Gasto público y crecimiento económico en el Perú, periodo 2010 – 2023 (utilizando modelos de Machine Learning)

• Autor: Valentin Ccori, Yesenia
• Formato: tesis de maestría
• Fecha de Publicación: 2025
• Institución: Universidad Nacional de San Antonio Abad del Cusco
• Repositorio: UNSAAC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsaac.edu.pe:20.500.12918/11410
• Enlace del recurso: https://hdl.handle.net/20.500.12918/11410
• Nivel de acceso: acceso abierto
• Materia: Gasto público; Crecimiento económico; Aprendizaje automático; Predicción; https://purl.org/pe-repo/ocde/ford#5.02.02

Actualmente, la literatura empírica presenta diversos resultados respecto al impacto del gasto público, el cual se constituye un importante instrumento de política fiscal. El objetivo es determinar la influencia del gasto público en el crecimiento económico del Perú entre 2010 y 2023 utilizando modelos de machine learning. Se empleo datos abiertos del MEF y INEI los cuales fueron reprocesados y entrenados mediante modelos como Random Forest y Gradient Boosting, incorporando la técnica SHAP para la interpretación de las variables relevantes. Los resultados muestran que Gradient Boosting es el modelo más confiable, con un R² de 0.886, evidenciando su capacidad superior para explicar las variaciones del PBI per cápita. El análisis de interpretabilidad mediante SHAP identifica a los sectores de telecomunicaciones y educación tienen mayor impacto en el crecimiento del PBI per capita, mientras que transporte, energía y saneamiento muestran un menor impacto. Estos hallazgos revelan que el crecimiento económico en el Perú está altamente influenciado por el gasto público en sectores vinculados al capital humano y la conectividad, lo cual permite formular recomendaciones estratégicas para optimizar la asignación de recursos públicos con miras al desarrollo sostenible