Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
1 Escuela de Administración Escuela de Ingeniería Ciencia y Tecnología Análisis descriptivo y predictivo del comportamiento del PIB en Colombia por departamento y actividad económica del 2005 al 2021 Trabajo de Grado Presentado por: Cindy Paola Osorio Leal Johana Catherin Zambrano Vargas Sandra Liliana Morales Aguirre Bogotá, D.C. 2023 2 Escuela de Administración Escuela de Ingeniería Ciencia y Tecnología Análisis descriptivo y predictivo del comportamiento del PIB en Colombia por departamento y actividad económica del 2005 al 2021 Presentado por: Cindy Paola Osorio Leal Johana Catherin Zambrano Vargas Sandra Liliana Morales Aguirre Tutor: Daniel Leonardo Cruz Castro Maestría en Business Analytics Escuela de Administración/ Escuela de Ingeniería Ciencia y Tecnología 16 de junio de 2023 Bogotá, Colombia 2023 3 Tabla de Contenido Declaración de originalidad y autonomía............................................................................ 4 Declaración de exoneración de responsabilidad ................................................................. 5 Lista de figuras .................................................................................................................... 6 Lista de tablas ...................................................................................................................... 7 Abreviaturas ........................................................................................................................ 8 Glosario ............................................................................................................................. 10 Resumen Ejecutivo ............................................................................................................ 12 Palabras clave .................................................................................................................... 12 Abstract ............................................................................................................................. 13 1. Introducción ................................................................................................................... 14 2. Objetivos ........................................................................................................................ 17 3. Alcance .......................................................................................................................... 18 4. Metodología ................................................................................................................... 19 5. Cronograma ................................................................................................................... 22 6. Descripción de las fuentes de información .................................................................... 24 7. PIB en Colombia (Contexto) ......................................................................................... 25 8. Estudio del caso ............................................................................................................. 28 9. Análisis descriptivo ....................................................................................................... 30 9.1. Comportamiento del PIB Nacional ........................................................................ 30 9.2. Análisis por departamento y actividad económica ................................................. 31 9.2.1. Comportamiento histórico de Bogotá D.C...................................................... 34 9.2.2. Comportamiento histórico de Antioquia ......................................................... 35 9.2.3. Comportamiento histórico de Valle del Cauca ............................................... 37 9.2.4. Análisis de actividades económicas en el año 2021 ....................................... 38 9.3. Modelo de segmentación K-means ........................................................................ 39 10. Análisis del perfil económico .................................................................................... 43 10.1. Métricas análisis de correspondencia simple ...................................................... 43 10.2. Mapa de factores CA .......................................................................................... 49 11. Análisis de trayectoria................................................................................................ 55 11.1. Métricas análisis factorial múltiple ..................................................................... 56 11.2. Análisis de cambios de trayectoria ..................................................................... 64 12. Análisis predictivo ..................................................................................................... 91 12.1. Preparación de los datos ..................................................................................... 91 12.2. Validación de hipótesis ....................................................................................... 94 12.3. Modelado .......................................................................................................... 100 12.4. Evaluación de modelos ..................................................................................... 106 12.5. Estimación PIB trimestral ................................................................................. 107 13. Plan de ruta y recomendaciones ............................................................................... 109 14. Conclusiones ............................................................................................................ 112 Referencias bibliográficas ................................................................................................... 116 4 Declaración de originalidad y autonomía Declaramos bajo la gravedad del juramento, que hemos escrito el presente Proyecto Aplicado Empresarial (PAE), en la propuesta de solución a una problemática en el campo de conocimientos del programa de Maestría por nuestra propia cuenta y que, por lo tanto, su contenido es original. Declaramos que hemos indicado clara y precisamente todas las fuentes directas e indirectas de información y que este PAE no ha sido entregado a ninguna otra institución con fines de calificación o publicación. Cindy Paola Osorio Leal Johana Catherin Zambrano Vargas Sandra Liliana Morales Aguirre Firmado en Bogotá, D.C. el 16 de junio de 2023 5 Declaración de exoneración de responsabilidad Declaramos que la responsabilidad intelectual del presente trabajo es exclusivamente de sus autores. La Universidad del Rosario no se hace responsable de contenidos, opiniones o ideologías expresadas total o parcialmente en él. Cindy Paola Osorio Leal Johana Catherin Zambrano Vargas Sandra Liliana Morales Aguirre Firmado en Bogotá, D.C. el 16 de junio de 2023 6 Lista de figuras Figura 1 Cronograma .................................................................................................................... 23 Figura 2 Datos históricos del PIB (miles de millones) de Colombia ............................................ 31 Figura 3 Contribución del PIB (miles de millones) por departamento año 2021 ......................... 32 Figura 4 PIB (miles de millones) de Bogotá D.C, Antioquia y Valle del Cauca 2005 a 2021 ..... 34 Figura 5 Actividades Económicas de BogotáD.C del 2005 al 2021 (miles de millones) ............ 35 Figura 6 Actividades Económicas de Antioquia del 2005 al 2021(miles de millones) ................ 36 Figura 7 Actividades Económicas de Valle del Cauca del 2005 al 2021(miles de millones) ...... 38 Figura 8 Contribución de las actividades económicas año 2021(miles de millones) ................... 39 Figura 9 Codo de puntuación de distorsión K-means ................................................................... 40 Figura 10 Gráfico de cluster (PCA) .............................................................................................. 40 Figura 11 Gráfico de barras de clusters ........................................................................................ 41 Figura 12 CA factor map 2005 ..................................................................................................... 50 Figura 13 CA factor map 2011 ..................................................................................................... 51 Figura 14 CA factor map 2021 ..................................................................................................... 52 Figura 15 Gráfico de dimensiones vs. varianza ............................................................................ 56 Figura 16 Contribución de las variables cuantitativas. Dimensión 1............................................ 58 Figura 17 Contribución de las variables cuantitativas. Dimensión 2............................................ 59 Figura 18 Contribución de individuos. Dimensión 1 .................................................................... 60 Figura 19 Contribución de individuos. Dimensión 2 .................................................................... 61 Figura 20 Cos2 Individual MFA ................................................................................................... 63 Figura 21 Gráfico de variables cuantitativas -MFA ..................................................................... 64 Figura 22 Gráfico de trayectoria ................................................................................................... 65 Figura 23 Serie de tiempo del PIB de 2006 - 2022 ....................................................................... 93 Figura 24 Análisis de descomposición estacional serie de tiempo del PIB trimestral.................. 95 Figura 25 Gráfica de autocorrelación (ACF) ................................................................................ 96 Figura 26 Gráfica de autocorrelación parcial (PACF) .................................................................. 98 Figura 27 Gráfico de la primera diferencia de los datos ............................................................... 99 Figura 28 Entrenamiento y prueba modelo AR .......................................................................... 102 Figura 29 Entrenamiento y prueba modelo ARMA .................................................................... 103 Figura 30 Entrenamiento y prueba modelo ARIMA .................................................................. 104 Figura 31 Entrenamiento de modelo de redes neuronales recurrentes (LSTM – GRU) ............. 105 Figura 32 Prueba de modelo de redes neuronales recurrentes (LSTM – GRU) ......................... 105 7 Lista de tablas Tabla 1 Actividades económicas por sector económico ............................................................... 26 Tabla 2 Descomposición total de la inercia .................................................................................. 44 Tabla 6 Inercia CSA...................................................................................................................... 44 Tabla 3 Coordenadas CSA ............................................................................................................ 45 Tabla 4 Cos2 CSA ......................................................................................................................... 47 Tabla 5 Contribución CSA............................................................................................................ 48 Tabla 7 Dimensiones..................................................................................................................... 57 Tabla 8 Resultados de la prueba Dickey-Fuller ............................................................................ 94 Tabla 9 Resultados de las métricas de rendimiento de los modelos ........................................... 106 Tabla 10 Comparación de los resultados de predicción del PIB trimestral ................................ 107 8 Abreviaturas AAEYR Actividades artísticas, de entretenimiento y recreación y otras actividades de servicios; actividades de los hogares individuales en calidad de empleadores; actividades no diferenciadas de los hogares individuales como productores de bienes y servicios para uso propio. ACF Análisis factorial múltiple. ACS Análisis de correspondencia simple. AFYS Actividades financieras y de seguros. AGSP Agricultura, ganadería, caza, silvicultura y pesca. AI Actividades inmobiliarias. AMA Amazonas. ANT Antioquia. APCT Actividades profesionales, científicas y técnicas; actividades de servicios administrativos y de apoyo. APYD Administración pública y defensa; planes de seguridad social de afiliación obligatoria; educación; actividades de atención de la salud humana y de servicios sociales. AR Autorregresión. ARA Arauca. ARMA Autorregresión de media móvil. ARIMA Autorregresión integrada de media móvil. ATL Atlántico. BOG Bogotá D.C. BOL Bolívar. BOY Boyacá. CAL Caldas. CAQ Caquetá. CAS Casanare. CAU Cauca. CES Cesar. CHO Chocó. CONST Construcción. CÓR Córdoba. CUN Cundinamarca. CXMM Comercio al por mayor y al por menor; reparación de vehículos automotores y motocicletas; transporte y almacenamiento; alojamiento y servicios de comida. DANE Departamento Administrativo Nacional de Estadística. DTF Tasa de captación mensual de depósitos a término fijo. EMC Explotación de minas y canteras. GRU Unidad recurrente cerrada. 9 GUAI Guainía. GUAV Guaviare. HUI Huila. IBR Indicador bancario de referencia. IC Información y comunicaciones. IM Industrias manufactureras. IMP Impuestos. LAG La Guajira. LSTM Memoria a corto plazo de larga duración. MAG Magdalena. MET Meta. NAR Nariño. NOR Norte de Santander. PIB Producto interno bruto. PUT Putumayo. QUI Quindío. RIS Risaralda. RNN Redes neuronales recurrentes SAN San Andrés, Providencia y Santa Catalina. SANT Santander. SEGVA Suministro de electricidad, gas, vapor y aire acondicionado; distribución de agua; evacuación y tratamiento de aguas residuales, gestión de desechos y actividades de saneamiento ambiental. SUC Sucre. TOL Tolima. TRM Tasa de cambio representativa del mercado. VAL Valle del Cauca. VAU Vaupés. VIC Vichada. 10 Glosario • Actividad económica: conjunto de acciones que tienen por objeto la producción, distribución y consumo de bienes y servicios generados para satisfacer las necesidades materiales y sociales (Vidales Rubí, 2003) • Análisis de correspondencia simple (ACS): método de representación de filas y columnas de una tabla como puntos en un mapa, con una interpretación geométrica específica de sus posiciones, que permite interpretar las similitudes, asociaciones y diferencias entre files y entre columnas, el método es especialmente eficaz para analizar las tablas de contingencia con datos de frecuencias numéricas (Greenacre, 2008). • Análisis factorial múltiple (AFM): es un método factorial adaptado al tratamiento de tablas de datos en las que un mismo conjunto de individuos se describe a través de múltiples grupos de variables (Garcia Altamirano, 2021). • Análisis predictivo: se fundamenta en la identificaciónde relaciones entre variables en eventos pasados, para luego explotar dichas relaciones y predecir posibles resultados en futuras situaciones (Espino Timón, 2017). • Estadística descriptiva: se compone de aquellos métodos que incluyen técnicas para recolectar, presentar, analizar e interpretar datos (Solano & Álvarez, 2015). • K-means: es uno de los más simples y conocidos algoritmos de agrupamiento, sigue una forma fácil y simple para dividir una base de datos dada en k grupos (fijados a priori). La idea principal es definir k centroides (uno para cada grupo) y luego tomar cada punto de la base de datos y situarlo en la clase de su centroide más cercano (Pascual et al., 2007). 11 • Producto interno bruto (PIB): es la suma de los valores monetarios de los bienes y servicios producidos en un país durante un ejercicio (Vidales Rubí, 2003) • Redes neuronales recurrentes (RNN): son modelos capaces de procesar y obtener información de datos secuenciales, que captura activamente sus dependencias secuenciales y temporales (Arana, 2021). 12 Resumen Ejecutivo Análisis descriptivo y predictivo del comportamiento del PIB en Colombia por departamento y actividad económica desde el 2015 al 2021 El proyecto se centra en el análisis del indicador económico PIB y la definición del perfil económico de cada departamento durante el periodo comprendido entre 2005 y 2021. El objetivo es identificar el comportamiento, los cambios a lo largo del tiempo y la contribución de cada actividad económica y departamento al crecimiento del país, con el propósito de apoyar la toma de decisiones de inversión y la formulación de políticas públicas. Por lo tanto, se realiza un análisis descriptivo del aporte de los departamentos al PIB nacional, por medio del análisis de segmentación k-means, análisis de correspondencia simple y análisis de trayectoria para los años 2005, 2011 y 2021 con el fin de identificar el perfil económico de los departamentos e identificar los cambios en su estructura económica. Adicionalmente, se realiza un análisis predictivo del PIB trimestral del 2023 teniendo en cuenta variables exógenas. Es importante destacar que se empleará la metodología CRISP-DM que sugiere un ciclo de vida orientado a la minería de datos adaptable y flexible de acuerdo con las necesidades del proyecto, asimismo, la metodología Scrum para priorizar la asignación de roles, enfocado en ciclos de creación de valor semanales que permiten obtener entregables incrementales ajustados de acuerdo con la retroalimentación del product owner. Palabras clave Producto interno bruto (PIB), perfil económico, k-means, análisis descriptivo, análisis de correspondencia simple, análisis de trayectoria y análisis predictivo. 13 Abstract Descriptive and predictive analysis of the behavior of GDP in Colombia by department and economic activity from 2015 to 2021 The project aims to analyze the GDP economic indicator and define the productive profile of each department from 2005 to 2021. The main objective is to identify the behavior, changes over time, and the contribution of each economic activity and department to the country's growth. This analysis will provide valuable insights to support investment decision-making and policy formulation. To achieve this, a descriptive analysis of the departments' contribution to the national GDP will be conducted. Various techniques will be employed, including k-means clustering analysis, simple correspondence analysis, and trajectory analysis for the years 2005, 2011, and 2021. The purpose is to identify the productive profile of each department and identify any changes in their economic structure. Furthermore, a predictive analysis of the quarterly GDP for 2023 will be carried out, taking into consideration exogenous variables. This analysis will help in forecasting the economic performance for the upcoming year. It is important to highlight that the project will follow the CRISP-DM methodology, which provides a flexible and adaptable data mining lifecycle tailored to the specific needs of the project. Additionally, the Scrum methodology will be utilized to prioritize role allocation and focus on weekly value creation cycles. This approach allows for incremental deliverables that can be adjusted based on the feedback from the product owner. Keywords Gross domestic product (GDP), productive profile, descriptive analysis, k-means, simple correspondence analysis, trajectory analysis, predictive analysis. 14 1. Introducción De acuerdo con el banco BBVA (2015), el Producto Interno Bruto (PIB) se define como “Valor monetario total de la producción de bienes y servicios en un país durante un periodo de tiempo” (párr.3). Por lo cual, al analizar su evolución, se puede obtener información valiosa sobre el crecimiento económico y el desempeño de los diferentes sectores económicos. Esta información es importante porque indica la capacidad del país para generar riqueza y proporcionar bienes y servicios. Por lo tanto, el análisis del PIB es relevante para la planificación económica, la toma de decisiones en la política pública, asignación de recursos e implementación de políticas para mejorar la economía del país. La información sobre la evolución del PIB no solo es relevante para la planificación económica y la toma de decisiones a nivel de política pública, sino que también es beneficiosa para el sector privado, ya que permite determinar si la economía está en recesión o en expansión, lo que influye en las decisiones de inversión de las empresas dado que esta información les ayuda a evaluar cuándo es el momento adecuado para expandirse y contratar más empleados, o bien, reducir inversiones y disminuir su fuerza laboral. Además, proporciona información sobre el desempeño de diferentes sectores económicos, lo que permite identificar actividades económicas de oportunidad para la inversión o adaptar las estrategias empresariales a las características económicas de cada región (BBC News Mundo, 2022) Este indicador se puede analizar por departamentos y actividades económicas con el fin de comprender su comportamiento y su aporte al crecimiento económico del país. Este análisis permite establecer el perfil económico de cada departamento, considerando su 15 contribución y cambios a lo largo del tiempo, así como su estructura económica. Es importante tener en cuenta que las actividades económicas se agrupan en 12 categorías, que comprenden el sector primario, encargado de la adquisición de materias primas y alimentos de la naturaleza; el sector secundario, que incluye las actividades de transformación de las materias primas en productos elaborados; y el sector terciario, que se enfoca en el comercio, los servicios y las actividades gubernamentales (Ministerio de Comercio, Industria y Turismo, 2022) De acuerdo con lo anterior, el propósito de este proyecto es realizar un análisis del PIB de Colombia en precios corrientes para lo cual se emplean diferentes herramientas de análisis de datos. En primer lugar, se elabora un tablero de visualización en Microsoft Power BI para realizar el análisis descriptivo de los datos. Además, se realiza un modelo de segmentación k-means para agrupar los departamentos según su contribución al PIB en las diferentes actividades económicas, lo que permite establecer la similitud y el aporte que realizan estos grupos al PIB para el año 2021. También se aplica el análisis de correspondencia simple para interpretar las similitudes, diferencias y asociaciones entre los departamentos y las actividades económicas, y el análisis factorial múltiple, que permite analizar simultáneamente los registros de los años 2005, 2011 y 2021 para definir el perfil económico de los departamentos e identificar loscambios de trayectoria (Greenacre, 2008). Adicionalmente, se desarrolla un modelo predictivo que utiliza información histórica del PIB de Colombia desde 2006 hasta 2022, en conjunto con variables exógenas relevantes con sus correspondientes estimados para el año 2023, con el fin de predecir el comportamiento del PIB para el presente año. Para ello, se emplean técnicas de modelado como AR (autorregresión), ARMA (autorregresión media móvil), ARIMA (autorregresión 16 integrada media móvil) y redes neuronales recurrentes (RNN), para poder comparar las métricas de rendimiento de los modelos y establecer con cual de estos se obtiene un resultado más preciso para este tipo de análisis. Para finalizar, este trabajo presenta la definición de los objetivos planteados para el desarrollo del proyecto empresarial, el alcance y la metodología utilizada, así como el cronograma de actividades a desarrollar y la descripción de las fuentes públicas que se utilizarán para el análisis del PIB en Colombia. Además, se presentan secciones relevantes como el contexto del PIB, el estudio de caso, el análisis descriptivo, el análisis de correspondencia simple, el análisis de trayectoria, el análisis predictivo, el plan de ruta y recomendaciones, las conclusiones y las referencias bibliográficas que respaldan los conceptos utilizados en la elaboración de este trabajo. 17 2. Objetivos Objetivo General: Analizar el comportamiento del indicador económico PIB e identificar el perfil económico por departamento y actividad económica del país entre el 2005 y el 2021. Objetivos Específicos: • Identificar los departamentos que más aportan al PIB nacional, así como aquellos que son más representativos en las diferentes actividades económicas. • Visualizar el perfil económico de los departamentos por actividades económicas para comprender la estructura productiva en los periodos de 2005, 2011 y 2021. • Analizar y describir el cambio del perfil económico de cada departamento en los años 2005, 2011 y 2021. • Predecir el valor trimestral del PIB para 2023 considerando variables exógenas. 18 3. Alcance • El análisis se enfoca en el comportamiento del PIB de Colombia en el periodo 2005- 2021 desagregado por departamento y actividad económica. • Se proporcionará información sobre la contribución de las actividades económicas en cada departamento al PIB de país para los años 2005, 2011 y 2021. • Se analizan los patrones y cambios en la estructura económica de los departamentos para los años 2005, 2011 y 2021, identificando las actividades económicas más relevantes y su evolución. • Este estudio tiene como objetivo proporcionar información valiosa para la toma de decisiones y la comprensión del comportamiento del PIB en Colombia. Además, se puede aplicar a otros indicadores económicos y contextos similares. • La predicción del valor trimestral del PIB para 2023 complementa el análisis del comportamiento histórico del PIB y proporciona una perspectiva adicional para la toma de decisiones en el futuro. 19 4. Metodología Para el desarrollo del proyecto empresarial se aplica la metodología CRISP-DM (Cross-Industry Standard Process for Data Mining) abordando las fases de comprensión del negocio, comprensión y preparación de los datos, modelado, evaluación y despliegue. Es importante mencionar que es una metodología que proporciona una estructura para el logro de los objetivos, pero es flexible, por lo cual la secuencia de las fases no es estricta, lo que permite retroceder entre fases si es necesario (IBM® SPSS Modeler, s. f.) Comprensión del negocio: esta fase contempla la determinación de los objetivos, valoración de requisitos, alcance, hipótesis, definición del plan de proyecto y valoración de herramientas y técnicas. Comprensión de los datos: está enfocada en la recopilación y descripción de los datos, identificación del tipo de variables y la verificación de la calidad de los datos. Preparación de los datos: esta fase se orienta a la selección y limpieza de datos, construcción, integración y formato de datos. Se realiza la fusión de registros para obtener la tabla de contingencias del indicador financiero PIB por departamento y actividad económica, y se selecciona una muestra del subconjunto de datos de los años 2005 al 2021. Modelado: en esta fase se seleccionan las técnicas de modelado teniendo en cuenta los tipos de datos y los objetivos establecidos para la definición de hipótesis, la generación del modelo y la evaluación de los parámetros para medir el desempeño del mismo. Evaluación: se enfoca en la evaluación de los resultados para establecer el cumplimiento de los criterios de rendimiento definidos en el inicio del proyecto, y la revisión 20 del proceso de implementación de la metodología CRISP-DM como una oportunidad de aprendizaje a través de la experiencia para la ejecución futura de proyectos más efectivos. Despliegue: los resultados obtenidos en la ejecución de los modelos descriptivo y predictivo se mantendrán con acceso público para quienes requieren información para la toma de decisiones en inversión, definición de políticas públicas y/o insumo para el desarrollo de trabajos de investigación donde se identifican actores como los son inversionistas, entidades públicas, consultores financieros e investigadores. Adicional, la estimación del PIB trimestral nacional es relevante para que las empresas puedan identificar si el país se encuentra en expansión de su economía y así ampliar su estrategia de crecimiento o identificar si el país está en recesión económica para disminuir la fuerza laboral, optimizar procesos y controlar el gasto. En general los resultados obtenidos permiten disminuir la incertidumbre en la toma de decisiones. A nivel de gestión del equipo del proyecto se hace uso de la metodología ágil Scrum, teniendo en cuenta los eventos de sprint planning que permiten priorizar los elementos más importantes del product backlog, sprint que es el evento donde se desarrolla el trabajo necesario para lograr el objetivo definido, daily scrum enfocado en la inspección del progreso, identificación de impedimentos y toma de decisiones rápidas. Cuando se finaliza el sprint, se realiza el sprint review para inspeccionar los resultados obtenidos y realizar el ajuste del backlog, y posteriormente se realiza el sprint retrospective orientado a mejorar la metodología Scrum para incrementar la productividad y la calidad de los entregables (Schwaber & Sutherland, 2020). 21 Para la implementación de la metodología Ágil Scrum se definieron los roles que desempeñan cada integrante del proyecto para facilitar la delegación de funciones, definiendo el Scrum Team de la siguiente manera: Product owner: Daniel Leonardo Cruz Castro. Director del proyecto empresarial que tiene como responsabilidad maximizar el valor de los entregables y la gestión efectiva del product backlog. Scrum Master: Johana Catherin Zambrano Vargas. Responsable de orientar y liderar al Scrum Team para la mejora de la implementación de la metodología scrum, eliminación de las barreras entre las partes interesadas, y adicionalmente, se asegura de que se lleven a cabo eventos scrum de manera productiva dentro de los límites establecidos. Developers: Cindy Paola Osorio Leal, Johana Catherin Zambrano Vargas y Sandra Liliana Morales Aguirre. El equipo de desarrollo es responsable de la construcción de los entregables de valor incrementales definidos para cada sprint. Para ello, se definirá un plan detallado para cada sprint, conocido como "sprint backlog", y se adaptará diariamente para asegurar que se avanza hacia el objetivo del sprint. Para finalizar, se establecen 4 sprints los cuales están definidos de acuerdo con los objetivos específicosdel proyecto empresarial, por lo cual el entregable de cada sprint está asociado a un objetivo específico. Adicionalmente, se realizarán sesiones diarias durante la tarde cuando se finaliza la jornada laboral con una duración de 15 minutos, con el objetivo de tener una visión general de las actividades desarrolladas el día anterior y las actividades que se ejecutaran el día actual, e identificar las barreras que impiden alcanzar los objetivos del sprint. 22 5. Cronograma Se utiliza la metodología SCRUM para el desarrollo de este proyecto, la cual permite la entrega de entregables semanales y la realización de sesiones diarias para establecer los requisitos, planificar las actividades y resolver obstáculos. El proyecto se divide en 4 sprints, cada uno de los cuales se enfoca en un objetivo específico. • Sprint 1. Identificar los departamentos que más contribuyen al PIB nacional y los más representativos para cada una de las actividades económicas a través de un tablero de visualización en Power BI. • Sprint 2. Realizar el análisis del perfil económico de cada uno de los departamentos en los períodos 2005, 2011 y 2021. • Sprint 3. Analizar los cambios de trayectoria del perfil económico de los departamentos para identificar como ha ido cambiando su aporte al PIB en los años 2005, 2011 y 2021. • Sprint 4: Realizar un modelo predictivo del valor trimestral del PIB para el 2023 con variables exógenas. En la Figura 1 se puede observar el cronograma definido para la realización de cada sprint del proyecto. El cronograma está estructurado en columnas que representan las semanas de cada mes, y cada fila corresponde a una actividad específica dentro de cada sprint. 23 Figura 1 Cronograma Nota. Contiene el cronograma de actividades planteadas para el cumplimiento de objetivos. Fuente: Elaboración propia 24 6. Descripción de las fuentes de información • Base de datos pública que proporciona los datos históricos del Producto Interno Bruto (PIB) por actividad económica y departamentos obtenida del Departamento Administrativo Nacional de Estadística del 2005 al 2021. • Base de datos de las principales variables del pronóstico macroeconómico obtenido del Informe de Política Monetaria de enero de 2023, publicado por el Banco de la República de Colombia. Esta base de datos proporciona información desde 2016 hasta 2024, siendo los datos de 2023 y 2024 estimaciones. • Base de datos de estimaciones de variables económicas mensuales publicada por Investigaciones Económicas del Banco Agrario de Colombia, que contiene datos del año 2022, y estimaciones desde el 2023 hasta el 2025. • Base de datos con el histórico de las variables PIB, DTF, TRM y tasa de desempleo del Banco de la Republica y precio de petróleo (Brent) del Banco Mundial. 25 7. PIB en Colombia (Contexto) El desarrollo del proyecto empresarial se basa en el análisis de la información del comportamiento anual del PIB, el cual se obtiene de la base de datos pública del DANE. En este análisis se identifican los perfiles económicos y los cambios en la estructura económica de los departamentos y se estiman el valor del PIB en periodicidad trimestral para el año 2023, lo cual resulta relevante para la toma de decisiones estratégicas en cuanto la definición de políticas económicas y de inversión, mejoramiento de cadenas productivas y el desarrollo empresarial en los sectores económicos que tienen un mayor potencial de crecimiento en cada región. El Producto Interno Bruto (PIB) es una medida que indica el valor de mercado de todos los bienes y servicios finales producidos en un país durante un período de tiempo determinado. El valor agregado se refiere a la contribución económica neta de una actividad productiva, es decir, la diferencia entre el valor de los bienes y servicios producidos y los costos de producción. Por lo tanto, el PIB refleja el valor agregado creado por la economía en un país en un período de tiempo específico (Vaca-Trigo & Baron, 2022). En Colombia, el cálculo del PIB es responsabilidad del Departamento Administrativo Nacional de Estadística (DANE), entidad adscrita al Ministerio de Hacienda y Crédito Público. Para determinar el PIB, el DANE recopila información de diversas fuentes, como encuestas a hogares, encuestas a empresas y registros administrativos. Además, desagrega la información estadística del PIB por departamentos y actividades económicas, lo que permite identificar las principales contribuciones a la economía a nivel regional y sectorial. 26 Por otra parte, es posible determinar el perfil económico de los 32 departamentos de Colombia y la ciudad capital Bogotá D.C. al analizar las diversas actividades económicas que aportan al cálculo del PIB. Estas actividades se clasifican en diferentes sectores, incluyendo el primario, que se enfoca en la extracción y producción de materias primas y recursos naturales; el secundario, que comprende la industria manufacturera y la construcción; y el terciario, que se enfoca en los servicios y el comercio. Estas actividades se dividen en las siguientes categorías específicas: Tabla 1 Actividades económicas por sector económico Sector primario ▪ Agricultura, ganadería, caza, silvicultura y pesca. ▪ Explotación de minas y canteras. Sector secundario ▪ Construcción. ▪ Industrias manufactureras. Sector terciario ▪ Suministro de servicios públicos como electricidad, gas, agua y gestión de residuos y saneamiento ambiental. ▪ Actividades de comercio, transporte, almacenamiento, servicios de alojamiento y comida. ▪ Actividades financieras y de seguros. ▪ Actividades profesionales, científicas y técnicas, servicios administrativos y de apoyo. ▪ Administración pública y defensa, seguridad social, educación, salud y de servicios sociales. ▪ Actividades inmobiliarias. ▪ Información y comunicaciones. ▪ Actividades artísticas, de entretenimiento y recreación, y otras actividades de servicios. Nota. Adaptado de Indicador de Seguimiento a la Economía (ISE). Fuente: (DANE, 2023b) De acuerdo con lo anterior, el análisis del PIB por actividad económica permite conocer el comportamiento de los diferentes sectores económicos e identificar cuáles son las actividades económicas más dinámicas y en proceso de crecimiento o decrecimiento. 27 Asimismo, esta información es relevante para establecer políticas y estrategias para impulsar el crecimiento de aquellas actividades que tienen un mayor potencial y reducir la dependencia de las actividades que están en declive. El perfil económico de Colombia se compone principalmente de tres actividades económicas que, aunque no son las únicas, contribuyen significativamente al PIB del país con un valor aproximado del 50% (DANE, 2023a). Estas actividades económicas son: ▪ Comercio al por mayor y al por menor; reparación de vehículos automotores y motocicletas; transporte y almacenamiento; alojamiento y servicios de comida, con participación del 20%. ▪ Administración pública y defensa; planes de seguridad social de afiliación obligatoria; educación; actividades de atención de la salud humana y de servicios sociales, con una participación del 17%. ▪ Industrias manufactureras, con una participación del 13%. A pesar de la diversidad geográfica y climática de Colombia, la actividad económica de agricultura, ganadería, caza, silvicultura y pesca, solo representaba el 13,5% del PIB del país en el año 2021, debido a diferentes factores como la falta de inversión en tecnología y capacitación, que hace que la producción sea menos eficiente y más costosa en términos de tiempo y recursos, la limitación de los pequeños productores paraacceder a créditos para mejorar la productividad y calidad de sus productos y la presencia de grupos armados ilegales en algunas regiones del país, que han limitado el acceso a las tierras y a otros recursos (DANE, 2023a). 28 8. Estudio del caso Para identificar el crecimiento económico de un país existen diferentes variables y características de marco social, político, económico y ambiental que pueden afectar su desarrollo influyendo en la cantidad de oportunidades de inversión y en el crecimiento de las diferentes actividades económicas que impulsan a un país a ser más competitivo. Por lo anterior, es común hacer referencia al concepto de Producto Interno Bruto (PIB), el cual está estrechamente relacionado con la medición del desempeño económico de un país y diversos documentos o expertos en la materia, como Duván Emilio Ramírez Ospina, la Organización para la Cooperación y el Desarrollo Económicos (OCDE) y el Banco de Santander, coinciden en señalar al PIB como el indicador más importante para comprender la actividad económica de una nación y su crecimiento. Estos factores, a su vez, pueden tener influencia en aspectos como las inversiones y la generación de empleo (Banco Santander S.A., 2022; OCDE, 2022; Ramírez Ospina, 2022). Por ende, durante el desarrollo del proyecto de grado se realizará un análisis descriptivo y predictivo utilizando supuestos que permiten identificar los perfiles económicos más competitivos de Colombia, como aquellos departamentos que han experimentado cambios significativos durante el periodo de análisis tomando como estudio principal el comportamiento del PIB, ya que tal como lo menciona la OCDE (2022), “el PIB es el indicador individual más importante para medir la actividad económica" (párr.2) por lo cual es importante responder: ¿Cómo ha sido el comportamiento del PIB de Colombia en los últimos años y cuál es su tendencia?, con la finalidad de establecer si el país experimenta un crecimiento económico o por el contrario se encuentra ante una recesión. 29 Por otra parte, es importante dar respuesta a las preguntas ¿Cómo se han comportado las diferentes actividades económicas y cuanto ha sido el aporte de cada una al PIB? y ¿Cuáles son los perfiles económicos por departamento que aportan al PIB en Colombia?, esto con el propósito de establecer cuáles son las actividades económicas más representativas en cada uno de los departamentos y como es su comportamiento. Por último, es de utilidad tener un estimado futuro del valor del PIB, ya que proporciona información para entender cuál será el comportamiento de la economía en Colombia y así identificar el grado de crecimiento y de competitividad. 30 9. Análisis descriptivo 9.1. Comportamiento del PIB Nacional Teniendo en cuenta que el PIB es primordial para medir la economía de un país, se analiza la base de datos de este indicador en precios corrientes por departamento entre los años 2005 y 2021 la cual es obtenida del DANE. Para facilitar la visualización e interpretación de los datos de elaborado un tablero de visualización en Microsoft Power BI, y a partir de las gráficas elaboradas se realiza el análisis descriptivo. En el Anexo A, se puede consultar e interactuar con el tablero de visualización. Como se observa en la figura 2, Colombia ha presentado un crecimiento constante promedio del 7% anual, exceptuando el año 2020, que presentó una caída del 5.8% debido a la pandemia del covid-19. Esta situación afectó los sectores productivos y las regiones del país por las medidas de prevención y aislamiento que se adoptaron. Sin embargo, el año 2021 trajo consigo un crecimiento del 10,7% en el PIB nacional, alcanzando un valor de 1,177 mil millones de pesos, lo que indica que los departamentos y actividades económicas han aumentado significativamente su contribución al crecimiento productivo y al PIB a nivel nacional. 31 Figura 2 Datos históricos del PIB (miles de millones) de Colombia Nota. Adaptado de Cuentas nacionales departamentales: PIB por departamento. Fuente: DANE, (2023a) 9.2. Análisis por departamento y actividad económica Para el análisis del PIB nacional, el DANE considera los 32 departamentos de Colombia y Bogotá D.C., y desagrega la producción nacional en 12 actividades económicas, las cuales se abreviaron en el proyecto de grado y cuyos significados pueden encontrarse en la sección de abreviaturas de este documento (página 9 – Abreviaturas). Para tener mayor facilidad en el análisis de los datos se utilizó Microsoft Power BI, como herramienta principal para realizar el análisis descriptivo del año 2021 en el cual nos centraremos a continuación. El comportamiento del PIB en 2021 y la apertura económica nos brindan una perspectiva para identificar los departamentos que más contribuyen a la producción nacional. De acuerdo con la figura 3, los tres principales departamentos en términos de contribución al PIB son Bogotá D.C. con una participación del 25% (298.268 miles de millones de pesos), 32 seguido por Antioquia con una participación del 15% (176.451 miles de millones de pesos) y Valle del Cauca con un 10% (114.864 miles de millones de pesos), logrando así el 50% de contribución al PIB nacional. Estos departamentos tienen economías diversas y la presencia de empresas importantes en sectores clave. Bogotá D.C. es el principal centro financiero y comercial del país, mientras que Antioquia tiene una economía diversa y empresas importantes en sectores de energía, construcción y manufactura, y Valle del Cauca se destaca por su producción agrícola, industria manufacturera y construcción, y por tener empresas en sectores clave como alimentos y bebidas, así como una importante zona portuaria en Buenaventura. lo que le permite producir y exportar diferentes productos como caña de azúcar, café, frutas tropicales y palma aceitera. Figura 3 Contribución del PIB (miles de millones) por departamento año 2021 Nota. Adaptado de Cuentas nacionales departamentales: PIB por departamento. Fuente: DANE, (2023a) 33 Partiendo del análisis realizado en 2021 y habiendo identificado la importancia que tienen estos 2 departamentos (Antioquia y Valle del Cauca) y Bogotá para el PIB nacional, se profundizará un poco más analizando otros años con el fin de establecer si la participación de estos departamentos y Bogotá siempre ha sido tan relevante en el PIB como lo fue para el 2021. En 2011, el PIB total fue de 619.023 miles de millones de pesos con una participación de Antioquia de 13,8%, Valle del Cauca 9,4% y Bogotá 24,7% del total con 296.734 miles de millones de pesos. En los años siguientes, la contribución de estos departamentos se mantuvo en torno al 50%, con un crecimiento anual que osciló entre el 6,1% y el 8,1%. Sin embargo, en 2020 hubo un decrecimiento del -4,1%, pero en 2021 se recuperó con un crecimiento del 16%. En 2021, el PIB total fue de 1.177.225 miles de millones de pesos, de los cuales estos departamentos aportaron el 50,1% distribuido de la siguiente manera: Antioquia con 15%, Valle del Cauca con 9,8% y Bogotá con 25,3% con 589.582 miles de millones de pesos, tal como se puede observar en la figura 4. Por lo anterior, los dos departamentos y Bogotá mostraron una disminución en su participación debido a que otros departamentos aumentaron como Meta (3,42%), Santander (0,56%), entre otros. 34 Figura 4 PIB (miles de millones) de Bogotá D.C, Antioquia y Valle del Cauca 2005 a 2021 Nota. Adaptado de Cuentas nacionales departamentales: PIB por departamento. Fuente: DANE, (2023a) 9.2.1. Comportamiento histórico de Bogotá D.C La actividad económica más representativa para Bogotá D.C es comercio al por mayor y al por menor, transporte y almacenamiento,alojamiento y servicios de comida (CXMM), tal como se observa en la figura 5. Entre los años 2005 y 2021, se presenta un crecimiento constante, no obstante, debido a la pandemia esta actividad tiene una fuerte caída de aproximadamente el -10%, a pesar de esto se recupera en el 2021 con un incremento del 20%, cerrando en un valor de 60.522 mil millones de pesos. La siguiente actividad económica que más sobresale para Bogotá es la de administración pública y defensa, planes de seguridad social, educación, salud y servicios sociales (APYD), que de igual manera presenta un crecimiento constante entre los años 2005 y 2021, a diferencia del comercio al por mayor, esta actividad económica presenta un incremento durante la pandemia, aunque en una menor proporción, siendo este del 1,71%, en 35 el 2021 su incremento es del 6,84%, recuperando así el porcentaje de crecimiento previo al COVID-19 el cual fue del 7,26%. Figura 5 Actividades Económicas de Bogotá D.C del 2005 al 2021 (miles de millones) Nota. Adaptado de Cuentas nacionales departamentales: PIB por departamento. Fuente: DANE, (2023a) 9.2.2. Comportamiento histórico de Antioquia En el departamento de Antioquia, la actividad económica más representativa es la de comercio al por mayor y al por menor, transporte y almacenamiento, alojamiento y servicios de comida (CXMM), aunque no siempre ha sido así, ya que de 2005 a 2015, la más relevante para este departamento era industrias manufactureras (IM), como se observa en la figura 6. La actividad de comercio al por mayor y al por menor, transporte y almacenamiento, alojamiento y servicios de comida (CXMM) tuvo un crecimiento del 8,7% en 2019 y del 27,8% en 2021, alcanzando un valor de 30.493 miles de millones de pesos y convirtiéndose en la actividad económica más importante en el departamento de Antioquia. 36 Por otro lado, industrias manufactureras (IM), presentó un crecimiento constante desde el 2005 a 2016, año en el cual presenta un pequeño decrecimiento de -3,05%, sin embargo, en 2017 retoma una tendencia creciente, aunque no con la misma proporción. En el 2020, año en el que se genera la pandemia decrece un -6,96% y se recupera en 2021 con un 26,67% de crecimiento, aunque para este año CXMM ya se había convertido en la actividad económica más importante para este departamento. Dentro de esta actividad económica (IM), se encuentran las fábricas de partes, insumos o herramientas de todo tipo, así como las industrias de alimentos, bebidas, tabaco y de calzado y textiles, que se han visto afectadas por los altos costos de transporte, calidad de los productos, y las importaciones de productos asiáticos más económicos que los producidos a nivel nacional. Figura 6 Actividades Económicas de Antioquia del 2005 al 2021(miles de millones) Nota. Adaptado de Cuentas nacionales departamentales: PIB por departamento. Fuente: DANE, (2023a) 37 9.2.3. Comportamiento histórico de Valle del Cauca En el departamento del Valle del Cauca, las actividades económicas más importantes entre 2005 y 2021 fueron las industrias manufactureras (IM), el comercio al por mayor y al por menor, transporte y almacenamiento, alojamiento y servicios de comida (CXMM) y la actividad de administración pública y defensa, planes de seguridad social, educación, salud y servicios sociales (APYD). Para 2005 la actividad económica más representativa era IM, sin embargo, para el 2016 esta fue reemplazada por CXMM, convirtiéndose en la actividad económica más importante para el departamento, tal como se observa en la figura 7. Esto debido a que a partir del 2013 CXMM aumenta su tendencia de crecimiento siendo esta del 8,35%, mientras que en el año inmediatamente anterior (2012) fue del 4,19%. En el caso de APYD, tiene un crecimiento constante desde el 2005 hasta el 2019, y a diferencia de las actividades económicas IM y CXMM que tuvieron un decrecimiento importante para el 2020 (año en que se presentó la pandemia), esta actividad económica presento un pequeño crecimiento del 1,34%. 38 Figura 7 Actividades Económicas de Valle del Cauca del 2005 al 2021(miles de millones) Nota. Adaptado de Cuentas nacionales departamentales: PIB por departamento. Fuente: DANE, (2023a) 9.2.4. Análisis de actividades económicas en el año 2021 Por otro lado, la evolución de las actividades económicas en el país ha tenido un impacto positivo y constante en la producción nacional. En la Figura 8, muestra que en 2021 la actividad que más ha contribuido al PIB ha sido la de comercio al por mayor y al por menor, transporte y almacenamiento, alojamiento y servicios de comida (CXMM), con un aporte de 209.098 miles de millones con una participación del 17,76%. En segundo lugar, se encuentra la actividad de administración pública y defensa, planes de seguridad social, educación, salud y servicios sociales (APYD), con un aporte de 177.694 miles de millones con una participación del 15,09%. Finalmente, la actividad de industrias manufactureras (IM) ha contribuido con 135.560 miles de millones con una participación del 11,77%. 39 Figura 8 Contribución de las actividades económicas año 2021(miles de millones) Nota. Adaptado de Cuentas nacionales departamentales: PIB por departamento. Fuente: DANE, (2023a) 9.3. Modelo de segmentación K-means Después de identificar las actividades económicas para el año 2021, utilizamos el modelo de segmentación K-means de aprendizaje automático no supervisado para realizar la agrupación de los departamentos en clusters que facilita el análisis comparativo y la identificación de tendencias regionales en términos de actividades económicas dominantes. Para llevar a cabo el análisis descrito anteriormente, se utilizó la base de datos del DANE, teniendo en cuenta la participación porcentual de cada actividad económica respecto al PIB de cada departamento del año 2021. Para realizar el análisis, se empleó Google Colab, donde se ejecutó un código abierto de Python con la librería PyCaret de aprendizaje automático para agrupar los departamentos por actividades económicas para identificar patrones y similitudes entre ellos. Tras llevar a cabo el proceso, el modelo determinó que la cantidad óptima de clusters para este análisis en particular era de 4. 40 Figura 9 Codo de puntuación de distorsión K-means Nota. Elaborado a partir de los datos de cuentas nacionales departamentales: PIB por departamento del DANE. Fuente: Elaboración propia. En la figura 9, se observa el gráfico resultante del método del codo que permite determinar el número óptimo de clusters. En este caso, no muestra un cambio de pendiente bien definido. Sin embargo, el modelo consideró que esa configuración con 4 clusters era la más apropiada para los datos. Figura 10 Gráfico de cluster (PCA) Nota. Elaborado a partir de los datos de cuentas nacionales departamentales: PIB por departamento del DANE. Fuente: Elaboración propia. 41 Figura 11 Gráfico de barras de clusters Nota. Elaborado a partir de los datos de cuentas nacionales departamentales: PIB por departamento del DANE. Fuente: Elaboración propia. De acuerdo con la segmentación del modelo k-means se agrupan los departamentos de acuerdo con su aporte a las diferentes actividades en 4 clusters. En la figura 10, los cluster 0 y 1 agrupan departamentos con perfiles económicos diversificados enfocados especialmente en las actividades económicas de administración pública y defensa, seguridad social, educación, salud y servicios sociales (APYD), y comercio de bienes y servicios (CXMM). El cluster 0 contiene los departamentos de Antioquia, Atlántico, Bolívar, Boyacá, Caldas, Caquetá, Cauca, Córdoba, Cundinamarca, Huila, Norte de Santander, Quindío, Risaralda, Santander,Sucre, Tolima y Valle del Cauca. Por otro lado, el cluster 1 contiene los departamentos de Amazonas, Chocó, Guainía, Guaviare, Magdalena, Nariño, Putumayo, San Andrés y Providencia, Vaupés y Vichada. Sin embargo, la diferencia en la segmentación se genera porque los departamentos del cluster 0 tienen mayor contribución a las actividades económicas de industria manufacturera (IM) y actividades profesionales, científicas y técnicas, servicios administrativos y de apoyo (APCT). 42 El cluster 2 se centra principalmente en la actividad económica de explotación de minas y canteras (EMC) y agrupa los departamentos de Arauca, Casanare, Cesar, La Guajira y Meta. El cluster 3 es Bogotá dado que es la ciudad que más aporta a la economía nacional por las diferentes actividades económicas que se desarrollan enfocándose principalmente en el comercio al por mayor y al por menor; reparación de vehículos automotores y motocicletas; transporte y almacenamiento; alojamiento y servicios de comida (CXMM), sin embargo, la diferencia para que sea tomado como una única ciudad dentro del cluster 2 es el mayor aporte que realiza en las actividades inmobiliarias (AI), actividades financieras y de seguros (AFYS), actividades profesionales, científicas y técnicas; actividades de servicios administrativos y de apoyo (APCT) e información y comunicaciones (IC) representando una mayor participación sobre los demás departamentos al PIB nacional en el 2021. Por último, en la figura 11 se ve la agrupación de los 32 departamentos y Bogotá en la gráfica de barras se ven 17 departamentos en el cluster 0, 10 departamentos en el cluster 1, 5 departamentos en el cluster 2 y 1 Bogotá en el cluster 3. 43 10. Análisis del perfil económico Para analizar la relación entre departamentos y actividades económicas se utiliza la técnica estadística de análisis de correspondencia simple (ACS) para identificar patrones y tendencias entre ambas variables en los periodos de 2005, 2011 y 2021. A continuación, se presenta el análisis de descomposición total de la inercia para comprender la relación entre las variables y determinar cuánta varianza explica cada una de ellas en el conjunto de datos. Asimismo, se dan a conocer los resultados de las coordenadas, cos2, contribución e inercia total, para identificar las variables más significativas en la estructura de los datos. Posteriormente, se presenta el CA factor map que permite analizar las relaciones de similitud o diferencia entre los departamentos y actividades económicas en un plano bidimensional. 10.1. Métricas análisis de correspondencia simple A continuación, se realizar el análisis de las métricas del análisis de correspondencia simple teniendo en cuenta la descomposición de la inercia, las coordenadas, el coseno cuadrado y la contribución. En la tabla 2, se presentan los resultados del análisis de descomposición total de la inercia para los años 2005, 2011 y 2021, considerando las dimensiones 1 y 2 que explican la mayor cantidad de variabilidad de los datos. Al comparar los resultados, se puede observar que en 2005 y 2011, la dimensión 1 explica una mayor proporción de la varianza en comparación con el año 2021, lo que indica que las variables en 2005 y 2011 presentan comportamientos similares. 44 Tabla 2 Descomposición total de la inercia CSA Dimensión Eigenvalue variance Cumulative variance 2005 dim 1 0.38 73.72% 73.72% dim 2 0.08 14.73% 88.45% 2011 dim 1 0.47 78.99% 78.99% dim 2 0.06 10.97% 89.96% 2021 dim 1 0.31 69.51% 69.51% dim 2 0.08 16.82% 86.33% Nota. Elaborada a partir de los datos de cuentas nacionales departamentales: PIB por departamento del DANE. Fuente: Elaboración propia. En 2005, la varianza acumulada de las dimensiones 1 y 2 representa el 88,45% de la variabilidad de los datos, en 2011 representa el 89,66% y en 2021 representa el 86,52%. Entonces, se observa que en 2005 y 2011, las dos primeras dimensiones explican un porcentaje alto de la varianza acumulada de los datos, mientras que en 2021 este porcentaje disminuye, lo que indica que en otras dimensiones o nuevas actividades económicas empezaron a generar mayor variabilidad y aporte al PIB en 2021 en comparación con los años anteriores. En cuanto a la inercia, mide la varianza de la contribución de cada actividad económica al PIB en cada año. Es importante tener en cuenta que un valor más alto de inercia indica diferencias en el perfil económico del país. Tabla 3 Inercia CSA Actividad económica CSA 2005 CSA 2011 CSA 2021 AAEYR 3.821 5.676 7.238 AFYS 12.884 16.966 16.479 AGSP 51.736 39.256 47.920 AI 24.102 22.136 14.232 45 Actividad económica CSA 2005 CSA 2011 CSA 2021 APCT 6.877 11.281 9.082 APYD 12.528 17.059 15.960 CONST 4.796 5.547 6.413 CXMM 6.422 10.618 5.616 EMC 345.53 400.954 280.332 IC 5.478 6.028 4.855 IM 28.199 33.305 25.822 SEGVA 6.689 8.435 7.947 IMP 12.344 14.825 10.286 Nota. Elaborada a partir de los datos de cuentas nacionales departamentales: PIB por departamento del DANE. Fuente: Elaboración propia. La actividad económica de explotación de minas y canteras (EMC) ha tenido la mayor inercia en todos los años, lo que sugiere que su distribucion en los departamentos es muy diferente a la distribucion del PIB general. Por otro lado, la actividad económica de agricultura, ganadería, silvicultura y pesca (AGSP) también ha tenido una alta inercia en los tres años, lo que indica que su distribucion al PIB del pais ha sido variable. Por otro lado, actividades económicas como actividades profesionales, científicas y técnicas (APCT), y actividades inmobiliarias (AI) presentaron una menor inercia, lo que sugiere que su distribucion en los departamentos es similar a la del PIB total. Adicionalmente, en la tabla 3 se presentan las coordenadas de las actividades económicas en las dimensiones 1 y 2 para cada análisis CSA para identificar los cambios de posición en el plano factorial. Tabla 4 Coordenadas CSA Actividad económica CSA 2005 CSA 2011 CSA 2021 Dim 1 Dim 2 Dim 1 Dim 2 Dim 1 Dim 2 AAEYR -0.23 0.20 0,34 0,26 -0.29 0.36 AFYS -0.30 0.47 0,38 0,5 -0.30 0.50 46 Actividad económica CSA 2005 CSA 2011 CSA 2021 Dim 1 Dim 2 Dim 1 Dim 2 Dim 1 Dim 2 AGSP 0.22 -0.78 -0,15 -0,75 0.30 -0.70 AI -0.29 0.36 0,36 0,32 -0.25 0.29 APCT -0.27 0.10 0,37 0,12 -0.26 0.16 APYD -0.07 -0.12 0,16 -0,1 -0.03 -0.05 CONST -0.13 0.12 0,07 -0,13 -0.01 -0.26 CXMM -0.11 0.00 0,21 0,05 -0.11 0.06 EMC 2.29 0.19 -1,87 0,11 2.29 0.26 IC -0.25 0.22 0,34 0,22 -0.26 0.28 IM -0.26 -0.08 0,35 -0,14 -0.23 -0.21 SEGVA -0.16 -0.18 0,25 -0,21 -0.11 -0.19 IMP -0.21 0.08 0,3 0,04 -0.21 0.04 Nota. Elaborada a partir de los datos de cuentas nacionales departamentales: PIB por departamento del DANE. Fuente: Elaboración propia. Las coordenadas permiten comparar las posiciones relativas de las actividades económicas en los años 2005, 2011 y 2021. Se puede observar que las actividades económicas artísticas, de entretenimiento y recreación (AAEYR) y la actividad financiera y de seguros (AFYS) tienen coordenadas similares en los tres años analizados, es decir, se distribuyen de manera similar en los departamentos. Asimismo, las actividades de agricultura, ganadería, silvicultura y pesca (AGSP) y actividades profesionales, científicas y técnicas (APCT) tienen coordenadas similares en los años 2005 y 2021, pero presentan un cambio en 2011, lo que indica una transformación temporal en la estructura de estas actividades económicas. Además, se puede observar un cambio significativo en las coordenadas de la actividad de explotación de minas y canteras (EMC) en la dimensión 1 en 2011, lo que sugiere un cambio importante en la estructura económica que puede estar asociado a nuevos actores queentraron a aportar o que salieron de esta actividad económica. Además, las coordenadas de 47 EMC son diferentes de las demás actividades económicas, lo que indica un comportamiento atípico en comparación con las otras actividades. Respecto al coseno cuadrado (Cos2) que mide la calidad de la representación de las variables en las dimensiones se tiene en cuenta que un valor más cercano a 1 indica que tiene mejor representación de la variable en la dimensión correspondiente. En la siguiente tabla se presentan los resultados obtenidos. Tabla 5 Cos2 CSA Actividad económica CSA 2005 CSA 2011 CSA 2021 Dim 1 Dim 2 Dim 1 Dim 2 Dim 1 Dim 2 AAEYR 0.34 0.25 0,49 0,29 0.33 0.52 AFYS 0.25 0.60 0,33 0,57 0.24 0.68 AGSP 0.07 0.88 0,04 0,88 0.14 0.75 AI 0.33 0.52 0,49 0,4 0.37 0.48 APCT 0.54 0.07 0,73 0,07 0.51 0.19 APYD 0.04 0.16 0,19 0,07 0.01 0.03 CONST 0.15 0.12 0,04 0,18 0.00 0.51 CXMM 0.33 0.00 0,62 0,03 0.38 0.10 EMC 0.99 0.01 1 0 0.98 0.01 IC 0.42 0.32 0,59 0,26 0.39 0.45 IM 0.40 0.04 0,47 0,08 0.24 0.19 SEGVA 0.14 0.16 0,22 0,16 0.05 0.16 IMP 0.33 0.05 0,54 0,01 0.42 0.02 Nota. Elaborada a partir de los datos de cuentas nacionales departamentales: PIB por departamento del DANE. Fuente: Elaboración propia. La tabla 4 del Cos2 muestra que las actividades económicas que tienen mayor representación en los tres años son explotación de minas y canteras (EMC) en la dimensión 1, y agricultura, ganadería, silvicultura y pesca (AGSP) en la dimensión 2. También se observa que algunas actividades económicas han experimentado cambios temporales en su estructura en relación con las dos primeras dimensiones, como es el caso 48 de agricultura, ganadería, caza, silvicultura y pesca (AGSP), cuyo valor de cos2 en la dimensión 1 disminuye de 2005 a 2011 y luego aumenta en 2021. Por otro lado, las actividades artísticas, de entretenimiento y recreación y otras actividades de servicios (AAEYR) y actividades financieras y de seguros (AFYS) en la dimensión 2 aumentaron de 2005 a 2011 y se mantuvieron estables en 2021, mientras que la actividad de administración pública y defensa, seguridad social, educación, salud y servicios sociales (APYD) disminuyó ligeramente en ambas dimensiones de 2005 a 2011 y se mantuvo muy baja en 2021. Por último, se presenta los resultados de contribución de las actividades económicas a las dimensiones 1 y 2 de cada análisis CSA. Tabla 6 Contribución CSA Actividad económica CSA 2005 CSA 2011 CSA 2021 Dim 1 Dim 2 Dim 1 Dim 2 Dim 1 Dim 2 AAEYR 0.34 1.25 0,59 2,5 0.75 4.96 AFYS 0.83 10.05 1,21 14,92 1.25 14.71 AGSP 0.94 59.38 0,3 52,92 2.18 47.49 AI 2.06 16.43 2,33 13,58 1.67 9.01 APCT 0.97 0.61 1,76 1,28 1.47 2.32 APYD 0.15 2.57 0,71 1,79 0.06 0.60 CONST 0.19 0.74 0,05 1,55 0.00 4.28 CXMM 0.55 0.00 1,42 0,5 0.68 0.73 EMC 89.18 3.19 85,38 2,08 87.84 4.71 IC 0.60 2.27 0,76 2,46 0.60 2.87 IM 2.91 1.33 3,37 4,13 2.00 6.41 SEGVA 0.24 1.43 0,4 2,06 0.13 1.70 IMP 1.05 0.75 1,72 0,22 1.36 0.21 Nota. Elaborada a partir de los datos de cuentas nacionales departamentales: PIB por departamento del DANE. Fuente: Elaboración propia. En la dimensión 1, es relevante destacar la significativa contribución que la actividad económica de explotación de minas y canteras (EMC) ha tenido en todos los años, lo que 49 sugiere una gran diferenciación de su distribución en los departamentos con respecto al PIB total. Por otro lado, se puede observar que la actividad económica de construcción (CONST) ha presentado una baja contribución en todos los años de la dimensión 1. En cuanto a la dimensión 2, es notable la alta contribución que la actividad económica de agricultura, ganadería, silvicultura y pesca (AGSP) ha tenido en todos los años. También se observa que las actividades de administración pública y defensa, seguridad social, educación, salud y servicios sociales (APYD) y suministro de electricidad, gas, agua, gestión de residuos y saneamiento ambiental (SEGVA) han tenido una baja contribución en ambas dimensiones en todos los años. 10.2. Mapa de factores CA El gráfio CA factor map permite visualizar en un espacio bidimensional la relación entre las actividades económicas y los departamentos teniendo en cuenta que entre más cercanas entre sí tienen una relación más estrecha, con el propóstio de identificar patrones y relaciones que permitan entender mejor la estructura productiva del país. Las figuras 12, 13 y 14 muestran los CA factor map generados para los años 2005, 2011 y 2021, respectivamente. A pesar de las variaciones en los valores numéricos de los ejes, no se observan cambios significativos en la distribución y relaciones entre departamentos y actividades económicas a simple vista. Esto indica que las variables mantienen una estructura general y patrones de asociación similares de los tres años. Sin embargo, para tener una comprensión más completa de las similitudes y diferencias entre los años, se realizará un análisis factorial múltiple más adelante, el cual permitirá explorar los cambios en las trayectorias de las variables en los tres periodos objeto de análisis. 50 En concordancia con lo expuesto anteriormente, se llevó a cabo el análisis de ACS considerando las relaciones entre departamentos y actividades económicas de forma visual, lo cual sugiere que las tres figuras presentan un comportamiento similar. Figura 12 CA factor map 2005 Nota. Elaborado a partir de los datos de cuentas nacionales departamentales: PIB por departamento del DANE. Fuente: Elaboración propia. 51 Figura 13 CA factor map 2011 Nota. Elaborado a partir de los datos de cuentas nacionales departamentales: PIB por departamento del DANE. Fuente: Elaboración propia. 52 Figura 14 CA factor map 2021 Nota. Elaborado a partir de los datos de cuentas nacionales departamentales: PIB por departamento del DANE. Fuente: Elaboración propia. En el análisis se observan agrupaciones de departamentos con las diferentes actividades económicas que permiten identificar grupos de departamentos que comparten características similares en términos de su estructura económica. En la parte inferior de los gráficos, se evidencia una fuerte relación de los departamentos de Guaviare, Chocó y Vichada con la actividad económica de agricultura, ganadería, caza, silvicultura y pesca (AGSP). Asimismo, los departamentos de Magdalena, Amazonas y Caquetá también muestran una relación con esta actividad, aunque con menor intensidad. Esta situación se explica por diversos factores, como la abundancia de recursos naturales, características geográficas favorables, conocimientos ancestrales arraigados y la demanda interna de productos agropecuarios y pesqueros en la región. 53 Los departamentos de Tolima, Guainía y Huila presentan particularidades económicas distintivas al no contar con una actividad económica predominante. Sin embargo, en las zonas cercanas se encuentran actividades como administración pública y defensa, seguridad social, educación, salud y servicios sociales (APYD), suministro de electricidad, gas, agua, gestión de residuos y saneamiento ambiental (SEGVA) y agricultura, ganadería, caza, silvicultura y pesca (AGSP), aunque esta última se encuentra un poco más distante. Los departamentos de Antioquia, Santander, Bolívar, Risaralda y Vaupés se encuentran estrechamente relacionados con las actividades de administración pública y defensa, seguridad social, educación, salud y servicios sociales (APYD), suministro de electricidad, gas, agua, gestión de residuos y saneamiento ambiental (SEGVA) e industrias manufactureras (IM). Esto se debe a la infraestructura desarrollada, ubicación estratégica y políticas de desarrollo regionalenfocadas potenciar el crecimiento económico y la atracción de inversiones en estos sectores. Aunque Vaupés es más pequeño en tamaño y población, su condición de región fronteriza cuenta con la presencia de entidades gubernamentales para garantizar la protección y el bienestar de la población. Los departamentos de Caldas, Quindío, Boyacá, Córdoba, Norte de Santander, Cauca, Sucre, Cundinamarca, Nariño están más relacionados con la actividad de suministro de electricidad, gas, agua, gestión de residuos y saneamiento ambiental (SEGVA), debido a la presencia de infraestructuras y servicios básicos y la gestión ambiental. También se encuentran cercanos a la actividad de agricultura, ganadería, caza, silvicultura y pesca (AGSP), debido a la disponibilidad de recursos naturales y condiciones favorables para el desarrollo de actividades agropecuarias y pesqueras. 54 Los departamentos de Casanare, Arauca y La Guajira tienen una estrecha relación con la actividad económica de explotación de minas y canteras (EMC) debido a la implementación de políticas públicas y a la presencia de valiosos yacimientos minerales en sus territorios. Por otro lado, los departamentos de Putumayo, Cesar y Meta también están relacionados con la actividad minera, aunque en menor medida. Bogotá D.C. está relacionado con actividades financieras y de seguros (AFYS), actividades inmobiliarias (AI) e información y comunicaciones (IC), dado que es el centro financiero y económico de Colombia, cuenta con infraestructura tecnológica avanzada y centros de innovación tecnológica. En contraste las actividades de explotación minas y canteras (EMC) y agricultura, ganadería, caza, silvicultura y pesca (AGSP) se encuentran en la posición opuesta dado que la ciudad no cuenta con una abundancia de recursos minerales y su territorio está mayormente urbanizado. Los departamentos Atlántico y Valle del Cauca se destacan en actividades económicas como las actividades profesionales, científicas y técnicas, los servicios administrativos y de apoyo (APCT), las actividades artísticas, de entretenimiento y recreación (AAEYR), así como el comercio, transporte, almacenamiento, servicios de alojamiento y comida (CXMM). Estas actividades están impulsadas por infraestructura desarrollada, presencia de zonas industriales, parques tecnológicos y centros de investigación, centros culturales, espacios para eventos y turismo, además de la presencia de puertos y vías de comunicación. Asimismo, en los gráficos, se observa que el departamento de San Andrés está cercano, pero se encuentra más relacionado con la actividad de construcción (CONST), debido a la necesidad constante de proyectos de infraestructura y desarrollo urbano para atender a la población local y al creciente turismo. 55 11. Análisis de trayectoria El análisis de trayectoria se realizará a través del análisis factorial múltiple (AFM), que es una extensión del análisis de componentes principales. En el contexto del análisis del PIB por departamento y actividad económica, el análisis de trayectoria proporciona información sobre la dirección y magnitud de los cambios en la estructura económica en los años 2005, 2011 y 2021. Este análisis permite identificar qué actividades económicas han experimentado un crecimiento o declive significativo en cada departamento, así como determinar las relaciones entre los departamentos en términos de su estructura económica y trayectorias similares. A continuación, se presenta el análisis complementario al análisis de trayectoria para obtener una visión completa de los datos. Esto incluye la identificación y visualización de las dimensiones relevantes mediante el gráfico de dimensiones respecto a la varianza, así como el análisis de la contribución de los individuos y las variables cuantitativas a estas dimensiones, para identificar las variables con mayor impacto en la estructura económica. Además, se analiza el coseno cuadrado por individuos para comprender la relación entre los individuos y las dimensiones analizadas. Posteriormente, se presenta el gráfico de variables cuantitativas MFA, que muestra la agrupación y distribución de las variables en relación con las dimensiones del análisis. Este gráfico debe interpretarse en conjunto con el gráfico de trayectoria, el cual visualiza la evolución de los departamentos y las actividades económicas a lo largo de los años 2005, 2011 y 2021, dado que, al analizar ambos gráficos de manera conjunta, se podrán identificar 56 las trayectorias económicas de cada departamento y las tendencias de crecimiento o declive en las diferentes actividades económicas. 11.1. Métricas análisis factorial múltiple A continuación, se analizan las métricas de la técnica estadística de análisis factorial múltiple teniendo en cuenta las dimensiones, contribución y coseno cuadrado para evaluar y comprender la estructura de los datos. En cuanto al gráfico de dimensiones respecto a la varianza y la tabla de dimensiones, permite identificar las dimensiones más relevantes en el conjunto de datos, aunque es importante tener en cuenta que el análisis de trayectoria se basa en las dos primeras dimensiones ya que son las que capturan la mayor cantidad de varianza en los datos y, por lo tanto, son las más relevantes para comprender la estructura económica. Figura 15 Gráfico de dimensiones vs. varianza Nota. Elaborado a partir de los datos de cuentas nacionales departamentales: PIB por departamento del DANE. Fuente: Elaboración propia. 57 Tabla 7 Dimensiones Dimensiones eigen value variance cumulative variance Dim. 1 2.9421111 42.96 % 42.96 % Dim. 2 1.1801713 17.23 % 60.19 % Dim. 3 0.7295987 10.65 % 70.84 % Dim. 4 0.6120416 8.94 % 79.78 % Dim. 5 0.3670996 5.36 % 85.14 % Dim. 6 0.2181601 3.18 % 88.33 % Nota. Elaborada a partir de los datos de cuentas nacionales departamentales: PIB por departamento del DANE. Fuente: Elaboración propia. En la Figura 15 y Tabla 7, la dimensión 1 se observa como la más relevante, ya que representa el 42.96% de la varianza total, lo cual indica que esta dimensión explica gran parte de la variabilidad presente en los datos. Por otra parte, la dimensión 2 representa el 17.23% de la varianza total, entonces en conjunto explican el 60,19% de la varianza acumulada, lo que indica que capturan una parte significativa de la estructura económica analizada. Respecto a las contribuciones se analiza en la figura 16 las actividades económicas que representan una alta contribución en la dimensión 1. 58 Figura 16 Contribución de las variables cuantitativas. Dimensión 1 Nota. Elaborado a partir de los datos de cuentas nacionales departamentales: PIB por departamento del DANE. Fuente: Elaboración propia. ▪ Las actividades económicas de actividades profesionales, científicas y técnicas (APCT), información y comunicaciones (IC), actividades artísticas, de entretenimiento y recreación y otras actividades de servicios (AAEYR) y actividades financieras y de seguros (AFYS) han aumentado su contribución a lo largo de los años analizados, siendo el año 2021 el más representativo en términos de variabilidad de los datos. ▪ La actividad económica de información y comunicaciones (IC) experimento un aumento en su contribución de 2005 a 2011, pero disminuyo en el 2021. ▪ La actividad económica de actividades inmobiliarias (AI) aumentó su contribución en 2011 y 2021, pero el año 2011 es el más representativo en la variabilidad de los datos. ▪ La actividad económica de industrias manufactureras (IM) disminuyo su contribución en 2011 y 2021, siendo el año 2005 el más representativo en términos de variabilidad. 59 En la figura 17, se observan las actividades económicas que representan una alta contribución en la dimensión
Compartir