Globalización y desigualdad: un enfoque multidimensional a través de redes neuronales artificiales (Globalization and inequality: A mltidimensional approach through artificial naural networks)

Ana Cecilia Parada Rojas, Humberto Ríos Bolívar

Resumen


La globalización es un fenómeno multidimensional que incluye factores comerciales, financieros, tecnológicos y macroeconómicos, los cuales tienen distintos efectos sobre la desigualdad en el ingreso entre los hogares dentro un país. En este trabajo se aborda la interacción entre dichas variables para identificar los principales factores de cada dimensión
y la dirección de su efecto a través del Análisis de Sensibilidad de Redes Neuronales Artificiales (RNA). Esta herramienta de minería de datos permite captar relaciones no lineales desde un enfoque no paramétrico. Entre los factores que destacan en la reducción de la desigualdad están el crédito y gasto en investigación y desarrollo, el control de la corrupción y el crecimiento demográfico, una posición acreedora en la cuenta financiera y la globalización comercial.

Clasificación JEL: C45, D33, F01.

 

Abstract


Globalization is a multidimensional phenomenon that includes the commercial, financial, technological and macroeconomic factors, which have different effects on household income inequality within countries. This paper studies the interrelation between this variables to identify the main factors of each dimension and the direction of its effect through the Sensitivity Analysis of Artificial Neural Networks. This data mining tool finds out non-linear relationships with a non-parametric approach. The main factors that reduce inequality includes credit and spending on research and development, control of corruption and population growth, a credible position in the financial account and trade globalization.


Palabras clave


Desigualdad; Gobalización; Redes Neuronales Artificiales; Income inequality; Globalization; Artificial Neural Network.

Texto completo:

PDF

Referencias


Angeles-Castro, G. (2007). “Factors driving changes in income distribution in post-reform Mexico”, Department of Economics Discussion Paper, University of Kent.

Arango, F., Llanos, A., y López, F. (2013). “Pronóstico de los índices accionarios DAX y S&P 500 con redes neuronales diferenciales”, Contaduría y Administración, vol. 58 núm. 3, pp. 203-225.

Asteriou, D., Dimelis, S., & Moudatsou, A. (2014). Globalization and income inequality:A panel data econometric approach for the EU27 countries”, Economic Modelling, vol. 36 no.7, pp. 592-599.

Azzimonti, M., De Francisco, E., & Quadrini, V. (2014). “Financial globalization, inequality, and the rising public debt”, The American Economic Review, vol. 104, no. 8.

Balan, F., Torun, M., & Kilic, C. (2015). “Globalization and Income Inequality in G7: A Bootstrap Panel Granger Causality Analysis”, International Journal of Economics and Finance, vol. 7, no. 10, p. 192.

Cornia, A. G. (2004). Inequality, growth, and poverty in an era of liberalization and globalization. Oxford University Press for UNU-WIDE.

Chauvin, Y., & Rumelhart, D. E. (1995). Backpropagation: theory, architectures, and applications. Psychology Press, New Jersey.

Chinn, M. and H. Ito (2006), “What matters for financial development? Capital controls, institutions and interactions”, Journal of Development Economics, vol.81, no. 1, pp. 163-192.

Deaton, A. (2013). The great escape: health, wealth, and the origins of inequality. Princeton University Press.

De Oña, J., & Garrido, C. (2014). “Extracting the contribution of independent variables in neural network models: a new approach to handle instability”, Neural Computing and Applications, vol. 25 no. 3, pp. 859-869.

Dreher, A., & Gaston, N. (2008). “Has globalization increased inequality?”, Review of International Economics, vol. 16, no. 3, pp. 516-536.

FitzGerald E. V. K. (1996) “The new trade regime, macroeconomic behavior and income distribution in Latin America”, in Bulmer-Thomas, Victor (ed.), The new

economic model in Latin America and its impact on income distribution and poverty. Palgrave Macmillan, UK

Garson, G.D. (1991). “Interpreting neural network connection weights”, Artificial Intelligence Expert, vol. 6, no. 4, pp. 46–51.

Haykin, S. (1994). Neural Networks, A comprehensive foundation. Pearson Prentice Hall, Upper Saddle River, New Jersey.

International Monetary Fund (2007). “Chapter 4: Globalization and Inequality”, World Economic Outlook, Washington DC. 31–65.

Jaumotte, F., Lall, S., & Papageorgiou, C. (2013). “Rising income inequality: technology, or trade and financial globalization?” IMF Economic Review, vol. 61 no. 2, pp. 271-309.

Kaufmann, D., Kraay, A., & Mastruzzi, M. (2009). “Governance matters VIII:aggregate and individual governance indicators, 1996-2008”, Policy Research Working Paper 4978, The World Bank, Washington, D.C.

Kuznets, S. (1955). “Economic growth and income inequality”, The American Economic Review, vol. 45, no. 1, pp. 1-28.

McNelis, P. D. (2005). Neural networks in finance: gaining predictive edge in the market. Elsevier Academic Press, Burlington, MA.

Milanovic, B. (2016). Global inequality A New Approach for the Age of Globalization. Harvard University Press, Cambridge, MA.

Nissanke, M., & Thorbecke, E. (2006). “Channels and policy debate in the globalization–inequality–poverty nexus”, World development, vol. 34, no. 8, pp. 1338-1360.

Olson, D. L., & Delen, D. (2008). Advanced data mining techniques. Springer Science & Business Media, Berlin.

Palmer, A., Montaño, J. J., & Sesé, A. (2006). “Designing an artificial neural network for forecasting tourism time series”, Tourism Management, vol. 27, no. 5, pp. 781-790.

Sen, A. (1995). Inequality Reexamined. Harvard University Press, Cambridge, MA.

Solt, F. (2016). “The Standardized World Income Inequality Database”, Social Science Quarterly 97 (5), pp.1267-1281.

Tinbergen, J. (1975). Income Differences: Recent Research. North Holland Pub. Co., Amsterdam.


Enlaces refback

  • No hay ningún enlace refback.


ANÁLISIS ECONÓMICO. Vol. XXXIV, Número 87 septiembre-diciembre de 2019, es una publicación cuatrimestral editada por la Universidad Autónoma Metropolitana a través de la Unidad Azcapotzalco, División de Ciencias Sociales y Humanidades, Departamento de Economía.  Prolongación Canal de Miramontes 3855, Col. Ex-Hacienda de San Juan de Dios, Delegación Tlalpan, C.P. 14387, México, D.F. y Av. San Pablo núm. 180, Edificio H-O, primer piso, cubículo 1, Col. Reynosa-Tamaulipas, Delegación Azcapotzalco, C.P. 02200, México, D.F.; Tels. 53189484 y  53189132, ext. 106. Página electrónica de la revista: http://www.analisiseconomico.azc.uam.mx y dirección de correo electrónico: analeco@azc.uam.mx. Editor responsable: Carlos Gómez  Chiñas. Certificado de Reserva de Derechos al Uso Exclusivo de Título No. 04-2002-070213050700-102, ISSN 0185-3937, ambos otorgados por  el Instituto Nacional del Derecho de Autor. Certificado de Licitud de Título número 5304 y Certificado de Licitud de Contenido número 4084, ambos otorgados por la Comisión Calificadora de Publicaciones y Revistas Ilustradas de la Secretaría de Gobernación. Impresa por Ediciones y Gráficos Eón, S.A. de C.V., Av. México Coyoacán núm. 421, Col. Xoco, Delegación Benito Juárez, C.P. 03330, México, D.F., Tels. 56041204 y 56889112, fax 56047263, www.edicioneseon.com; administración@edicioneseon.com.mx. Este número se terminó de imprimir en la Ciudad de México, el mes de septiembre de 2019, con un tiraje de 500 ejemplares.


Las opiniones expresadas por los autores no necesariamente reflejan la postura del editor de la publicación.


Queda estrictamente prohibida la reproducción total o parcial de los contenidos e imágenes de la publicación sin previa autorización de la Universidad Autónoma Metropolitana.

Última actualización: 30 de septiembre de 2019.

Licencia de Creative Commons
Análisis Económico by Universidad Autónoma Metropolitana is licensed under a Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional License.