Measuring Poverty and Inequality with Reduced Data: A Machine Learning Approach Using Nigerian Household Data

En 3 lignesÉtude appliquant Random Forest Recursive Feature Elimination aux données d'enquête ménagère nigériane (2018/19) pour identifier les prédicteurs minimaux de pauvreté, quintiles de bien-être et inégalités. RF-RFE atteint 90% de précision pour la pauvreté avec 5 variables de revenu, 80% pour quintiles saisonniers. Les méthodes ML réduisent les besoins en données tout en conservant l'information distributionnelle.

Résumé généré par Claude — vérifié par l'humain