La Productividad en el sector manufacturero ecuatoriano: Una exploración espacial con Machine Learning
Barra lateral del artículo
Contenido principal del artículo
Resumen
Este estudio analiza la distribución espacial de la productividad manufacturera ecuatoriana en 2023 mediante Machine Learning no supervisado. Los algoritmos K-means y clusterización jerárquica revelan una macroestructura binaria y una subestructura cuaternaria de cantones según su productividad, especialización y diversidad. Los resultados muestran una marcada brecha territorial y una heterogeneidad productiva que cuestiona a las teorías tradicionales de aglomeración. Se concluye que una Política Industrial Basada en Evidencias requiere diagnósticos territoriales diferenciados para intervenciones específicas, superando con ello enfoques homogéneos de política.
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Los autores que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores mantienen los derechos de autor y ceden a la Revista Economía el derecho de la primera publicación, con el trabajo inscrito bajo Creative Commons Reconocimiento-NoComercial 4.0, que posibilita a terceros la redistribución, comercial o no comercial, de lo publicado siempre y cuando el artículo circule de manera completa y sin cambios.
- Los autores pueden efectuar otros pactos contractuales independientes y adicionales para la distribución del artículo publicado en esta revista (por ejemplo, añadirlo en un repositorio institucional o publicarlo en un libro) siempre y cuando especifiquen de forma clara y evidente que el artículo se publicó por primera vez en la Revista Economía. En caso de reproducción deberá constar una nota similar a la que se presenta a continuación: Este texto se publicó originalmente en la Revista Economía N.º…, volumen…, número de páginas, año de publicación.
- Se sugiere a los autores publicar su trabajo en internet (por ejemplo, en páginas institucionales o personales) de la versión final publicada por la Revista Economía, puesto que esto puede conducir a una difusión mayor y más rápida del artículo publicado.
Citas
Acosta, A. (2012). Breve historia económica del Ecuador. Quito: Corporación Editora Nacional.
Alpaydin, E. (2020). Introduction to Machine Learning. London, England: The MIT Press.
Amara, M. y Thabet, K. (2019). Firm and Regional Factors of Productivity: A Multilevel Analysis of Tunisian Manufacturing. Annals of Regional Science, 63(1), 25–51. https://doi.org/10.1007/S00168-019-00918-X/TABLES/12
Arghoty, A. (2013). Nivel de utilización de Tecnologías de Información y Comunicación (TIC) en las PYMES de Atuntaqui. En H. Jácome y K. King (Eds.), Estudios industriales de la micro, pequeña y mediana empresa (pp. 248-299). FLACSO, Sede Ecuador y Ministerio de Industrias y Productividad.
Arrow, K. (1962). The Economic Implications of Learning by Doing. The Review of Economic Studies, 29(3), 155–173. https://doi.org/10.2307/2295952.
Balland, P., Boschma, R., Crespo, J., y Rigby, D. (2019). Smart specialization policy in the European Union: relatedness, knowledge complexity and regional diversification. Regional Studies, 53 (9), 1252-1268. https://doi.org/10.1080/00343404.2018.1437900
Balland, P., Broekel, T., Diodato, D., Giuliani, E., Hausmann R., O'Clery, N., y Rigby, D. (2022). The new paradigm of economic complexity. Research Policy, 51(3), 104450. https://doi.org/10.1016/j.respol.2021.104450
Beaudry, C. y Schiffauerova, A. (2009). Who’s right, Marshall or Jacobs? The localization versus urbanization debate. Research Policy, 38(2), 318-337.
Boschma, R. (2015). Towards an Evolutionary Perspective on Regional Resilience. Regional Studies, 49 (5), 733-751.
CEPAL. (2024). Anuario Estadístico de América Latina y el Caribe 2024/ Statistical Yearbook for Latin America and The Caribbean 2024. https://repositorio.cepal.org/server/api/core/bitstreams/9e2080ce-41d9-4d2d-9386-fb4a1f13a071/content
Cerulli, G. (2023). Fundamentals of Supervised Machine Learning: with applications in Python, R and Stata. Switzerland AG: Springer Cham.
Combes, P., y Gobillon, L. (2015). The Empirics of Agglomeration Economies. En G. Duranton, J. Henderson y W. Strange (Eds.), Handbook of Regional and Urban Economics 5 (1ra ed., pp. 247–348). Elsevier.
Creamer, C. (2022). Estado e industrialización en el Ecuador, 1948-2021. RIRA, 7(1), 57-122. https://doi.org/10.18800/revistaira.202201.003
Cui, Y., Niu, Y., Ren, Y., Zhang, S., y Zhao, L. (2024). A Model to Analyze Industrial Clusters to Measure Land Use Efficiency in China . Land, 13(7). https://doi.org/10.3390/land13071070
Duranton, G., y Puga, D. (2001). Nursery Cities: Urban Diversity, Process Innovation, and the Life Cycle of Products. American Economic Review, 91(5), 1454–1477.
Duranton, G., y Puga, D. (2004). Micro-Foundations of Urban Agglomeration Economies. En J. Henderson y J. Thisse (Eds.), Handbook of Regional and Urban Economics 4 (1ra ed., pp. 2063–2117). Elsevier.
Dvouletý, O. y Blažková, I. (2021). Exploring Firm-level and Sectoral Variation in Total Factor Productivity (TFP). International Journal of Entrepreneurial Behaviour & Research, 27(6), 1526-1547. https://doi.org/10.1108/IJEBR-11-2020-0744
Glaeser, E., Kallal H., Scheinkman J., y Shleifer A. (1992). Growth in Cities. Journal of Political Economy, 100(6), 1126–1152. http://www.jstor.org/stable/2138829
Gonzales de Olarte, E. (2021). Economía regional y urbana: el espacio importa. Lima: Fondo editorial Pontificia Universidad Católica del Perú.
Guevara, G. (2021). Determinants of Manufacturing Micro Firms’ Productivity in Ecuador. Do Industry and Canton Where They Operate Matter? Regional Science Policy and Practice, 13(4), 1215–1248. https://doi.org/10.1111/rsp3.12399
Guevara, G., Riou, S., y Autant-Bernard, C. (2018). Agglomeration externalities in Ecuador: do urbanization and tertiarization matter? Regional Studies, 53 (5), 706-719. https://doi.org/10.1080/00343404.2018.1470325
Horobet, A., Vrinceanu, G., Popescu, C. y Belascu, L. (2021). Business Dynamics in Recovery Times: A Comparative Perspective on Manufacturing Firms’ Performance in the European Union. Management Dynamics in the Knowledge Economy. 9(1), 122-136. https://www.managementdynamics.ro/index.php/journal/article/view/404
Jacobs, J. (1969). The Economies of Cities. Random House.
Jagódka, M. (2025). Typification of Polish regions based on human capital and innovativeness: a cluster analysis approach. Transforming Government: People, Process and Police, 19(3), 614-637. https://doi.org/10.1108/TG-02-2025-0050
Kiesel, C., y Dannenberg, P. (2023). Special Economic Zones in the Global South: Between integrated spaces and enclaves – a literature review. DIE ERDE – Journal of the Geographical Society of Berlin, 154(1-2), 5–19. https://doi.org/10.12854/erde-2023-606
Kopczewska, K. (2022). Spatial machine learning: new opportunities for regional science. The Annals of Regional Science, 68, 713-755. https://doi.org/10.1007/s00168-021-01101-x
Lavoratori, K. y Castellani, D. (2021). Too close for comfort? Microgeography of agglomeration economies in the United Kingdom. Regional Science, 61(5), 1002-1028. https://doi.org/10.1111/jors.12531
Lin, H., Li, Y., y Yang, C. (2011). Agglomeration and productivity: Firm-level evidence from China's textile industry. China Economic Review, 22(3), 313-329. https://doi.org/10.1016/j.chieco.2011.03.003
Marshall, A. (1890). Principles of Economics. Macmillan.
Martínez-Victoria, M., Maté-Sánchez, M., Lansink, A. (2017). Spatial determinants of productivity growth on agri-food Spanish firms: a comparison between cooperatives and investor-owned firms: a comparison between cooperatives and investor-owned firms. Agricultural Economics, 49(2), 213-223. https://doi.org/10.1111/agec.12410
Matute, K. y Muñoz, E. (2024). Análisis multivariante de factores socioeconómicos en PYMES: modelos de regresión machine learning. Universidad, Ciencia y Tecnología, 28 (125), 142-152. https://doi.org/10.47460/uct.v28i125.864
Ministerio de Producción, Comercio Exterior, Inversiones y Pesca. (2023). Boletín de cifras del sector productivo, diciembre 2023. Gobierno de Ecuador https://www.produccion.gob.ec/wp-content/uploads/2023/12/Boletin-Cifras-Productivas-DIC-2023.pdf
Ministerio de Producción, Comercio Exterior, Inversiones y Pesca. (2024). Boletín de cifras del sector productivo, diciembre 2024. Gobierno de Ecuador https://www.produccion.gob.ec/wp-content/uploads/2024/12/VFBoletinProduccion-DIC2024.pdf
Müller, A. y Guido, S. (2017). Introduction to Machine Learning with Python. Sebastopol: O’Reilly.
Nelson, R., y Winter, S. (1982) . An Evolutionary Theory of Economic Change. Cambridge: Harvard University Press.
Phelps, N., Atienza, M., y Arias, M. (2015). Encore for the Enclave: The Changing Nature of the Industry Enclave with Illustrations from the Mining Industry in Chile. Economic Geography, 91(2), 119–146. https://doi.org/10.1111/ecge.12086
Pike, A., Rodríguez-Pose, A., y Tomaney, J. (2017). Local and Regional Development. London: Routledge.
Raschka, S., Liu, Y., y Mirjalili, V. (2022). Machine Learning with PyTorch and Scikit-Learn. Birmingham: Packt Publishing Ltd.
Rodríguez-Cruz, X. (2024). Análisis de la eficiencia y rentabilidad de las empresas manufactureras ecuatorianas: Una aplicación de algoritmos no supervisados. Cuestiones Económicas, 34(2), 164-212, https://doi.org/10.47550/34.2.5
Romer, P. (1986). Increasing Returns and Long Run Growth. Journal of Political Economy, 94(5), 1002-1037
Ruiz, P. (2013). Indicadores de productividad de la industria ecuatoriana. En H. Jácome y K. King (Eds.), Estudios industriales de la micro, pequeña y mediana empresa (1ra ed., pp. 45-80). Flacso y Ministerio de Industrias y Productividad.
Sanfilippo, M., y Seric, A. (2015). Spillovers from agglomerations and inward FDI: a multilevel analysis on sub-Saharan African firms. Review of World Economics, 152, 147-176. https://doi.org/10.1007/s10290-015-0237-6
Singh, D. (2021). Cluster Space Among Labor Productivity, Urbanization, and Agglomeration of Industries in Hungary. Journal of the Knowledge Economy, 13, 1008-1027. https://doi.org/10.1007/s13132-021-00726-9
Tao, J., Ho, C., Luo, S. y Sheng Y. (2019). Agglomeration economies in creative industries. Regional Science and Urban Economics, 77, 141-154. https://doi.org/10.1016/j.regsciurbeco.2019.04.002
Torres-Gutiérrez, T., Correa-Quezada, R., Álvarez-García, J., y del Río-Rama, M. (2019). Agglomeration Economies: An Analysis of the Determinants of Employment in the Cities of Ecuador. Symmetry 2019. https://doi.org/10.3390/SYM11111421
Ward, J. H. (1963). Hierarchical grouping to optimize an objective function. Journal of the American Statistical Association, 58(301), 236-244.
Zollanvari, A. (2023). Machine Learning with Python : theory and implementation. Switzerland AG: Springer.