Evaluación de modelos de aprendizaje automático para la estimación del valor agregado en el sector manufacturero colombiano a partir de la EAM

Abstract

El sector manufacturero es fundamental para la economía colombiana, por lo que comprender las dinámicas que impulsan su productividad es muy importante. Este proyecto aplicado implementa modelos de aprendizaje automático sobre los datos de la Encuesta Anual Manufacturera (EAM) del DANE, con el objetivo de desarrollar un modelo con alta capacidad de generalización para la estimación del valor agregado. El procesamiento de los datos abarcó un tratamiento de heterogeneidad mediante la eliminación de valores atípicos y el escalamiento de algunas variables, consolidando un conjunto de datos final con una división balanceada para ejecutar el entrenamiento y prueba. Se entrenaron y contrastaron modelos que fueron evaluados mediante métricas de desempeño. El algoritmo Random Forest fue seleccionado como el modelo ganador al alcanzar un resultado superior demostrando una alta robustez frente a la dispersión estructural de los datos. A través del análisis de importancia de características se determinó que la producción bruta y el consumo intermedio constituyen los predictores críticos de la variable objetivo. En conclusión, el modelo desarrollado provee una herramienta analítica con aplicación práctica para el análisis de consistencia de datos y el diseño de políticas orientadas a la optimización sectorial.