El sobreajuste plantea una limitación significativa en la predicción de la elección de modo utilizando modelos de clasificación, a menudo empeorada por la proliferación de características de la codificación de variables categóricas. Si bien las técnicas de reducción de dimensionalidad se utilizan ampliamente, sus efectos en el rendimiento de los modelos de elección del modo de viaje aún no se han estudiado comparativamente. Esta investigación compara el impacto de los métodos de reducción de dimensionalidad (PCA, CATPCA, FAMD, LDA) en el rendimiento de modelos multinomiales y varios clasificadores de aprendizaje supervisado (XGBoost, Random Forest, Naive Bayes, K-Nearest Neighbors, Multinomial Logit) para predecir el modo de viaje. elección. Utilizando datos de encuestas del Valle de Aburrá en Colombia, detallamos el proceso de análisis de dimensiones derivadas y selección de modelos óptimos para predicciones generales y específicas de clase. Los resultados indican que la reducción de dimensiones mejora el poder predictivo, particularmente para modos de transporte menos comunes, proporcionando una estrategia para abordar el desequilibrio de clases sin modificar la distribución de datos. Esta metodología profundiza la comprensión del comportamiento de los viajes y ofrece información valiosa para modeladores y formuladores de políticas en regiones en desarrollo con características similares.

Este artículo explica los diversos pasos de una metodología novedosa diseñada para analizar el mercado de divisas informal y calcular un tipo de cambio paralelo (ER). Utilizamos algoritmos de inteligencia artificial para el procesamiento del lenguaje natural para extraer datos de grupos de redes sociales y sitios web clasificados. La metodología se ha implementado desde 2021 en medio del complejo panorama financiero y político de Cuba. Dado que el tipo de cambio oficial sigue fijo y sobrevaluado, el TC calculado se ha vuelto vital para evaluar los efectos en tiempo real de los cambios regulatorios, los shocks económicos y las políticas. Realizamos un análisis estadístico y econométrico utilizando modelos vectoriales autorregresivos e índices de derrame para validar la consistencia económica y financiera de las series temporales del mercado informal.

Este artículo ofrece nueva evidencia para contribuir a la discusión sobre las consecuencias económicas de flexibilizar o endurecer las sanciones, tomando a Cuba como caso de estudio. A pesar del persistente régimen de sanciones, se ha mantenido un nivel de comercio, remesas y visitantes entre Estados Unidos y Cuba, especialmente desde la década de 1990, fluctuando según el clima político. Este estudio consolida datos de diversas fuentes para medir la magnitud de este intercambio en relación con el PIB de Cuba y calcula la sensibilidad de los indicadores económicos a los cambios en las sanciones (ya sea flexibilización o endurecimiento) durante las últimas tres décadas.

Los hallazgos econométricos demuestran el impacto de las sanciones en el crecimiento económico de Cuba. Los resultados sugieren que las sanciones estrictas afectan negativamente el consumo de los hogares y el sector privado cubano. Sin embargo, los datos no muestran una disminución en el valor del consumo del gobierno cubano.

Este estudio busca determinar el impacto de las remesas y los ingresos no laborales en la duración del desempleo y, por ende, en el fenómeno de histeresis en Colombia durante el periodo comprendido entre enero de 2010 y enero de 2021. Se calcula la tasa de desempleo de largo plazo en Colombia (LAPU) y, posteriormente, se estima un modelo autorregresivo vectorial (VAR) para evaluar el impacto de las remesas y los ingresos no laborales en la LAPU. Los resultados sugieren que el aumento en los ingresos no laborales afectó significativamente la LAPU en Colombia durante el periodo analizado. Por otro lado, el crecimiento de las remesas resultó tener un impacto positivo y significativo en la LAPU únicamente durante la crisis de la pandemia de COVID-19. Esto sugiere que las remesas se han convertido en un ingreso fundamental en tiempos de crisis, permitiendo financiar la búsqueda de empleo por un periodo más prolongado, lo que aumenta la duración del desempleo y genera un efecto de histeresis.

El objetivo de este estudio es evaluar el impacto de diversas variables institucionales en la tasa de desempleo de largo plazo (LAPU) en el mercado laboral urbano de Colombia. Se estiman modelos autorregresivos vectoriales utilizando microdatos de la Gran Encuesta Integrada de Hogares (GEIH), que tiene cobertura nacional. Se analizaron datos mensuales para las 13 principales ciudades capitales y sus áreas metropolitanas, así como para el grupo de 11 ciudades capitales intermedias, lo que resultó en un total de 24 principales mercados laborales urbanos en Colombia. El conjunto de datos incluye individuos sindicalizados, personas con contratos verbales y escritos, ingresos no laborales, desempleados con subsidios e individuos que reciben pagos por cesantías.

Los resultados indican que el aumento en el número de empleados sindicalizados y los ingresos no laborales contribuyen a incrementar la persistencia en la duración del desempleo en Colombia. Un hallazgo clave es que un crecimiento positivo en la relación entre individuos con contratos escritos frente a contratos verbales reduce la LAPU. Esto proporciona evidencia de cómo reducir las asimetrías de información en el mercado laboral colombiano puede mejorar los resultados laborales y contribuir al bienestar social a mediano y largo plazo en los centros urbanos de Colombia.

La pandemia de COVID-19 trajo consigo condiciones sociales y económicas sin precedentes, junto con respuestas políticas inesperadas, desafiando la efectividad de los enfoques tradicionales de pronóstico del mercado laboral. Este artículo presenta un enfoque novedoso que integra variables macroeconómicas, métricas tradicionales del mercado laboral y datos de búsqueda en Google para desarrollar un indicador basado en aprendizaje automático para el mercado laboral colombiano. Utilizamos máquinas de soporte vectorial para regresión y modelos de redes neuronales para pronosticar las tasas mensuales de empleo y desempleo, centrándonos explícitamente en la tercera ola de COVID-19 durante el primer semestre de 2021. Los hallazgos de nuestro estudio revelan que los modelos propuestos superan el modelo autoregresivo de referencia en términos de precisión de los pronósticos, demostrando una rápida adaptación a los cambios en el mercado laboral.