Bekostigd door: ministerie van Binnenlandse Zaken en Koninkrijksrelaties (BZK).
Auteurs:
Jan van der Laan
Joep Burger
Marijn Detiger
Naomi Schalken
Wouter van Andel
Marion van den Brakel
Sita Tan
Risicofactoren voor transities in en uit armoede
op basis van populatiedekkende registerdata en machine learning.
Met het oog op effectief armoedebeleid heeft het Centraal Bureau voor de Statistiek (CBS) onderzocht hoe goed op basis van (combinaties van) kenmerken de kans geschat kan worden dat iemand arm blijft dan wel arm wordt, en voor welke aspecten de combinatie van populatiedekkende registerdata en machine learning tot nieuwe inzichten over risicofactoren voor transities in en uit armoede kan leiden. Hiervoor zijn meer dan 500 potentiële risicofactoren voor armoede op het gebied van demografie, economie, gezondheid en criminaliteit onderzocht op basis van gegevens over de periode 2011 – 2018.
Aanvullende informatie
Afbeelding credits
Icon afbeelding: cbs.nl