Inteligência Artificial Explicável (XAI) para resultados limitados aplicada ao Índice de Desenvolvimento Humano Municipal

Resumo

Este estudo analisa o Índice de Desenvolvimento Humano Municipal (IDHM) de municípios do estado de São Paulo utilizando modelos de regressão para respostas no intervalo unitário e algoritmos de aprendizado de máquina, incluindo Random Forest e XGBoost. Os métodos são comparados em termos de capacidade preditiva e interpretabilidade. Os resultados indicam desempenho preditivo muito semelhante entre as abordagens, sugerindo que a capacidade dos modelos é determinada principalmente pela informação contida nos preditores e que a regressão para respostas no intervalo unitário permanece competitiva com métodos de aprendizado de máquina mais flexíveis. A renda familiar per capita emergiu como o preditor mais influente do IDHM, seguida por variáveis relacionadas à educação e à pobreza. Técnicas de interpretabilidade agnósticas ao modelo revelaram efeitos não lineares e forneceram perspectivas locais e globais sobre as contribuições dos preditores. As descobertas oferecem uma estrutura robusta e interpretável para analisar o desenvolvimento municipal e podem contribuir para o monitoramento regional e o planejamento de políticas públicas.