Selección de variables relevantes para la construcción de indicadores que describan el comportamiento de la economía ecuatoriana
Resumen
En los últimos años se ha observado un crecimiento notorio de a economía ecuatoriana donde destacan sectores como servicios, comercio, industrial, minero y construcción que está en franco crecimiento, para la valoración de este crecimiento se requieren de herramientas matemáticas que permitan la elección de variables relevantes para la selección de indicadores que describan el comportamiento de la economía ecuatoriana y permitan la construcción de un índices de desarrollo económico (IDE) que resuman las diferencias que presenta cada uno de los sectores estudiados, por lo cual el objetivo de esta investigación fue emplear técnicas de selección por relevancia Para ello se realizó el análisis de parámetros económicos y sociales de los sectores más importantes de la economía de Ecuador entre 2018-2023, para los cuales se seleccionaron datos de producción inversión tecnológica y social en los sectores de servicio, comercio, industria, minería y construcción, que permitieron la selección de los indicadores más relevantes para explicar la variación de los datos, los índices fueron calculados usando suma ponderada, previamente haciendo una reducción de las variables basados en la selección de filtros que generen un ranking (ordenamiento) de atributos según su relevancia separados por el método de vecinos cercanos. Los resultados revelan que 8na vez se obtuvieron la lista ordenada de atributos (ranking) según la relevancia que tiene cada uno de ellos en la distinción entre clases, el paso posterior fue la selección de una cierta cantidad de atributos que se usaron n la construcción de un índice y para identificar cuáles son los relevantes en la distinción entre clases, los atributos seleccionados aquellos cuyo p-valor sea menor o igual que el nivel de significación fue menor a 5 %, los cuales fueron la tasa ocupación especialmente en la mediana industria: sueldos, conexión a banda ancha en inversión en tecnología, que muestran revelan que el sector servicio y comercio, fueron los de mayor crecimiento económico, superando al industrial, minero y construcción, por lo que es necesario el fortalecimiento de sectores claves de la economía como el industrial y la modernización del sector primario de la economía.
Palabras clave
Texto completo:
PDFReferencias
Albert, M. (2022). How to escape from model platonism in economics: Critical assumptions, robust conclusions, and approximate explanations. Homo Oeconomicus, 39(1), 37-68.
Álvarez-Gamboa, J., Cabrera-Barona, P., & Jácome-Estrella, H. (2021). Financial inclusion and multidimensional poverty in Ecuador: A spatial approach. World Development Perspectives, 22, 100311.
Cannon, M. (2004). Efficient nonlinear model predictive control algorithms. Annual Reviews in Control, 28(2), 229-237.
Chamba-Rueda, L. M., Dávila, G. A., & Pardo-Cueva, M. (2023). Quality management, knowledge creation, and innovation performance: Insights from Ecuador. Latin American Business Review, 24(1), 31-58.
Chen, W., Xu, H., Jia, L., & Gao, Y. (2021). Machine learning model for Bitcoin exchange rate prediction using economic and technology determinants. International Journal of Forecasting, 37(1), 28-43.
Chowdhury, M. Z. I., & Turin, T. C. (2020). Variable selection strategies and its importance in clinical prediction modelling. Family medicine and community health, 8(1).
Contreras, L. E., Fuentes, H. J., & Rodríguez, J. I. (2020). Predicción del rendimiento académico como indicador de éxito/fracaso de los estudiantes de ingeniería, mediante aprendizaje automático. Formación universitaria, 13(5), 233-246.
Cueva-Rodríguez, L., & Jácome-Estrella, H. D. J. (2024). Service sector labor productivity and economic growth in Ecuador. Problemas del desarrollo, 55(216), 113-139.
De Paula, Á. (2020). Econometric models of network formation. Annual Review of Economics, 12(1), 775-799.
Giannone, D., Lenza, M., & Primiceri, G. E. (2021). Economic predictions with big data: The illusion of sparsity. Econometrica, 89(5), 2409-2437.
Mair, P., & Wilcox, R. (2020). Robust statistical methods in R using the WRS2 package. Behavior research methods, 52, 464-488.
Manski, C. F. (2021). Econometrics for decision making: Building foundations sketched by Haavelmo and Wald. Econometrica, 89(6), 2827-2853.
Mero-Figueroa, M., Galdeano-Gómez, E., Piedra-Muñoz, L., & Obaco, M. (2020). Measuring well-being: A buen vivir (living well) indicator for Ecuador. Social Indicators Research, 152, 265-287.
Padilla-Rivera, A., do Carmo, B. B. T., Arcese, G., & Merveille, N. (2021). Social circular economy indicators: Selection through fuzzy delphi method. Sustainable Production and Consumption, 26, 101-110.
Pinilla, J. O., & Rico, A. F. O. (2021). ¿Pearson y Spearman, coeficientes intercambiables?. Comunicaciones en Estadística, 14(1), 53-63.
Romero, M., & Di Rienzo, J. A. (2010). Comparación de Filtros Específicos y no Específicos en el Análisis de Matrices de Expresión Génica. Memoria del 2 Encuentro Iberoamericano de Biometría y la V Reunión de la Región Centroamericana y del Caribe de la Sociedad Internacional de Biometría, 362.
Sabirov, H. N., Abduvaliyeva, Z., & Kh, T. (2022). Econometric modeling of business processes based on time series data. Экономика и социум, (7 (98)), 102-110.
Silvestri, C., Silvestri, L., Piccarozzi, M., & Ruggieri, A. (2024). Toward a framework for selecting indicators of measuring sustainability and circular economy in the agri-food sector: a systematic literature review. The International Journal of Life Cycle Assessment, 29(8), 1446-1484.
Susanto, R., Rachmadtullah, R., & Rachbini, W. (2020). Technological and Pedagogical models. Journal of Ethnic and Cultural Studies, 7(2), 1-14.
Tindal, R. A., Jeffery, D. W., & Muhlack, R. A. (2021). Mathematical modelling to enhance winemaking efficiency: A review of red wine colour and polyphenol extraction and evolution. Australian Journal of Grape and Wine Research, 27(2), 219-233.
Woodford, M. (2020). Modeling imprecision in perception, valuation, and choice. Annual Review of Economics, 12(1), 579-601.
Zakhidov, G. (2024). Economic indicators: tools for analyzing market trends and predicting future performance. International Multidisciplinary Journal of Universal Scientific Prospectives, 2(3), 23-29.
DOI: https://doi.org/10.23857/pc.v9i11.8601
Enlaces de Referencia
- Por el momento, no existen enlaces de referencia
Polo del Conocimiento
Revista Científico-Académica Multidisciplinaria
ISSN: 2550-682X
Casa Editora del Polo
Manta - Ecuador
Dirección: Ciudadela El Palmar, II Etapa, Manta - Manabí - Ecuador.
Código Postal: 130801
Teléfonos: 056051775/0991871420
Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com
URL: https://www.polodelconocimiento.com/