Sobre el modelado generativo profundo en economía: una aplicación con datos de contratación pública

Por • 29 jul, 2022 • Sección: Economía

Marcelin Joanis , Andrea Lodi , Igor Sadoune

Proponemos una solución basada en modelos generativos profundos al problema de muestrear instancias sintéticas de subastas de contratación pública a partir de datos observados. Nuestra contribución es doble. En primer lugar, superamos los desafíos inherentes a la replicación de estructuras multinivel comúnmente vistas en los datos de subasta y, en segundo lugar, proporcionamos un procedimiento de validación específico para evaluar la fidelidad de las distribuciones sintéticas resultantes. De manera más general, argumentamos que la generación de datos artificiales confiables explica las mejoras en el diseño de la investigación en aplicaciones que van desde la inferencia hasta la elaboración de simulaciones. En ese sentido, las ciencias sociales y aplicadas pueden beneficiarse de métodos generativos que alivian las dificultades del muestreo artificial a partir de distribuciones cualitativas altamente estructuradas, tan características de los datos del mundo real.

arXiv:2207.12255v1 [econ.GN]

General Economics (econ.GN)

Post to Twitter

Escribe un comentario