Clustering, mediterraneidad y comercio internacional: aplicación empírica de los algoritmos Partitioning Around Medoids y K-means

  • Heynz Roberth Gonzáles Argote Universidad Católica Boliviana “San Pablo”
  • Ulises Amaru Ticona Gonzáles Universidad Católica Boliviana “San Pablo”
Palabras clave: Cluster, mediterraneidad, litoral, comercio internacional, mineria de datos

Resumen

El tema de la mediterraneidad ha generado bastante interes en el debate geopolitico, siendo Bolivia uno de los actores principales. Este hecho, junto con las nuevas herramientas de analisis de datos, como la inteligencia artificial y la mineria de datos, motivan el presente este estudio, el cual es pionero dentro de la literatura en el marco del analisis de paises sin salida maritima mediante algoritmos no supervisados de mineria de datos.

En este sentido, se estudia y aplica la teoria de formacion de clusters a traves de los algoritmos K-means y PAM (Partitioning Around Medoids) con informacion de indicadores de comercio internacional de 188 paises de un periodo de diez anos, con el proposito de detectar si la condicion de mediterraneidad es un factor limitante en la dinamica comercial de los paises.

 Los resultados muestran que un subconjunto reducido de los paises mediterraneos, entre ellos Bolivia, habrian aliviado, durante la ultima decada, las restricciones que la mediterraneidad implica en los costos y tiempos de exportacion e importacion.

Descargas

La descarga de datos todavía no está disponible.

Citas

Arvis, J. F., Marteau, J. F. y Raballand, G. (2010). “The cost of being landlocked: logistics costs and supply chain reliability”. The World Bank.

De, Prabir. (2006). “Trade, infrastructure and transaction costs: the imperatives for Asian economic cooperation”. Journal of Economic Integration, 21(4), 708-735.

Driffield, N. y Jones, C. (2013). “Impact of FDI, ODA and migrant remittances on economic growth in developing countries: A systems approach”. The European Journal of

Development Research, 25(2), 173-196.

Faster, D. S. (2014). Pentaho Data Integration.

Faye, M. L., McArthur, J. W., Sachs, J. D. y Snow, T. (2004). “The challenges facing landlocked developing countries”. Journal of Human Development, 5(1), 31-68.

Fayyad, U., Piatetsky-Shapiro, G. y Smyth, P. (1996). “The KDD process for extracting useful knowledge from volumes of data”. Communications of the ACM, 39(11), 27-34.

Grigoriou, C. (2007). “Landlockedness, infrastructure and trade: new estimates for central Asian countries”. The World Bank, Development, Research Group.

Kaufman, L. y Rousseeuw, P. J. (2009). Finding groups in data: an introduction to cluster analysis (Vol. 344). Nueva York: John Wiley & Sons.

Lahiri, B. y Masjidi, F. K. (2012). “Landlocked countries: A way to integrate with coastal economies”. Journal of Economic Integration, 27(4), 505-519.

Leiva-Valdebenito, S. A. y Torres-Avilés, F. J. (2010). “Una revisión de los algoritmos de partición más comunes en el análisis de conglomerados: un estudio comparativo”. Revista

Colombiana de Estadística, 33(2), 321-339.

MacKellar, L., Wörgötter, A. y Wörz, J. (2000). “Economic development problems of landlocked countries”. Transition Economic Series, Nº 14.

MacQueen, J. (1967). “Some methods for classification and analysis of multivariate observations”. Proceedings of the fifth Berkeley symposium on mathematical statistics and

probability 1(14), 281-297.

Mendoza, R., Céspedes, A., Ticona, U. et al. (2018). “Restricciones al comercio y al desarrollo económico en países mediterráneos: Impacto en el crecimiento, la pobreza y

el comercio, el caso de Bolivia”. Revista de Análisis del BCB, 28(1), 231-301.

Paudel, R. C. (2014). “Economic Growth in Developing Countries: Is Landlockedness Destiny?” Economic Papers: A journal of applied economics and policy, 33(4), 339-361.

Pérez-López, C. (2008). Minería de datos: técnicas y herramientas. Madrid, España: Thomson Ediciones.

Radelet, S. y Sachs, J. D. (1998). “Shipping costs, manufactured exports, and economic growth”. Annual Meeting of the American Economics Association, Chicago.

Raballand, G. (2003). “Determinants of the negative impact of being landlocked on trade: an empirical investigation through the Central Asian case”. Comparative Economic

Studies, 45(4), 520-536.

Shrestha, H. y Heffley, D. (2003). “Regional Integration and Industrial Location in a Landlocked Spatial Economy”. Economics Working Papers, University of Connecticut.

Smith, A. (1796) An Inquiry into the Nature and Causes of the Wealth of Nations, 2 vols. Editado por Edwin Caanan. University of Chicago, Chicago, IL.

UN-OHRLLS. (2013). The development economics of landlockedness: understanding the development costs of being landlocked. Nueva York: United Nations.

Wagstaff, K., Cardie, C., Rogers, S. y Schrödl, S. (2001, June). “Constrained k-means clustering with background knowledge”. ICML, (1), 577-584.

Wamboye, E. (2012). External debt, trade and FDI on economic growth of least developed countries. Pennsylvania State University.

Publicado
2019-11-30
Cómo citar
Gonzáles ArgoteH. R., & Ticona GonzálesU. A. (2019). Clustering, mediterraneidad y comercio internacional: aplicación empírica de los algoritmos Partitioning Around Medoids y K-means. Revista Latinoamericana De Desarrollo Económico, (32), 96-130. https://doi.org/10.35319/lajed.201932400