Identificación de Clusters Espaciales de Empresas y la Influencia de Factores Externos en su Constitución

• Autores: Jorge Luis Jácome Corrales, Miguel Alfonso Flores Sánchez
• Localización: Revista Politécnica, ISSN-e 2477-8990, Vol. 50, Nº. 3, 2022 (Ejemplar dedicado a: Revista Politécnica), págs. 53-66
• Idioma: español
• DOI: 10.33333.rp.vol50n3.05
• Títulos paralelos:
  • Identification of Spatial Clusters of Companies and the Influence of External Factors in their Constitution
• Enlaces
  • Texto completo
• Resumen
  • español

    El presente trabajo se centra en el uso de distintas técnicas de minería de datos, basadas en métodos estadísticos geoespaciales para la identificación de patrones con respecto a las actividades económicas de las empresas, registradas en la Superintendencia de Compañías en el Distrito Metropolitano de Quito, al igual que definir factores externos que influyen en la constitución de estas. Primero, para la creación de los clusters, se utilizan los indicadores locales de asociación espacial (LISA, Local Indicators of Spatial Association), los cuales definirán los barrios que posean alta densidad y se caracteriza a estos con variables auxiliares que describen la locación. Esto también ayuda a identificar potenciales barrios con similares características, pero sin una alta densidad de empresas. Después, se utilizan modelos de regresión espacial, para identificar la relación que existe entre el número de empresas y las variables auxiliares determinadas, analizando el coeficiente asociado a cada una. Finalmente al complementar ambos resultados, se obtiene el listado de los barrios con alta densidad en los cuales se debería trabajar con el factor de crecimiento o disminución de empresas de cada una de las variables auxiliares identificadas.

  • English

    This work focuses on the use of different data mining techniques, based on geospatial statistical methods for the identification of patterns with respect to the economic activities of companies, registered in the Superintendencia de Compañías in the Metropolitan District of Quito, as well as defining external factors that influence the constitution of these. First, to create the clusters, the Local Indicators of Spatial Association (LISA) are used, which will define the neighborhoods that have high density and are characterized with auxiliary variables that describe the location. This also helps to identify potential neighborhoods with similar characteristics, but without a high density of businesses. Then, spatial regression models are used to identify the relationship that exists between the companies and the auxiliary variables found, analyzing the coefficient associated with each one. Finally by complementing both results, the list of high-density neighborhoods in which work should be done is obtained with the factor of growth or decrease of companies for each of the auxiliary variables identified.

• Referencias bibliográficas
  • Asamblea Nacional del Ecuador. (2016, Julio 5). Ley Orgánica de Ordenamiento Territorial, Uso y Gestión del Suelo. https://www.sot.gob.ec/sotadmin2/_lib/file/doc/Ley%...
  • Alcaldia Metropolitana de Quito. (2015, Febrero 22). Plan Metropolitano de Desarrollo y Ordenamiento Territorial. https://gobiernoabierto.quito.gob.ec/Archivos/pmdot/P...
  • Anselin, L.(2019). The Moran Scatterplot as an ESDA tool to asses instability in local association. Spatial Analytical Perspectives on GIS....
  • Anselin, L.(1995). Local Indicators of Spatial Association - LISA. Geographical Analysis, (27), 93-115. https://doi.org/10.1111/j.1538-4632.1995.tb00338.x
  • Anselin, L. (2003). Chapter Fourteen Spatial Econometrics. In John Wiley & Sons (Ltd.), A Companion to Theoretical Econometrics (pp. 310-330)....
  • Anselin, L. (2003, Junio 15). Documentación GeoDa. https://geodacenter.github.io/documentation.html.
  • Buzai, G.(2005, Septiembre 9). Los Sistemas de Información Geográfica y sus métodos de análisis en el continuo resolución-integración. https://www.researchgate.net/publication/299285917_L...
  • Celemín, J. P. (2011). Autocorrelación Espacial e Indicadores Locales de Asociación Espacial. Importancia, Estructura y Aplicación, (18),...
  • Cid, J. C. (2011, Mayo 31). Aplicación de un modelo de econometría espacial a datos agregados de asistencia escolar en la Argentina. http://estadisticas.salta.gov.ar/web/archivos/documento...
  • Geary, R.C. (1954). The Contiguity Ratio and Statistical Mapping. The Incorporated Statistician, 5(3), 115- 127+129-146. https://doi.org/10.2307/2986645.
  • Gobierno Abierto de Quito. (n.d.). Portal Gobierno Abierto de Quito. Recuperado Marzo 10, 2021. http://gobiernoabierto.quito.gob.ec/. Goodchild,...
  • Instituto Nacional de Estadísticas y Censos (n.d.). Portal INEC. Recuperado Marzo 10, 2021. https://www.ecuadorencifras.gob.ec/estadisticas/.
  • Kelejian, H. H. y Prucha, I. R. (1997). A Generalized Spatial Two Stage Least Squares Procedure for Estimating a Spatial Autoregressive Model...
  • Martori, J. C. y Hoberg, K. (2008). Nuevas Técnicas de Estadística Espacial para la detección de Clusters Residenciales de Población Inmigrante....
  • Moran, P.A.P. (1948). The Interpretation of Statistical Maps. Journal of the Royal Statistical Society B (Methodological), (10), 243-251....
  • Rojas, D. (2015). Localización de centros de empleo y su influencia sobre la distribución de la población en el Distrito Metropolitano de...
  • Superintendencia de Compañias, Valores y Seguros. (n.d.). Portal de Información. Recuperado Marzo 10, 2021. https://www.supercias.gob.ec/portalscvs/.
  • Sistema Nacional de Información. (2020). Portal Sistema Nacional de Información. Recuperado Marzo 10, 2021. https://sni.gob.ec/inicio.