Análisis del desempleo en Ecuador con modelos econométricos clásicos y propuesta usando Machine Learning

Resumen

Este estudio se centra en modelar y predecir el desempleo en Ecuador mediante redes neuronales, contrastando su eficacia frente a métodos econométricos tradicionales. La variable dependiente, desempleo (), definida como el porcentaje de la población activa sin empleo, se analiza en función de siete predictores macroeconómicos: Producto Interno Bruto real (PIB, x₁), inflación (x₂, variación porcentual del índice de precios al consumidor), exportaciones (x₃) e importaciones (x₄, valoradas en millones de USD), salario mínimo real (x₅), gasto público (x₆, porcentaje del PIB) y tasa de interés (x₇). Investigaciones previas, basadas en la Ley de Okun, identificaron correlaciones lineales entre crecimiento del PIB y reducción del desempleo mediante Mínimos Cuadrados Ordinarios (MCO) y modelos de cointegración. Sin embargo, estas técnicas convencionales, incluyendo regresiones múltiples, mostraron limitaciones para capturar dinámicas no lineales inherentes al desempleo. En contraste, las redes neuronales (Neural Network (NN)) especialmente las arquitecturas secuenciales demostraron superioridad al modelar interacciones complejas entre variables. El estudio evalúa modelos de deep learning con una y dos capas ocultas, identificando una configuración óptima de una capa oculta (16 neuronas), alcanzando un loss de 0.2846, precisión del 75% y Error Cuadrático Medio (MSE) de 0.2064 en datos de prueba no vistos. Los resultados destacan la capacidad de las redes neuronales para modelar el desempleo con mayor precisión que métodos lineales, atribuyendo esto a su adaptabilidad para aprender patrones no lineales en datos multivariados. Este estudio demuestra que variables como el PIB, la inflación, el gasto público y la tasa de interés influyen significativamente en el desempleo. Las redes neuronales (NN) captan eficazmente estas relaciones complejas. Se resalta su utilidad para predecir fenómenos socioeconómicos en países en desarrollo como Ecuador, superando las limitaciones de modelos tradicionales.