Identificación de Clusters Espaciales de Empresas y la Influencia de Factores Externos en su Constitución

##plugins.themes.bootstrap3.article.main##

Jorge Luis Jácome Corrales

Miguel Alfonso Flores Sánchez


Palabras clave:
Spatial Statistics, Local Indicators of Spatial Association, Spatial Regression Models Estadística Espacial, Indicadores Locales de Asociación Espacial, Modelos de Regresión Espacial

Resumen

El presente trabajo se centra en el uso de distintas técnicas de minería de datos, basadas en métodos estadísticos geoespaciales para la identificación de patrones con respecto a las actividades económicas de las empresas, registradas en la Superintendencia de Compañías en el Distrito Metropolitano de Quito, al igual que definir factores externos que influyen en la constitución de estas. Primero, para la creación de los clusters, se utilizan los indicadores locales de asociación espacial (LISA, Local Indicators of Spatial Association), los cuales definirán los barrios que posean alta densidad y se caracteriza a estos con variables auxiliares que describen la locación. Esto también ayuda a identificar potenciales barrios con similares características, pero sin una alta densidad de empresas. Después, se utilizan modelos de regresión espacial, para identificar la relación que existe entre el número de empresas y las variables auxiliares determinadas, analizando el coeficiente asociado a cada una. Finalmente al complementar ambos resultados, se obtiene el listado de los barrios con alta densidad en los cuales se debería trabajar con el factor de crecimiento o disminución de empresas de cada una de las variables auxiliares identificadas.

Descargas

Descargas

Los datos de descargas todavía no están disponibles.




Detalles del artículo

Biografías de los autores/as

Jorge Luis Jácome Corrales, Facultad de Ciencias, Escuela Politécnica Nacional.

Ingeniero Matemático, Mención estadística e Investigación Operativa, de la Escuela Politécnica Nacional. Graduado del Colegio Nacional Juan Pío Montúfar. Se realizaron pasantías en Banco Central del Ecuador como analista de datos y actualmente, Analista de Datos de Crédito en Banco FINCA. Cuenta con experiencia en implementación de modelos estadísticos y automatización de procesos mediante programación en R con visualización en Power BI.

Miguel Alfonso Flores Sánchez, Grupo MODES, SIGTI, Departamento de Matemática, Facultad de Ciencias, Escuela Politécnica Nacional.

Ph.D. en Estadística e Investigación de Operaciones, Máster en Técnicas Estadísticas (Universidad de La Coruña). Tiene experiencia en Educación y Formación profesional superior, universitaria y empresarial en el campo de la Statistics & Machine Learning. Profesor Titular de la cátedra Probabilidad y Estadística, en la Escuela Politécnica Nacional. Miembro del Grupo de Investigación Multidisciplinar en Sistemas de Información, Gestión de la Tecnología e Innovación (SIGTI) de la Escuela Politécnica Nacional y del Grupo de Modelización, Optimización e Inferencia Estadística (MODES) de la Universidad de La Coruña.

Citas

Asamblea Nacional del Ecuador. (2016, Julio 5). Ley Orgánica de Ordenamiento Territorial, Uso y Gestión del Suelo. https://www.sot.gob.ec/sotadmin2/_lib/file/doc/Ley% 20Org%C3%A1nica%20de%20Ordenamiento%20T erritorial,%20Uso%20y%20Gesti%C3%B3n%20de %20Suelo.pdf

Alcaldia Metropolitana de Quito. (2015, Febrero 22). Plan Metropolitano de Desarrollo y Ordenamiento Territorial. https://gobiernoabierto.quito.gob.ec/Archivos/pmdot/P MDOT%202015-2025.pdf

Anselin, L.(2019). The Moran Scatterplot as an ESDA tool to asses instability in local association. Spatial Analytical Perspectives on GIS. https://doi.org/10.1201/9780203739051-8

Anselin, L.(1995). Local Indicators of Spatial Association - LISA. Geographical Analysis, (27), 93-115. https://doi.org/10.1111/j.1538-4632.1995.tb00338.x

Anselin, L. (2003). Chapter Fourteen Spatial Econometrics. In John Wiley & Sons (Ltd.), A Companion to Theoretical Econometrics (pp. 310-330). https://doi.org/10.1002/9780470996249.ch15

Anselin, L. (2003, Junio 15). Documentación GeoDa. https://geodacenter.github.io/documentation.html.

Buzai, G.(2005, Septiembre 9). Los Sistemas de Información Geográfica y sus métodos de análisis en el continuo resolución-integración. https://www.researchgate.net/publication/299285917_L os_Sistemas_de_Informacion_Geografica_y_sus_meto dos_de_analisis_ en_el_continuo_resolucion-integracion

Celemín, J. P. (2011). Autocorrelación Espacial e Indicadores Locales de Asociación Espacial. Importancia, Estructura y Aplicación, (18), 11-31.

Cid, J. C. (2011, Mayo 31). Aplicación de un modelo de econometría espacial a datos agregados de asistencia escolar en la Argentina. http://estadisticas.salta.gov.ar/web/archivos/documento s/Aplicacion%20de%20modelo%20de%20econometr ia%20espacial%20a%20datos%20de%20asistencia% 20escolar.pdf

Geary, R.C. (1954). The Contiguity Ratio and Statistical Mapping. The Incorporated Statistician, 5(3), 115- 127+129-146. https://doi.org/10.2307/2986645.

Gobierno Abierto de Quito. (n.d.). Portal Gobierno Abierto de Quito. Recuperado Marzo 10, 2021. http://gobiernoabierto.quito.gob.ec/. Goodchild, M. F. (1986). Spatial Autocorrelation. Norwich, United Kingdom: Geo Books https://books.google.com.ec/books?id=2BYnAQAAI AAJ

Instituto Nacional de Estadísticas y Censos (n.d.). Portal INEC. Recuperado Marzo 10, 2021. https://www.ecuadorencifras.gob.ec/estadisticas/.

Kelejian, H. H. y Prucha, I. R. (1997). A Generalized Spatial Two Stage Least Squares Procedure for Estimating a Spatial Autoregressive Model with Autoregressive Disturbances. The Journal of Real Estate Finance and Economics, 19, 99-121. https://doi.org/10.1023/A:1007707430416.

Martori, J. C. y Hoberg, K. (2008). Nuevas Técnicas de Estadística Espacial para la detección de Clusters Residenciales de Población Inmigrante. Scripta Nova: Revista electrónica de geografía y ciencias sociales, ISSN 1138-9788, N° 12, 256-265.

Moran, P.A.P. (1948). The Interpretation of Statistical Maps. Journal of the Royal Statistical Society B (Methodological), (10), 243-251. https://doi.org/10.1111/j.2517- 6161.1948.tb00012.x.

Rojas, D. (2015). Localización de centros de empleo y su influencia sobre la distribución de la población en el Distrito Metropolitano de Quito. Revista de análisis estadístico Analitika, (9), 55-93. https://www.ecuadorencifras.gob.ec/documentos/web-i nec/Revistas/Analitika/Anexos_pdf/Analit_09/3.pdf

Superintendencia de Compañias, Valores y Seguros. (n.d.). Portal de Información. Recuperado Marzo 10, 2021. https://www.supercias.gob.ec/portalscvs/.

Sistema Nacional de Información. (2020). Portal Sistema Nacional de Información. Recuperado Marzo 10, 2021. https://sni.gob.ec/inicio.