Los orígenes del método de mínimos cuadrados

En los actuales manuales de estadística se suele plantear el método de mínimos cuadrados como una importante y singular técnica relacionado con el problema del ajuste, consiste no tener la ecuación de una curva que como algo determinado criterio, se acerca acuérdate de lo mejor posible los puntos observados de una distribución bidimensional.

Efecto determinante de la motivación de viaje sobre la imagen de destino en turistas de ocio a un destino urbano: El caso de Monterrey, México. Una aproximación por medio de mínimos cuadrados parciales (PLS) = Determinant effect of travel motivation on the destination image of leisure tourist in an urban destination: the case of Monterrey, México. An approach through partial least squares (PLS)

Los turistas urbanos se caracterizan por ser uno de los segmentos de mayor crecimiento en los mercados turísticos actuales. Monterrey (México), uno de los principales destinos urbanos del país, ha apostado en la actualidad por mejorar su competitividad. Esta investigación se propuso encontrar evidencia acerca de la relación causal de la motivación de viaje sobre la imagen percibida del destino, dos variables importantes por su influencia en la satisfacción de los visitantes. Una revisión de la literatura permitió proponer constructos teóricos integrados en un instrumento para la recogida de datos vía encuesta a una muestra representativa. Por medio del método de regresión y ecuaciones estructurales por mínimos cuadrados parciales (PLS), se identificaron los componentes principales de ambas variables y se obtuvo un modelo explicativo de la imagen percibida del destino en función de la motivación de viaje. Finalmente, se emiten recomendaciones para la gestión del destino urbano en función de los resultados obtenidos. ABSTRACT: Abstract Urban tourists are recognized as one of the fastest growing segments in today’s tourism markets. Monterrey, Mexico, one of the main urban destinations in the country aims at improving its competitiveness. This research work had the purpose of finding evidence on the causal relationship between travel motivation and destination image, two important variables because of their influence on visitors’ satisfaction. A literature review enabled the proposal of a research instrument with theoretically based constructs to gather data through survey from a representative sample. Using regression and structural equations modelling by partial least squares (pls) a set of main components of both variables were identified thus enabling the obtention of a explanatory model of destination image in terms of travel motivations. Finally based on the results some recommendations of tourism management are given.

Estadística actuarial : regresión lineal

Estas notas de clase son de utilidad como material docente para los alumnos de la asignatura Estadística Actuarial: Regresión de la Licenciatura en Ciencias Actuariales y Financieras. También pueden ser útiles a los alumnos de asignaturas afines como es Introducción a la Econometría en la Licenciatura de Administración y Dirección de Empresas y en la Licenciatura de Economía. En estos dos últimos casos sólo necesitarían los capítulos 1, 2 y 3. Las notas de clase se estructuran siguiendo el temario de la asignatura en cuatro capítulos. El primero de ellos introduce el concepto de Econometría y define algunos de los términos más habituales. En el capítulo dos se especifica y estima el Modelo de Regresión Lineal General. Se desarrolla el estimador Mínimo Cuadrático Ordinario, sus propiedades y se muestra como hacer inferencia con él. Se revisa su comportamiento bajo mala especificación del modelo y las consecuencias de disponer de una muestra de variables altamente correlacionadas. En el capítulo tres se muestra como utilizar variables ficticias. En el cuarto y último capítulo se introduce al alumno en las técnicas de validación del modelo. Al inicio de cada capítulo se incluyen los contenidos del mismo y la bibliografía recomendada para dicho contenido. Al final de las notas aparece la bibliografía completa.

Análisis econométrico

Estas notas son de utilidad como material docente para los alumnos de la asignatura Econometría de las Licenciaturas en Ciencias Económicas y en Administración y Dirección de Empresas. Permitirán profundizar en los conceptos vistos en clase más allá del contenido de los temas incluidos en el programa de la asignatura. Las notas se estructuran en cinco capítulos. El primero de ellos revisa los conceptos de teoría asintótica. El segundo muestra el estimador Mínimo Cuadrático Generalizado. Los capítulos tres y cuatro estudian la existencia de heterocedasticidad y autocorrelación en las perturbaciones, respectivamente. El capítulo cinco relaja la hipótesis de regresores no estocásticos y permitiendo la existencia de dinámica en la matriz de regresores. Analiza las propiedades del estimador Mínimo Cuadrático Ordinario en diferentes escenarios y deriva el estimador de Variables Instrumentales. Los capítulos incluyen ejemplos ilustrativos. Al final de las notas aparece la bibliografía completa

Determinantes de los ingresos laborales de los graduados universitarios durante el periodo 2001-2004

Teniendo como referente la teoría del capital humano y la de señalización en el mercado laboral, el documento aborda la influencia de variables socioeconómicas, laborales y algunas relacionadas con las características de las Instituciones de Educación Superior (IES), sobre el ingreso laboral que devengan los recién graduados universitarios en Colombia. Se utiliza la información del Observatorio Laboral de la Educación (OLE, 2005) porque, a diferencia de otras encuestas, permite analizar detenidamente el grupo específico de graduados universitarios y obtener información sobre la profesión estudiada y sobre las IES que otorgan los diplomas. Utilizando estimaciones de Mínimos Cuadrados Ordinarios (MCO), Probit Ordenado (PO) y Regresión Intervalo (RI), se encuentra que factores como vivir en Bogotá, ser hombre, tener padres más educados y haber obtenido el título en instituciones privadas o acreditadas, se relacionan positivamente con la probabilidad de devengar ingresos laborales mayores. El área de conocimiento de la profesión estudiada, la posición ocupacional

La inserción y el ingreso de la mujer en el mercado laboral por especialidad de Formación Profesional en México.

Resumen tomado de la publicación

Movilidad educativa en Latinoamérica : un estudio para seis países.

Resumen tomado de la publicación

Endogeneidad de la educación e instrumentos para la estimación del rendimiento educativo en España.

Resumen tomado de la publicación

Desarrollo de un modelo de liquidez de una empresa hotelera

El presente estudio obedece a las necesidades académicas y profesionales de brindar un análisis de la administración financiera hotelera a la sociedad, desde el punto de vista de gestión de áreas de mayor impacto en la estructura de liquidez de un hotel y desde el desarrollo de un modelo econométrico que permita no solo la proyección de flujos, sino también la correcta planificación de los recursos, obteniendo así un aprovechamiento de los mismos. Parte de los procesos administrativos que implican el control y supervisión de áreas como cuentas por cobrar, cuentas por pagar e inventarios son indicados con el objetivo de brindar una visión clara al momento de conducir dichas áreas o parte de ellas. Se brinda un análisis de la liquidez a partir de un modelo econométrico basado en el método de Mínimos Cuadrados Ordinarios, estableciendo una función que permita disponer de una proyección de los montos de cuentas por cobrar y cuentas por pagar, y desde esta estimación constituir la liquidez para el año 2014. La información financiera del documento y que en base a ella se ha desarrollado el modelo econométrico, corresponde a un hotel de la Ciudad de Quito. Por razones de seguridad y confidencialidad no se señalará el nombre de la empresa en este estudio.

Desarrollo de un modelo de caracterización financiera del sector comercio en Ecuador, período 2002-2012

Caracterizar financieramente al sector comercial ecuatoriano involucra el investigar las principales variables macroeconómicas y financieras inmersas dentro del sector, para lo cual, se partió de la hipótesis de que el sector comercial ecuatoriano tiene un determinado desempeño financiero que se puede caracterizar a través de la construcción de un modelo estadístico. Se inició con la búsqueda de información sobre el desarrollo de modelos estadísticos similares, en tres países (Alemania, México y Chile), sin embargo, en la web superficial no se obtuvo un modelo a seguir pues únicamente se han estructurado modelos utilizando variables macroeconómicas. Por ello, se diseñó un modelo estadístico basado en el método de mínimos cuadrados ordinarios. La base de datos empleada corresponde al formulario 101 “impuesto a la renta de sociedades y establecimientos permanentes” del Servicio de Rentas Internas (SRI). El modelo estadístico trabaja con un nivel de confianza del 95%, existen once observaciones (período 2002-2012), siete variables independientes (exportaciones netas, inventario de materia prima y productos terminados, total costos y gastos, total ingresos, total pasivo, total patrimonio neto y ventas netas locales totales excluye activos fijos) que explican el comportamiento de la variable dependiente (utilidad del ejercicio). Se realizaron las pruebas de hipótesis correspondientes, presentando consistencia en los resultados encontrados. También se realizó la predicción del comportamiento de la variable dependiente por un período, la misma que difirió en 7,1% del valor real, lo que se explica por el limitado número de observaciones. Se construyeron dos escenarios (pesimista y optimista), asignándoles una probabilidad de ocurrencia, con lo que se calculó el valor esperado (US $ 3.727 millones) y la desviación estándar (US $ 4.842 millones). La investigación se compone de cinco capítulos. El primero, realiza una introducción y aborda la metodología. El segundo, refiere al marco teórico. El tercer capítulo, caracteriza estadística y financieramente al sector comercial ecuatoriano. En el cuarto capítulo se evalúan los efectos de la construcción del modelo utilizando el análisis de escenarios y de elasticidad. Mientras que el quinto capítulo recoge las conclusiones, observaciones y recomendaciones de la investigación.

México: capital humano e ingresos. Retornos a la educación, 1994-2005

Incluye Bibliografía

Penalizaciones salariales por maternidad y segmentación del mercado laboral: el caso de la Argentina

En este artículo se explora la relación entre la segregación del mercado laboral y las penalizaciones salariales por maternidad en la Argentina en los sectores formal e informal. Se emplean estrategias de estimación de mínimos cuadrados ordinarios (mc o) y regresión por cuantiles, así como la descomposición de Blinder-Oaxaca y la de Ñopo para identificar las fuentes de las diferencias salariales. Se concluye que hay evidencia sólida de segmentación del mercado laboral y que las penalizaciones salariales por maternidad difieren sustancialmente de un sector a otro y entre distintos cuantiles de salarios. En particular, las madres trabajadoras del sector formal no sufren penalizaciones, pero sí las del sector informal. La penalización salarial aumenta con el número de hijos, especialmente por los de menor edad, y es mayor en la base de la distribución salarial condicional, seguida por el extremo superior.

La privación desde un enfoque multidimensional: el caso brasileño

Sobre la base del enfoque de las capacidades, en este trabajo se analiza la multidimensionalidad de la privación en las zonas urbanas del Brasil entre 2003 y 2008. El uso de un índice de cuatro dimensiones (condiciones de vivienda, salud, niveles de educación y participación en el mercado de trabajo) basadas en 13 indicadores revela que la mayoría de las personas vivían en hogares sin privación o en los que esta se registraba respecto de un solo indicador. Al comparar los resultados con el índice de privación según los niveles de ingreso en los estados del Brasil se confirma la desigualdad regional en ambos tipos de medición. Por último, a partir de datos de cohortes sintéticas y modelos de mínimos cuadrados ordinarios (MCO), se verifica la relación entre los atributos personales y la propensión a caer en la privación y a mantenerse en ellas.

Análisis macroeconómico del mercado de los países nórdicos

Las economías nórdicas son de especial interés por el buen desempeño en sus variables macroeconómicas, este éxito puede ser atribuido a factores como el conocimiento e instrucción, el espíritu empresarial, la cooperación, solidaridad y el modelo nórdico de estado benefactor. Estos países lideran a nivel mundial la mayoría de los indicadores de bienestar. El objetivo de este trabajo es el de estimar las ofertas de trabajo y las tasas de desempleo de Islandia y Noruega a través de un modelo de mercado de trabajo basado en la teoría de la reacción en cadena. Para estimar las tasas de desempleo se utilizará un sistema de tres ecuaciones para cada uno de los países, donde la ecuación de demanda de trabajo y ecuación de salario provienen de dos trabajos de investigaciones previos. Estimaremos las ofertas individuales para Islandia y Noruega para completar el sistema de ecuaciones y así luego estimaremos las tasas de desempleo, lo cual nos permitirá establecer cuáles son los determinantes de la oferta de trabajo en cada uno de estos dos países. Se espera que el presente trabajo brinde resultados que expliquen las causas de las variaciones mostradas por la fuerza de trabajo de ambos países en los últimos años a partir de su relación directa con otras variables y nos permita hacer comparaciones con el resto de los países nórdicos (Dinamarca, Finlandia y Suecia). A tal efecto, primero se observará la evolución del desempleo en los cinco países nórdicos y luego se analizarán detalladamente las distintas instituciones que componen sus mercados de trabajo, lo cual nos permitirá tener una visión más profunda de su funcionamiento y estructura. Asimismo, se hará un desarrollo teórico sobre la teoría de la reacción en cadena por ser el enfoque elegido para nuestro análisis empírico. Seguido, utilizando datos de la Organización para la Cooperación y el Desarrollo Económico (OECD por sus siglas en inglés) se procederá a estimar las ecuaciones por el método de mínimos cuadrados ordinarios, tomando como periodo muestral 1981-2010 para Islandia y 1976-2010 para Noruega, y se calculará el impacto de las variables explicativas sobre la oferta de trabajo a través del cálculo de elasticidades de corto y largo plazo. Finalmente se presentarán las ecuaciones que compondrán el sistema que resolveremos para estimar las tasas de desempleo de Islandia y Noruega.

Multi-dimensional classification using Bayesian networks for stationary and evolving streaming data

Hoy en día, con la evolución continua y rápida de las tecnologías de la información y los dispositivos de computación, se recogen y almacenan continuamente grandes volúmenes de datos en distintos dominios y a través de diversas aplicaciones del mundo real. La extracción de conocimiento útil de una cantidad tan enorme de datos no se puede realizar habitualmente de forma manual, y requiere el uso de técnicas adecuadas de aprendizaje automático y de minería de datos. La clasificación es una de las técnicas más importantes que ha sido aplicada con éxito a varias áreas. En general, la clasificación se compone de dos pasos principales: en primer lugar, aprender un modelo de clasificación o clasificador a partir de un conjunto de datos de entrenamiento, y en segundo lugar, clasificar las nuevas instancias de datos utilizando el clasificador aprendido. La clasificación es supervisada cuando todas las etiquetas están presentes en los datos de entrenamiento (es decir, datos completamente etiquetados), semi-supervisada cuando sólo algunas etiquetas son conocidas (es decir, datos parcialmente etiquetados), y no supervisada cuando todas las etiquetas están ausentes en los datos de entrenamiento (es decir, datos no etiquetados). Además, aparte de esta taxonomía, el problema de clasificación se puede categorizar en unidimensional o multidimensional en función del número de variables clase, una o más, respectivamente; o también puede ser categorizado en estacionario o cambiante con el tiempo en función de las características de los datos y de la tasa de cambio subyacente. A lo largo de esta tesis, tratamos el problema de clasificación desde tres perspectivas diferentes, a saber, clasificación supervisada multidimensional estacionaria, clasificación semisupervisada unidimensional cambiante con el tiempo, y clasificación supervisada multidimensional cambiante con el tiempo. Para llevar a cabo esta tarea, hemos usado básicamente los clasificadores Bayesianos como modelos. La primera contribución, dirigiéndose al problema de clasificación supervisada multidimensional estacionaria, se compone de dos nuevos métodos de aprendizaje de clasificadores Bayesianos multidimensionales a partir de datos estacionarios. Los métodos se proponen desde dos puntos de vista diferentes. El primer método, denominado CB-MBC, se basa en una estrategia de envoltura de selección de variables que es voraz y hacia delante, mientras que el segundo, denominado MB-MBC, es una estrategia de filtrado de variables con una aproximación basada en restricciones y en el manto de Markov. Ambos métodos han sido aplicados a dos problemas reales importantes, a saber, la predicción de los inhibidores de la transcriptasa inversa y de la proteasa para el problema de infección por el virus de la inmunodeficiencia humana tipo 1 (HIV-1), y la predicción del European Quality of Life-5 Dimensions (EQ-5D) a partir de los cuestionarios de la enfermedad de Parkinson con 39 ítems (PDQ-39). El estudio experimental incluye comparaciones de CB-MBC y MB-MBC con los métodos del estado del arte de la clasificación multidimensional, así como con métodos comúnmente utilizados para resolver el problema de predicción de la enfermedad de Parkinson, a saber, la regresión logística multinomial, mínimos cuadrados ordinarios, y mínimas desviaciones absolutas censuradas. En ambas aplicaciones, los resultados han sido prometedores con respecto a la precisión de la clasificación, así como en relación al análisis de las estructuras gráficas que identifican interacciones conocidas y novedosas entre las variables. La segunda contribución, referida al problema de clasificación semi-supervisada unidimensional cambiante con el tiempo, consiste en un método nuevo (CPL-DS) para clasificar flujos de datos parcialmente etiquetados. Los flujos de datos difieren de los conjuntos de datos estacionarios en su proceso de generación muy rápido y en su aspecto de cambio de concepto. Es decir, los conceptos aprendidos y/o la distribución subyacente están probablemente cambiando y evolucionando en el tiempo, lo que hace que el modelo de clasificación actual sea obsoleto y deba ser actualizado. CPL-DS utiliza la divergencia de Kullback-Leibler y el método de bootstrapping para cuantificar y detectar tres tipos posibles de cambio: en las predictoras, en la a posteriori de la clase o en ambas. Después, si se detecta cualquier cambio, un nuevo modelo de clasificación se aprende usando el algoritmo EM; si no, el modelo de clasificación actual se mantiene sin modificaciones. CPL-DS es general, ya que puede ser aplicado a varios modelos de clasificación. Usando dos modelos diferentes, el clasificador naive Bayes y la regresión logística, CPL-DS se ha probado con flujos de datos sintéticos y también se ha aplicado al problema real de la detección de código malware, en el cual los nuevos ficheros recibidos deben ser continuamente clasificados en malware o goodware. Los resultados experimentales muestran que nuestro método es efectivo para la detección de diferentes tipos de cambio a partir de los flujos de datos parcialmente etiquetados y también tiene una buena precisión de la clasificación. Finalmente, la tercera contribución, sobre el problema de clasificación supervisada multidimensional cambiante con el tiempo, consiste en dos métodos adaptativos, a saber, Locally Adpative-MB-MBC (LA-MB-MBC) y Globally Adpative-MB-MBC (GA-MB-MBC). Ambos métodos monitorizan el cambio de concepto a lo largo del tiempo utilizando la log-verosimilitud media como métrica y el test de Page-Hinkley. Luego, si se detecta un cambio de concepto, LA-MB-MBC adapta el actual clasificador Bayesiano multidimensional localmente alrededor de cada nodo cambiado, mientras que GA-MB-MBC aprende un nuevo clasificador Bayesiano multidimensional. El estudio experimental realizado usando flujos de datos sintéticos multidimensionales indica los méritos de los métodos adaptativos propuestos. ABSTRACT Nowadays, with the ongoing and rapid evolution of information technology and computing devices, large volumes of data are continuously collected and stored in different domains and through various real-world applications. Extracting useful knowledge from such a huge amount of data usually cannot be performed manually, and requires the use of adequate machine learning and data mining techniques. Classification is one of the most important techniques that has been successfully applied to several areas. Roughly speaking, classification consists of two main steps: first, learn a classification model or classifier from an available training data, and secondly, classify the new incoming unseen data instances using the learned classifier. Classification is supervised when the whole class values are present in the training data (i.e., fully labeled data), semi-supervised when only some class values are known (i.e., partially labeled data), and unsupervised when the whole class values are missing in the training data (i.e., unlabeled data). In addition, besides this taxonomy, the classification problem can be categorized into uni-dimensional or multi-dimensional depending on the number of class variables, one or more, respectively; or can be also categorized into stationary or streaming depending on the characteristics of the data and the rate of change underlying it. Through this thesis, we deal with the classification problem under three different settings, namely, supervised multi-dimensional stationary classification, semi-supervised unidimensional streaming classification, and supervised multi-dimensional streaming classification. To accomplish this task, we basically used Bayesian network classifiers as models. The first contribution, addressing the supervised multi-dimensional stationary classification problem, consists of two new methods for learning multi-dimensional Bayesian network classifiers from stationary data. They are proposed from two different points of view. The first method, named CB-MBC, is based on a wrapper greedy forward selection approach, while the second one, named MB-MBC, is a filter constraint-based approach based on Markov blankets. Both methods are applied to two important real-world problems, namely, the prediction of the human immunodeficiency virus type 1 (HIV-1) reverse transcriptase and protease inhibitors, and the prediction of the European Quality of Life-5 Dimensions (EQ-5D) from 39-item Parkinson’s Disease Questionnaire (PDQ-39). The experimental study includes comparisons of CB-MBC and MB-MBC against state-of-the-art multi-dimensional classification methods, as well as against commonly used methods for solving the Parkinson’s disease prediction problem, namely, multinomial logistic regression, ordinary least squares, and censored least absolute deviations. For both considered case studies, results are promising in terms of classification accuracy as well as regarding the analysis of the learned MBC graphical structures identifying known and novel interactions among variables. The second contribution, addressing the semi-supervised uni-dimensional streaming classification problem, consists of a novel method (CPL-DS) for classifying partially labeled data streams. Data streams differ from the stationary data sets by their highly rapid generation process and their concept-drifting aspect. That is, the learned concepts and/or the underlying distribution are likely changing and evolving over time, which makes the current classification model out-of-date requiring to be updated. CPL-DS uses the Kullback-Leibler divergence and bootstrapping method to quantify and detect three possible kinds of drift: feature, conditional or dual. Then, if any occurs, a new classification model is learned using the expectation-maximization algorithm; otherwise, the current classification model is kept unchanged. CPL-DS is general as it can be applied to several classification models. Using two different models, namely, naive Bayes classifier and logistic regression, CPL-DS is tested with synthetic data streams and applied to the real-world problem of malware detection, where the new received files should be continuously classified into malware or goodware. Experimental results show that our approach is effective for detecting different kinds of drift from partially labeled data streams, as well as having a good classification performance. Finally, the third contribution, addressing the supervised multi-dimensional streaming classification problem, consists of two adaptive methods, namely, Locally Adaptive-MB-MBC (LA-MB-MBC) and Globally Adaptive-MB-MBC (GA-MB-MBC). Both methods monitor the concept drift over time using the average log-likelihood score and the Page-Hinkley test. Then, if a drift is detected, LA-MB-MBC adapts the current multi-dimensional Bayesian network classifier locally around each changed node, whereas GA-MB-MBC learns a new multi-dimensional Bayesian network classifier from scratch. Experimental study carried out using synthetic multi-dimensional data streams shows the merits of both proposed adaptive methods.