Análisis de reducción de tasas de natalidad en Colombia: un enfoque con técnicas de aprendizaje automático

Abstract

RESUMEN : Actualmente, la tasa de natalidad y mortalidad a nivel global muestra un alto dinamismo con una tendencia marcada hacia la disminución, lo que refleja cambios demográficos significativos, concentrados en diversas regiones [1]. En este contexto y desde una perspectiva nacional, las pirámides poblacionales en Colombia ya evidencian modificaciones notables en su estructura, mostrando una mayor concentración de población joven para el año 2023 y una proyección de aumento en la proporción de habitantes en edades avanzadas en los próximos años [2]. Esta evolución, es una clara consecuencia de la disminución en las tasas de natalidad y mortalidad en el país. En este sentido y de acuerdo con el último boletín técnico reportado por el DANE, sobre estadísticas vitales en Colombia se ha evidenciado una marcada disminución en la cantidad de nacimientos de los años 2019 al 2023, lo cual significa en cifras un decrecimiento porcentual del 9,6% del año 2022 al 2023 y del 15,2% del 2023 a lo corrido del 2024 [3]. Este declive, genera gran expectativa sobre el comportamiento de esta variable a futuro y el estudio de sus implicaciones económicas y sociales. Este proyecto se enfoca en analizar la reducción de la tasa de natalidad en Colombia, a partir de los microdatos estadísticos entregados por el DANE para los años 2019 a 2022 [4], utilizando técnicas de aprendizaje automático. Incluyendo dentro del ejercicio, las características demográficas asociadas a la población muestreada y sus efectos políticos, sociales, económicos o culturales, con base en la evidencia científica y literaria disponible en las bases de datos actuales. Se realizó una predicción de la tasa de natalidad utilizando los modelos de machine learning Random Forest, Árbol de Decisión y XGBoost, encontrando resultados muy positivos en cuanto al ajuste de los datos predichos en comparación con las muestras utilizadas para entrenar los modelos. Se identificó al modelo XGBoost como el que presentó las mejores métricas de desempeño, evidenciando una mayor precisión en la predicción de la tasa de natalidad y permitiendo analizar su relación con las características demográficas asociadas. Se espera que los resultados obtenidos permitan identificar tendencias futuras y ofrezcan insumos para la formulación de políticas públicas, con el fin de mitigar posibles impactos negativos en el comportamiento de esta variable.

ABSTRACT : Currently, the global birth and death rates show a high dynamism with a marked downward trend, reflecting significant demographic changes, concentrated in various regions [1]. In this context and from a national perspective, the population pyramids in Colombia already show notable modifications in their structure, showing a greater concentration of young population by 2023 and a projected increase in the proportion of elderly inhabitants in the coming years [2]. This evolution is a clear consequence of the decrease in birth and mortality rates in the country. In this sense and according to the latest technical bulletin reported by the DANE on vital statistics in Colombia, there has been a marked decrease in the number of births from 2019 to 2023, which means in figures a percentage decrease of 9.6% from 2022 to 2023 and 15.2% from 2023 to 2024 [3]. This decline generates great expectations about the behavior of this variable in the future and the study of its economic and social implications. This project focuses on analyzing the reduction of the birth rate in Colombia, based on the statistical microdata provided by DANE for the years 2019 to 2022 [4], using machine learning techniques. Including within the exercise, the demographic characteristics associated with the sampled population and their political, social, economic or cultural effects, based on scientific and literary evidence available in current databases. A prediction of the birth rate was performed using the Random Forest, Decision Tree and XGBoost machine learning models, finding very positive results in terms of the fit of the predicted data compared to the samples used to train the models. The XGBoost model was identified as the one that presented the best performance metrics, evidencing a higher accuracy in the prediction of the birth rate and allowing to analyze its relationship with the associated demographic characteristics. It is expected that the results obtained will allow the identification of future trends and provide inputs for the formulation of public policies to mitigate possible negative impacts on the behavior of this variable.