class: title-slide, left, middle <img class="logo" src="https://www.univalle.edu.co/images/Univalle/70_Rojo.jpg" alt="Universidad del Valle"> # Clasificación de la Esperanza de Vida a partir de Factores Socioeconómicos y Ambientales ### Aplicación de modelos de aprendizaje supervisado: Logit y KNN <br> **Miguel Fabricio Arguello Cedeño · Laura Valentina Aguirre Reyes** **Jaider Fernando Cuaspud Telpiz · Juan José Cárdenas Ibarguen** Universidad del Valle · 9 de octubre de 2026 --- # Pregunta de investigación y objetivo .caja[ **¿Es posible clasificar si un país, en un año dado, tiene una esperanza de vida Alta (70 años o más)** a partir de su desnutrición, gasto en salud, saneamiento, desempleo y emisiones de CO2? ] **Objetivo:** construir y comparar un modelo **Logit** y un modelo **KNN** para clasificar la esperanza de vida en Alta o Baja, y recomendar el más adecuado. .cajapeq[ Alta: 70 años o más. Baja: menos de 70 años. El umbral de 70 años es un criterio de referencia que simplifica una variable continua. ] --- # Datos y diseño del estudio .pull-left[ ### Datos - Fuente: Banco Mundial - **92** países, 2001–2019 - **1.729** observaciones país-año completas - Se descartó el 44,5 % de los registros por datos faltantes ] .pull-right[ ### Diseño - **Entrenamiento:** años ≤ 2015 (1.367) - **Prueba:** años ≥ 2016 (362) - Estandarización solo con el entrenamiento - Validación adicional con **países nuevos** ] .cajapeq[ Los registros descartados tienen 39,8 % de esperanza Alta, frente a 74,6 % de los retenidos: los resultados corresponden a los países con información completa. ] --- # Las variables según la clase de esperanza de vida <table> <thead> <tr> <th style="text-align:left;"> Variable </th> <th style="text-align:left;"> Media Baja </th> <th style="text-align:left;"> Media Alta </th> <th style="text-align:left;"> Diferencia </th> <th style="text-align:left;"> Signo esperado </th> <th style="text-align:left;"> ¿Coincide? </th> </tr> </thead> <tbody> <tr> <td style="text-align:left;"> Desnutrición </td> <td style="text-align:left;"> 19,41 </td> <td style="text-align:left;"> 4,41 </td> <td style="text-align:left;"> -15,01 </td> <td style="text-align:left;"> Negativo </td> <td style="text-align:left;"> Sí </td> </tr> <tr> <td style="text-align:left;"> Salud </td> <td style="text-align:left;"> 4,97 </td> <td style="text-align:left;"> 7,42 </td> <td style="text-align:left;"> 2,45 </td> <td style="text-align:left;"> Positivo </td> <td style="text-align:left;"> Sí </td> </tr> <tr> <td style="text-align:left;"> Saneamiento </td> <td style="text-align:left;"> 24,14 </td> <td style="text-align:left;"> 63,27 </td> <td style="text-align:left;"> 39,13 </td> <td style="text-align:left;"> Positivo </td> <td style="text-align:left;"> Sí </td> </tr> <tr> <td style="text-align:left;"> Desempleo </td> <td style="text-align:left;"> 7,14 </td> <td style="text-align:left;"> 8,45 </td> <td style="text-align:left;"> 1,32 </td> <td style="text-align:left;"> Incierto </td> <td style="text-align:left;"> — </td> </tr> <tr> <td style="text-align:left;"> logCO2 </td> <td style="text-align:left;"> 8,57 </td> <td style="text-align:left;"> 10,85 </td> <td style="text-align:left;"> 2,28 </td> <td style="text-align:left;"> Incierto </td> <td style="text-align:left;"> — </td> </tr> </tbody> </table> .analisis[ **3 de 3** variables con signo esperado definido coinciden con la hipótesis. **logCO2** refleja industrialización e ingreso más que un efecto sobre la salud. Son asociaciones, no causalidad. ] --- # La clase Alta predomina y su proporción crece con el tiempo <img src="Presentacion_Esperanza_de_Vida_final_files/figure-html/fig_clase_tiempo-1.png" alt="" style="display: block; margin: auto;" /> .analisis[ Un clasificador que siempre dijera «Alta» acertaría el **74,6 %** en toda la muestra y el **80,4 %** en la prueba: esa es la referencia mínima. De los 92 países, 63 son siempre Alta, 17 siempre Baja y solo 12 cruzan el umbral; la prueba no incluye países nuevos. ] --- # Desnutrición y saneamiento separan mejor las clases <img src="Presentacion_Esperanza_de_Vida_final_files/figure-html/fig_box-1.png" alt="" style="display: block; margin: auto;" /> .analisis[ **Desnutrición** y **Saneamiento** son las que más separan las clases (medianas de 16,8 en Baja frente a 2,5 en Alta, y de 21,2 frente a 67,1). **Desempleo** es la que menos separa. ] --- # Logit: 4 de 5 variables se asocian con la esperanza de vida .pull-left[ <img src="Presentacion_Esperanza_de_Vida_final_files/figure-html/fig_forest-1.png" alt="" style="display: block; margin: auto;" /> ] .pull-right[ <table> <thead> <tr> <th style="text-align:left;"> Variable </th> <th style="text-align:left;"> OR (IC 95 %) </th> <th style="text-align:left;"> p-valor </th> </tr> </thead> <tbody> <tr> <td style="text-align:left;"> Desnutrición </td> <td style="text-align:left;"> 0,845 (0,817–0,875) </td> <td style="text-align:left;"> < 0,001 </td> </tr> <tr> <td style="text-align:left;"> Salud </td> <td style="text-align:left;"> 1,574 (1,409–1,759) </td> <td style="text-align:left;"> < 0,001 </td> </tr> <tr> <td style="text-align:left;"> Saneamiento </td> <td style="text-align:left;"> 1,047 (1,034–1,060) </td> <td style="text-align:left;"> < 0,001 </td> </tr> <tr> <td style="text-align:left;"> Desempleo </td> <td style="text-align:left;"> 1,023 (0,989–1,059) </td> <td style="text-align:left;"> 0,188 </td> </tr> <tr> <td style="text-align:left;"> logCO2 </td> <td style="text-align:left;"> 1,541 (1,387–1,712) </td> <td style="text-align:left;"> < 0,001 </td> </tr> </tbody> </table> ] .analisis[ Mayor efecto por desviación estándar: **Desnutrición** y **Saneamiento**. No es significativa: Desempleo. R² de McFadden = 0,621. VIF máximo = 1,38 (sin colinealidad problemática). ] --- # KNN: la validación cruzada elige k = 3 <img src="Presentacion_Esperanza_de_Vida_final_files/figure-html/fig_knn-1.png" alt="" style="display: block; margin: auto;" /> .analisis[ Se elige **k = 3** (exactitud 98,78 %), pero es un valor **optimista**: los pliegues se arman al azar y un mismo país aparece en entrenamiento y validación. En la prueba, la exactitud es 97,0 %. ] --- # Resultados en la muestra de prueba .pull-left[ <table> <thead> <tr> <th style="text-align:left;"> Métrica </th> <th style="text-align:left;"> Logit </th> <th style="text-align:left;"> KNN </th> </tr> </thead> <tbody> <tr> <td style="text-align:left;"> Exactitud </td> <td style="text-align:left;"> 0,925 </td> <td style="text-align:left;"> <b>0,970</b> </td> </tr> <tr> <td style="text-align:left;"> Sensibilidad </td> <td style="text-align:left;"> <b>0,973</b> </td> <td style="text-align:left;"> 0,962 </td> </tr> <tr> <td style="text-align:left;"> Especificidad </td> <td style="text-align:left;"> 0,732 </td> <td style="text-align:left;"> <b>1,000</b> </td> </tr> <tr> <td style="text-align:left;"> Exactitud balanceada </td> <td style="text-align:left;"> 0,852 </td> <td style="text-align:left;"> <b>0,981</b> </td> </tr> <tr> <td style="text-align:left;"> Kappa </td> <td style="text-align:left;"> 0,749 </td> <td style="text-align:left;"> <b>0,909</b> </td> </tr> <tr> <td style="text-align:left;"> AUC </td> <td style="text-align:left;"> 0,961 </td> <td style="text-align:left;"> <b>0,983</b> </td> </tr> </tbody> </table> ] .pull-right[ <img src="Presentacion_Esperanza_de_Vida_final_files/figure-html/fig_cm-1.png" alt="" style="display: block; margin: auto;" /> ] .analisis[ Referencia a superar: **80,4 %**. **Logit:** 19 falsos positivos y 8 falsos negativos. **KNN:** 0 y 11. El KNN es mejor en 7 de 9 métricas. Los modelos fallan de forma opuesta. ] --- # Curvas ROC: ambos discriminan bien, la diferencia es moderada .pull-left[ <img src="Presentacion_Esperanza_de_Vida_final_files/figure-html/fig_roc-1.png" alt="" style="display: block; margin: auto;" /> ] .pull-right[ .caja[ **AUC:** Logit 0,961 · KNN 0,983 **DeLong:** p = 0,024 **McNemar:** p = 0,005 ] .cajapeq[ Los p-valores son **optimistas**: los errores se concentran en pocos países que se repiten varios años. ] ] --- # Qué hay detrás de los errores de cada modelo .caja[ En promedio, el **76 %** de los 3 vecinos más cercanos de cada observación de prueba pertenece al **mismo país** (94 % en los falsos negativos del KNN). ] **Falsos negativos del KNN (11):** Iraq (4), Nepal (3), Sao Tome and Principe (2), Suriname (2) **Falsos positivos del Logit (19):** India (4), Mongolia (4), Myanmar (4), Nigeria (3) .analisis[ El KNN usa el pasado del propio país y falla cuando un país cruza los 70 años (error conservador). El Logit es optimista: asigna Alta a países que siguen por debajo de 70 años. ] --- # Efecto del umbral de clasificación (Youden) <img src="Presentacion_Esperanza_de_Vida_final_files/figure-html/fig_umbral-1.png" alt="" style="display: block; margin: auto;" /> .analisis[ Umbral de **Youden**, elegido solo con el entrenamiento: Logit **0,76**, KNN **0,83** (línea punteada). Aun con el mejor umbral posible, el Logit llega a una exactitud balanceada de **0,893** (umbral 0,83), por debajo de la del KNN (0,981). ] --- # Con países nuevos, la ventaja del KNN no se mantiene <img src="Presentacion_Esperanza_de_Vida_final_files/figure-html/fig_esq-1.png" alt="" style="display: block; margin: auto;" /> .analisis[ Con países que no vio, el AUC es **0,942** en el Logit y **0,910** en el KNN; la especificidad, 76,1 % y 73,1 %. La ventaja del KNN en la partición temporal venía de reconocer países ya vistos. ] --- # ¿Qué modelo recomendar? .caja[ **Se recomienda el Logit.** Con países nuevos alcanza mejor AUC (0,942 frente a 0,910) y es el único que permite interpretar qué variables se asocian con la longevidad. ] El **KNN** conserva utilidad para clasificar, en años posteriores, países ya observados, pero exige conservar los datos de entrenamiento y es sensible a la escala y a la elección de *k*. .cajapeq[ La recomendación se basa en 92 países con datos completos y en una clase Baja de la prueba que proviene de solo **19 países**: la especificidad se estima con poca precisión. ] --- # Conclusiones .pull-left[ - **Sí es posible** clasificar la esperanza de vida con estos cinco indicadores, pero la calidad depende de **cómo se evalúe**. - Ambos modelos superan la referencia de 80,4 %. - Fallan de forma opuesta: el Logit es optimista y el KNN conservador. ] .pull-right[ - **Desnutrición** y **Saneamiento** tienen los mayores efectos en el Logit. - **Se recomienda el Logit.** - La métrica y el esquema de validación importan tanto como el algoritmo. ] .caja[ Una exactitud alta puede ocultar un error de un solo tipo, y una ventaja en la partición temporal puede desaparecer ante países nuevos. ] --- # Limitaciones y recomendaciones .pull-left[ ### Limitaciones 1. Solo 92 países con datos completos. 2. La clase Baja de la prueba viene de **19 países**. 3. Observaciones **no independientes** (países repetidos). 4. El umbral de 70 años simplifica una variable continua. 5. Asociaciones, **no causalidad**. ] .pull-right[ ### Recomendaciones - Ampliar la cobertura con **imputación**. - Añadir **mortalidad infantil, educación, agua potable y emisiones per cápita**. - Probar otros umbrales (65 y 75 años) y modelos de panel. - Usarlo **solo como apoyo** a la priorización. ] --- class: inverse, center, middle <img src="https://www.univalle.edu.co/images/Univalle/70_Rojo.jpg" style="height:80px; background:white; padding:8px; border-radius:6px;"> # ¡Gracias! ### Preguntas y comentarios <br> .chico[Banco Mundial. *World Development Indicators* · James et al. (2021) · Hosmer et al. (2013) · Cover y Hart (1967) · DeLong et al. (1988) · McNemar (1947) · McFadden (1979)]