El espejismo del 0.99
Un score de capacidad económica para hogares peruanos, y las variables que había que dejar fuera para que el resultado fuera cierto.
Paper aceptado · WAIMLAp 2026 · Springer · Código y resultados: doi:10.5281/zenodo.23008789
La pregunta
¿Se puede ordenar a los hogares peruanos según su capacidad económica con lo que una encuesta sí observa, sin usar datos monetarios? Entrenamos un modelo con 68 099 hogares de la ENAHO 2022–2023 y lo evaluamos en 33 691 hogares de 2024 que nunca vio. El score estima la probabilidad de pertenecer a los dos quintiles superiores de gasto per cápita.
La trampa
Lo que el modelo debe predecir se construye con los mismos módulos de gasto que aportan las variables candidatas. Un modelo puede aprender su propia respuesta, y el resultado se ve excelente. Por eso las variables de gasto e ingreso se excluyeron de antemano; devolverle solo 12 basta para medir cuánto infla el resultado.
| Conjunto de variables | Variables | AUC |
|---|---|---|
| El modelo final más 12 variables de gasto | 47 | 0.9943 |
| Sin los 2 agregados de gasto | 45 | 0.9659 |
| Sin los totales de gasto por rubro: el modelo final | 35 | 0.8943 |
Lo que se sostiene
- Discriminación
- AUC 0.894, IC 95 % [0.890, 0.898] por bootstrap de conglomerados.
- Calibración
- El error de calibración esperado baja de 0.064 a 0.012 con calibración isotónica.
- Hogares sin cuenta
- En 8 828 hogares donde nadie tiene cuenta, el AUC sigue alto (0.864), pero el score sobreestima en unos cinco puntos. Esa población necesita su propia calibración.
- Equidad
- 10 de 12 subgrupos, cruzando área, sexo del jefe de hogar y lengua materna, quedan fuera del corredor de cuatro quintos. Las tasas base por sí solas lo incumplen en los mismos 10, y un corte único amplía la brecha rural.
| Validación | Gráfico | AUC | Intervalo |
|---|---|---|---|
| Con fuga de información 47 variables, ENAHO 2024 | 0.994 | — | |
| Modelo honesto 35 variables, ENAHO 2024 | 0.894 | [0.890, 0.898] | |
| ENAHO 2021 ola anterior, mismo instrumento | 0.900 | [0.896, 0.903] | |
| ENAHO 2020 ola anterior, mismo instrumento | 0.900 | [0.896, 0.904] | |
| ENAHO 2019 ola anterior, mismo instrumento | 0.918 | [0.914, 0.921] | |
| México, ENIGH 2022 objetivo: ingreso | 0.779 | [0.776, 0.782] | |
| México, ENIGH 2022 objetivo: gasto | 0.752 | — |
Lo que no dice
- No es una probabilidad de incumplimiento. La ENAHO no registra si un crédito se pagó. Evaluar créditos es la motivación del trabajo, no un uso validado.
- Las olas 2019 a 2021 son anteriores al entrenamiento. Muestran que el modelo se generaliza dentro del mismo instrumento, no a otra fuente de datos.
- No se generaliza a México sin reentrenar. En la ENIGH 2022 el AUC cae a 0.779 con ingreso como objetivo y a 0.752 con gasto. La metodología orienta; las variables hay que reconstruirlas para cada instrumento.
Cómo citar
Rodriguez Mallqui, J. K., y Sánchez Alvarado, L. A. (2026). Interpretable and fairness-audited household economic-capacity scoring in Peru: Evidence from ENAHO 2022–2024. Workshop on Artificial Intelligence and Machine Learning Applications (WAIMLAp 2026). Springer. Aceptado.
Rodriguez Mallqui, J. K., y Sánchez Alvarado, L. A. (2026). Household economic-capacity scoring in Peru: Code, trained model and results (WAIMLAp 2026) (Versión 1.0.0) [Software]. Zenodo. https://doi.org/10.5281/zenodo.23008789
El depósito incluye el código, el modelo entrenado, los archivos de resultados y un programa que comprueba las cifras del paper. Los microdatos de la ENAHO son públicos y no se redistribuyen. Autor: ORCID 0000-0002-2241-7988.
@inproceedings{rodriguezmallqui2026capacity,
author = {Rodriguez Mallqui, Jordan King and S{\'a}nchez Alvarado, Luis Alberto},
title = {Interpretable and Fairness-Audited Household Economic-Capacity Scoring in {Peru}: Evidence from {ENAHO} 2022--2024},
booktitle = {Workshop on Artificial Intelligence and Machine Learning Applications (WAIMLAp 2026)},
series = {Advances in Computer Science Applications and Research},
publisher = {Springer},
year = {2026},
note = {Accepted; volume details to be added}
}
@software{rodriguezmallqui2026archive,
author = {Rodriguez Mallqui, Jordan King and S{\'a}nchez Alvarado, Luis Alberto},
title = {Household economic-capacity scoring in {Peru}: code, trained model and results ({WAIMLAp} 2026)},
version = {1.0.0},
publisher = {Zenodo},
year = {2026},
doi = {10.5281/zenodo.23008789}
}