Impacto de la composición de género en el desempeño de empresas chilenas: uso de métodos correctivos de atrición.

Abstract

La atrición en los datos se define como la pérdida de registros a lo largo del tiempo, presentando diferencias sistemáticas en la forma y en la cantidad según la naturaleza de los datos, siendo éste, uno de los principales obstáculos a la hora de aplicar métodos estadísticos en estudios longitudinales. Carrasco (2022), presenta una primera aproximación sobre el desempeño de empresas chilenas según la composición de género, basándose en los resultados de la Encuesta Longitudinal de Empresas realizada entre 2007 y 2017. Sin embargo, esta base de datos presenta altos grados de atrición. En la presente memoria de título se plantea una extensión de este trabajo, usando métodos correctivos para la presencia de atrición en los datos. En la literatura, se presentan diversos tipos de modelos para lograr solucionar esta problemática, los cuales varían desde el uso del método de máxima verosimilitud, la inyección de registros artificiales, el uso de pesos en los coeficientes de estimación, la inclusión de variables dicotómicas, la aplicación de modelos de machine learning, entre otros. De esta forma, para el presente trabajo se plantearon los métodos de imputación simple e imputación múltiple para lograr solucionar el problema de la atrición en los datos. El primero, se realizó en base a los criterios de moda, media, regresión lineal y por arrastre de la última observación. Mientras que el segundo, se implementó con el algoritmo de ecuaciones concatenadas (multiple imputation by chained ecuations, en inglés) junto a estimaciones con Random Forest.