Diseño y aplicación de una metodología de análisis de las decisiones para caracterizar los factores de supervivencia empresarial en pequeñas empresas del sector manufactura de la ciudad de Bogotá D.C.
La investigación acerca del problema de clasificación de fracaso empresarial inició en los años 1960's con el esquema Z-Score de Altman, y desde entonces se han desarrollado modelos estadísticos cada vez más complejos con el propósito de realizar predicciones cada vez más precisas acerca de la...
- Autores:
-
Romero Acosta, David Alfredo
- Tipo de recurso:
- Fecha de publicación:
- 2019
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/43923
- Acceso en línea:
- http://hdl.handle.net/1992/43923
- Palabra clave:
- Pequeña y mediana empresa - Investigaciones - Bogotá (Colombia)
Industria manufacturera - Investigaciones - Bogotá (Colombia)
Toma de decisiones - Metodología - Investigaciones
Quiebra - Predicción - Investigaciones
Ingeniería
- Rights
- openAccess
- License
- https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
Summary: | La investigación acerca del problema de clasificación de fracaso empresarial inició en los años 1960's con el esquema Z-Score de Altman, y desde entonces se han desarrollado modelos estadísticos cada vez más complejos con el propósito de realizar predicciones cada vez más precisas acerca de la supervivencia de una organización. Sin embargo, estos modelos con frecuencia no son fácilmente interpretables y no permiten conocer cuál es la importancia de las variables explicativas sobre la quiebra. En este trabajo se diseñó y aplicó una metodología específica que emplea modelos estadísticos y herramientas de ingeniería industrial para realizar la clasificación de una forma interpretable y con un alto poder predictivo, para empresas PYME del sector manufactura de Bogotá. De los ocho modelos estadísticos construidos, se encontró que el modelo de regresión logística con penalización LASSO es clasificador más apropiado con un AUC de 0.885, que es un 6.5% superior comparativamente con el mejor modelo encontrado en la literatura... |
---|