Resumen de Composite indicator as a distance
Eduardo Jimenez Fernandez
Cada vez hay más interés en la construcción de indicadores compuestos para evaluar conceptos socio-económicos. En general, los enfoques matemáticos en los que se basan las técnicas más utilizadas no permiten realizar una evaluación comparativa de forma fiable entre las observaciones analizadas. Además, la determinación del esquema de ponderación en los indicadores compuestos sigue siendo una de las cuestiones más problemáticas. En esta tesis se analizan diferentes metodologías para extraer sus fortalezas y debilidades. De este análisis se desprende que pocas de estas herramientas permiten la comparación entre observaciones. Utilizando el espacio vectorial formado por todas las observaciones, se propone un nuevo método para construir indicadores compuestos: una distancia o métrica que considera el concepto de proximidad entre unidades. Para ello, se toma como punto de partida el método de la Distancia P2 de Pena Trapero.
La metodología propuesta elimina la dependencia lineal del anterior modelo y busca relaciones funcionales que permitan construir un modelo más eficiente. Este enfoque reduce la subjetividad del investigador al asignar el esquema de ponderación con técnicas de aprendizaje automático no supervisado. Las simulaciones de Monte Carlo confirman que la metodología propuesta es robusta. Finalmente, como aplicación a este nuevo enfoque se construye un indice de vulnerabilidad en las regiones de Unión Europea (UE). Las políticas de cohesión para el periodo 2021- 2027 se centran en cinco objetivos para hacer que la UE sea más inteligente, más ecológica, más conectada, más social y más cercana a los ciudadanos. Partiendo de la hipótesis de que es posible tener en cuenta nuevos criterios complementarios que reflejen mejor la calidad de vida de los ciudadanos, se construye un índice compuesto de vulnerabilidad socio-económica para las 233 regiones estudiadas como criterio predominante para asignar los Fondos Estructurales. Los resultados muestran que, siguiendo nuestro enfoque multidimensional existen notables diferencias en los mapas de regiones prioritarias. Adicionalmente, la pandemia de COVID-19 ha representado una amenaza para el bienestar. Se estiman modelos multinivel de los cuales se desprenden que las características de los países interactúan con las de las regiones para alterar los patrones de vulnerabilidad. Más concretamente, el aumento del gasto público en educación y la mejora de la estabilidad política en el nivel país reducirían la vulnerabilidad regional o fomentarían la capacidad de resiliencia,mientras que el aumento de la pobreza se asociaría a una mayor vulnerabilidad.
Asimismo, las regiones más vulnerables serían las más expuestas a los efectos socio-económicos negativos del COVID-19.
