty is then carried out, followed by the application of a machine learning model, specifically a Random Forest, in order to identify predictive patterns and determine the relative importance of each variable. The results show that the risk of poverty or social exclusion is not evenly distributed among the Spanish population. The most vulnerable profiles are concentrated among people with lower educational attainment, young people, large households, and individuals linked to more unstable or precarious employment situations. Likewise, the predictive model identifies severe material deprivation, age, education, labour status and type of contract as relevant variables. Overall, this project shows that poverty and social exclusion are complex phenomena shaped by the interaction of economic, labour and social factors, and that machine learning techniques can complement traditional analysis to improve the early detection of vulnerable situations.