Complexidade econômica e desigualdade de renda : uma abordagem a partir de mineração de dados

Abstract

Resumo: O trabalho em questão busca explicar e associar o Índice de Complexidade Econômica aos demais indicadores macroeconômicos como investimento e tributação percentual em relação ao PIB, população, Índice de Democracia e renda per capita a partir do método APRIORI para dados do ano de 2006 até 2016 para 114 países. A escolha de uma década para a construção da base de dados se deu pela indisponibilidade de todas as variáveis para os países analisados. O estudo possui como objetivo investigar de que modo a mineração de dados pode contribuir com o intuito de inferir novas associações entre desigualdade de renda e o Índice de Complexidade Econômica. Ao associar as variáveis entre si o método retornou 535 resultados com 90% ou mais de confiança. Aproximadamente metade deles continham a variável Índice de Gini e Complexidade Econômica dentre as associações. O estudo também conta com uma análise econométrica usando mínimos quadrados ordinários e uma regressão linear robusta para comparar os resultados econométricos/estatísticos com os resultados obtidos a partir da mineração de dados. O estudo depreende que os resultados, especialmente aqueles relacionados a relação entre o Índice de Complexidade Econômica e desigualdade de renda, mensurada pelo Índice de Gini, concordam entre metodologias adotadas. Os padrões encontrados também concordam com a literatura analisada.

Abstract: This research aims to explain and associate the Economic Complexity Index with other macroeconomic indicators such as investment and taxation as a percentage of the GDP, population, democracy index and per capita income using the APRIORI method for data from 2006 to 2016 for 114 countries. The choice of a decade for building the database was due to the unavailability of all variables for the analyzed countries. The study aims to investigate how data mining can contribute to infer new associations between income inequality and the Index of Economic Complexity. By associating the variables with each other, the method preliminarily returned 535 results with 90% confidence or better. Approximately half of them contained the variable Gini Index and Economic Complexity among the associations. The study also includes an econometric analysis using ordinary least squares and a robust linear regression to compare the econometric/statistical results with those obtained from data mining. The study infers that the results, especially those related to the relationship between the Economic Complexity Index and income inequality, measured by the Gini Index, align across the adopted methodologies. The patterns identified also align with the reviewed literature.