TRABAJO AUTÓNOMO

El presente trabajo busca evidenciar la comprensión y aplicación de los fundamentos estadísticos para la ciencia de datos, enfocándose en la usabilidad del análisis de datos y la presentación de resultados.

INTEGRANTES

- BRAVO ZAMORA VIRGINIA ELOISA
- GONZALEZ LOPEZ PEDRO JOSUE 
- GOROZABEL ZAMBRANO FABIAN LEONARDO

INDICE DEL TRABAJO

  1. Descripción del dataset (dataset a libre elección).
  2. Objetivo del análisis.
  3. Exploración de datos.
    • Registro de Ecuatorianos que entraron y salieron por Quito durante el segundo semestre 2023 (Julio, Agosto…)
    • Entradas y Salidas de Ecuatorianos durante el segundo semestre 2023 (Julio, Agosto…)
    • Entradas y Salidas de Ecuatorianos durante el mes con mayor movimiento (días)
    • Entradas y Salidas de Ecuatorianos según grupos de edad
    • Entradas y Salidas de Ecuatorianos según género
    • Entradas y Salidas de Ecuatorianos según motivo de viaje
    • Entradas y Salidas de Ecuatorianos según país de destino
  4. Estadística descriptiva.
    • Aplicar Media, Moda, Mediana, Desviaciones Standard, percentiles
      • Día de Movimiento (que día viajan más)
      • Edad (que edad es la que más viaja)
      • Meses de entrada y salida para saldo migratorio
  5. Modelo estadístico.
    • Regresión
      • Modelo de Regresión Panel
      • Regresión Lineal de Movimientos por Edad
      • Modelo de Regresión Simple Lineal de las Salidas
      • Modelo de Regresión Simple Lineal de Movimientos Diarios
    • Pruebas de Hipótesis
      • Modelo de efectos aleatorios
      • Test de Hausman
    • Series Temporales
      • Modelo ARIMA
  6. Conclusiones.
  7. Interpretación.
  8. Recomendación Final.

DESCRIPCION DEL DATASET

Registro Estadístico Entradas y Salidas Internacionales de residentes Ecuatorianos por el Aeropuerto Mariscal Sucre de la Ciudad de Quito durante el año 2023

Este DATASET original cuenta con 6.205.610 movimientos, de los cuales 3.069.447 corresponden a entradas internacionales y 3.136.163 a salidas internacionales de Ecuatorianos y extranjeros.

El DATASET fue descargado del https://www.ecuadorencifras.gob.ec/entradas-y-salidas-internacionales/ y es una información que se origina en las Unidades de Control Migratorio, en la cual los viajeros realizan el registro del movimiento al momento de entrar o salir del país, la información es recolectada en el Sistema de Migración Ecuatoriano (el cual es un aplicativo web que intercambia información en tiempo real y actualizado con la Dirección General de Registro Civil, Cedulación e Identificación, Policía Judicial y aerolíneas, permitiendo tener una información verificada y actualizada. Luego de nuestro Dataset original pasar por el proceso de limpieza de datos cuenta con 672529 registros y 9 variables, registros en los cuales contamos con “Entradas y Salidas de Ecuatorianos por el Aeropuerto Mariscal Sucre de la Ciudad de Quito durante el último semestre de año 2023”, en esta base solo se registran Ecuatorianos y que salieron vía aérea.

A continuación mostramos las dimensiones de nuestro Dataset ya listo para analizar, con sus dimensiones y los respectivos tipos de datos.

Data Frame Summary

datos

Dimensions: 672529 x 12
Duplicates: 65536
No Variable Stats / Values Freqs (% of Valid) Graph Valid Missing
1 tipo_movimiento [character]
1. Entrada
2. Salida
321737(47.8%)
350792(52.2%)
 672529 (100.0%) 0 (0.0%)
2 mes_movimiento [factor]
1. Julio
2. Agosto
3. Septiembre
4. Octubre
5. Noviembre
6. Diciembre
104808(15.6%)
135392(20.1%)
114394(17.0%)
115440(17.2%)
110373(16.4%)
92122(13.7%)
 672529 (100.0%) 0 (0.0%)
3 dia_movimiento [integer]
Mean (sd) : 15.8 (8.9)
min ≤ med ≤ max:
1 ≤ 16 ≤ 31
IQR (CV) : 16 (0.6)
 31 distinct values 672529 (100.0%) 0 (0.0%)
4 genero [character]
1. Hombre
2. Mujer
324685(48.3%)
347844(51.7%)
 672529 (100.0%) 0 (0.0%)
5 motivo_viaje [character]
1. Estudios
2. Eventos
3. Negocios
4. Otros
5. Residencia
6. Tripulación
7. Turismo
9299(1.4%)
13105(1.9%)
7672(1.1%)
13016(1.9%)
324098(48.2%)
10699(1.6%)
294640(43.8%)
 672529 (100.0%) 0 (0.0%)
6 pais_destino [character]
1. Estados Unidos de América
2. Colombia
3. México
4. Panamá
5. España
6. Argentina
7. El Salvador
8. Perú
9. República Dominicana
10. Brasil
[ 163 others ]
230317(34.2%)
130730(19.4%)
44238(6.6%)
41684(6.2%)
40260(6.0%)
31715(4.7%)
27103(4.0%)
23705(3.5%)
19524(2.9%)
13578(2.0%)
69675(10.4%)
 672529 (100.0%) 0 (0.0%)
7 lugar_destino [character]
1. Miami Florida
2. Bogotá Dc
3. Panamá City
4. New York New York
5. Madrid
6. Buenos Aires
7. San Salvador
8. Orlando Florida
9. Lima
10. Cancun
[ 1609 others ]
82634(12.3%)
81858(12.2%)
41432(6.2%)
40053(6.0%)
34829(5.2%)
30879(4.6%)
26252(3.9%)
23414(3.5%)
22462(3.3%)
21630(3.2%)
267086(39.7%)
 672529 (100.0%) 0 (0.0%)
8 ocupacion [character]
1. Personal de apoyo adminis
2. Menores de edad
3. Estudiantes
4. Jubilados y pensionistas
5. Amas de casa
6. Ingenieros no clasificado
7. Comerciantes de tiendas
8. Medicos generales
9. Sin especificar
10. Abogados
[ 140 others ]
124432(18.5%)
86836(12.9%)
78863(11.7%)
42736(6.4%)
38062(5.7%)
37308(5.5%)
26277(3.9%)
19971(3.0%)
18168(2.7%)
15390(2.3%)
184486(27.4%)
 672529 (100.0%) 0 (0.0%)
9 edad [integer]
Mean (sd) : 38.3 (18.3)
min ≤ med ≤ max:
0 ≤ 37 ≤ 100
IQR (CV) : 25 (0.5)
 100 distinct values 672529 (100.0%) 0 (0.0%)
10 fecha [Date]
min : 2023-07-01
med : 2023-09-25
max : 2023-12-31
range : 5m 30d
 184 distinct values 672529 (100.0%) 0 (0.0%)
11 mes_numero [numeric]
Mean (sd) : 9.4 (1.7)
min ≤ med ≤ max:
7 ≤ 9 ≤ 12
IQR (CV) : 3 (0.2)
7:104808(15.6%)
8:135392(20.1%)
9:114394(17.0%)
10:115440(17.2%)
11:110373(16.4%)
12:92122(13.7%)
 672529 (100.0%) 0 (0.0%)
12 grupo_edad [factor]
1. 0-12
2. 13-18
3. 19-30
4. 31-45
5. 46-60
6. 61-75
7. 76-90
8. 91-100
48845(7.3%)
38035(5.7%)
135224(20.1%)
216443(32.2%)
133516(19.9%)
82635(12.3%)
17353(2.6%)
471(0.1%)
 672522 (100.0%) 7 (0.0%)

OBJETIVOS DEL TRABAJO

El presente trabajo tiene como objetivos:

  • Resumir el dataset original mediante la técnica limpieza de datos para obtener datos solo de los Ecuatorianos residentes que han salido y entrado por el Aeropuerto Mariscal Sucre de la ciudad de Quito durante el segundo semestre del año 2023.

  • Entender la distribución y la variabilidad de las entradas y salidas de los Ecuatorianos mediante un análisis descriptivo de los datos para obtener estadísticas resumidas como (medias, medianas, desviaciones estándar, percentiles).

  • Generar un modelado estadístico que nos permitirá analizar las entradas y salidas del país en el segundo semestre del año 2023.

  • Emplear el modelado de series temporales para predecir futuras entradas y salidas logrando identificar tendencias y estacionalidad para futuros períodos.

EXPLORACION DE DATOS

En la exploración de datos, una vez que tenemos el dataset con los datos filtrados, en esta sección vamos a comprender su estructura y detectar posibles tendencias o patrones mediante herramientas de visualización de datos como gráficos que nos permitan explorar la distribución de las entradas y salidas a lo largo de los últimos 6 meses del año y en las diferentes categorías.

Registro de Ecuatorianos que entraron y salieron por Quito durante el segundo semestre 2023 (Julio, Agosto…)

En la presente tabla de frecuencias se pueden evidenciar los valores tanto de las Entradas y Salidas por el Aeropuerto de Quito, mostrada por los meses del último semestre del año 2023 y posterior podemos ver de manera gráfica su distribución por los últimos meses del año 2023.

Mes Total Movimientos
Julio 104808
Agosto 135392
Septiembre 114394
Octubre 115440
Noviembre 110373
Diciembre 92122

En el siguiente gráfico podemos notar mediante las barras la diferencia entre las entradas y las salidas de los Ecuatorianos durante los últimos meses del 2023, en donde podemos a breve rasgo ver que el saldo migratorio neto sería negativo, ya que las salidas son mayores que las entradas. En donde podemos indicar que hay una tendencia general hacia un mayor número de salidas en comparación con las entradas durante esos meses. Esta tendencia podría ser el resultado de varios factores, como oportunidades laborales en el extranjero, estudios, reubicación familiar, entre otros, que revisaremos más adelante.

A continuación en el gráfico de densidad por picos, podemos en una forma útil entender la distribución de los datos y identificar patrones que son tendencia, marcando que en los meses tanto de Agosto como Noviembre la tendencia de salidas es más alta que las Entradas y con este gráfico es facilmente diferenciar.

Entradas y Salidas de Ecuatorianos durante el mes con mayor movimiento (días)

El mes que presenta mayor movimiento durante el último semestre considerando tanto Entradas como Salidas es el mes de Agosto con 135392 registros.

## [1] 135392

Agosto al ser el mes con más movimientos y al ser un mes en el que muchas personas Ecuatorianas viajan, según nuestro estudio enfocados desde el aeropuerto de Quito, podemos decir que eligen viajar más en este mes por una variedad de razones, pero entre las principales estarían:

  • Las vacaciones escolares de la Región Sierra.
  • Pago del Décimo Cuarto en la Región Sierra.
  • Condiciones climáticas.

En el siguiente gráfico se muestra que según la densidad analizada durante el Mes, se puede visualizar cómo se agrupan desde el 0.02 de densidad, esto indica que Agosto es un período de alta actividad de viajes en el Aeropuerto de Quito.

Entradas y Salidas de Ecuatorianos según grupos de edad

Grupo Edad Total Entradas Porcentaje
0-12 21125 6.5659831
13-18 17538 5.4510869
19-30 63517 19.7420851
31-45 104006 32.3267047
46-60 65529 20.3674464
61-75 41133 12.7847849
76-90 8644 2.6866915
91-100 242 0.0752174

Al analizar las entradas al país por los rangos de edades podemos decir que:

  • El grupo de edad entre 31 a 45 años es el más grande, con 32.33% del total de entradas. Esto indica que la mayor parte de los viajeros están en la etapa de mayor productividad laboral y familiar.

  • El grupo de 46 a 60 años es el siguiente, con 20.37%. Esto refleja una población todavía activa en términos de viajes, probablemente por trabajo y otras responsabilidades.

  • Los jóvenes (19-30 años) representan un porcentaje significativo del 19.74%, mientras que los grupos más jóvenes (0-18 años) y mayores (61+ años) tienen menores porcentajes, reflejando sus diferentes patrones de viaje.

  • Los extremos en nuestro gráfico de edades, especialmente aquellos mayores de 75 años, tienen porcentajes muy bajos, lo cuál es considerable debido a las limitaciones físicas y de salud, que las personas de esta edades pueden padecer.

Grupo Edad Total Salidas Porcentaje
0-12 27720 7.9022087
13-18 20497 5.8431303
19-30 71707 20.4416913
31-45 112437 32.0526928
46-60 67987 19.3812217
61-75 41502 11.8310775
76-90 8709 2.4826961
91-100 229 0.0652816

Al analizar ahora las salidas del país por los rangos de edades podemos decir que:

  • El grupo de edad de 31 a 45 años es el más grande, con 32.05% del total de salidas. Lo que nos indica se ratifica que tanto en Entradas como salidas es el grupo con mayor indice de viajes.

  • El grupo de 46 a 60 años es el siguiente, con 19.38%. pero aquí se puede ver una diferencia de 12.7% del rango mayor, pudiendo indicar que este gran porcentaje de personas salen del país pero ya no retornan en estos meses.

  • Los jóvenes (19-30 años) representan un porcentaje significativo del 20.44%, mientras que los grupos más jóvenes (0-18 años) y mayores (61+ años) tienen menores porcentaje.

  • Y nuevamente podemos evidenciar que aquellos mayores de 75 años, tienen porcentajes muy bajos casi insignificante en toda la muestra.

Entradas y Salidas de Ecuatorianos según género

La distribución de entradas entre hombres y mujeres es bastante equilibrada, con una ligera mayoría de mujeres (51.92%) frente a hombres (48.08%). Esta distribución puede reflejar diversas dinámicas sociales y económicas, como la participación de mujeres en viajes por razones familiares, laborales o de otro tipo.

Género Total Entradas Porcentaje
Hombre 154675 48.07543
Mujer 167059 51.92457

Género Total Salidas Porcentaje
Hombre 170008 48.4646
Mujer 180780 51.5354

La ligera mayoría de mujeres en salidas, al igual que en entradas, podría estar influenciada por factores como trabajo, educación, turismo, y otros motivos de viaje. Sería interesante explorar las razones detrás de esta distribución, considerando las diferencias en motivos de viaje entre hombres y mujeres. Teniendo una diferencia de 3.0708 entre Entradas y Salidas.

Entradas y Salidas de Ecuatorianos según motivo de viaje

Estudios Eventos Negocios Otros Residencia Tripulación Turismo
Entrada 26 107 3 606 317465 2743 784
Salida 9273 12998 7669 12410 6630 7956 293852

En la tabla en donde se detalla las Entradas y Salidas según su motivo de viaje, nuevamente nos da a notar que las Salidas son mayores que las Entradas y que el motivo en donde las Entradas es mayor ya es por motivo de Residencia, pues para los Ecuatorianos a pesar de todas las limitantes que tiene el país sigue siendo un lugar un destino atractivo para mudarse, como lo indica el gran número de entradas en la categoría de residencia.

La alta movilidad de salida en Turismo sugiere que Ecuador es más un país para la salida de turistas que para su entrada.

En estudios y negocios hay más salidas que entradas, lo que podría señalar que las personas buscan oportunidades educativas y de negocios en el extranjero.

También hay una tendencia mayor de salidas en las categorías “Otros” y “Eventos”.

Motivo de Viaje Total Entradas Porcentaje
Residencia 317465 98.6731275
Tripulación 2743 0.8525676
Turismo 784 0.2436796
Otros 606 0.1883544
Eventos 107 0.0332573
Estudios 26 0.0080812
Negocios 3 0.0009324
  • Residencia: El principal motivo de entrada con el 98.7%, por mucho, sugiere que Ecuador es altamente atractivo para personas que buscan establecerse en el país.
  • Tripulación: Representa una parte importante de las entradas profesionales vinculadas al transporte.
  • Turismo y Otros: Los porcentajes son muy bajos, lo que sugiere que Ecuador no atrae un volumen significativo de turistas ni otros motivos sin especificar.
  • Eventos, Estudios y Negocios: Indican con porcentajes muy bajos que estos motivos no son comunes entre los que ingresan a Ecuador, especialmente en las categorías de entrada más bajas.

Motivo de Viaje Total Salidas Porcentaje
Turismo 293852 83.769114
Eventos 12998 3.705372
Otros 12410 3.537749
Estudios 9273 2.643477
Tripulación 7956 2.268037
Negocios 7669 2.186221
Residencia 6630 1.890030
  • Turismo: Domina con un amplio margen con el 83.8%, siendo el principal motivo de salida.
  • Eventos y Otros: Aunque a una escala mucho menor que el turismo, son los siguientes motivos más comunes.
  • Estudios y Tripulación: Reflejan muchas salidas que representan oportunidades educativas y profesionales significativas fuera del país.
  • Negocios y Residencia: En el panorama general de movilidad, son relevantes aunque menos comunes los motivos.

Entradas y Salidas de Ecuatorianos según país de destino

En el presente gráfico ahora se muestran los lugares de donde la mayoría de los Ecuatorianos retorna, teniendo con una amplia diferencia a Estados Unidos.

País Procedencia Total Entradas Porcentaje
Estados Unidos de América 112334 36.2068743
Colombia 68917 22.2129467
Panamá 24893 8.0233742
México 21713 6.9984142
España 19479 6.2783637
Argentina 14931 4.8124774
Perú 13874 4.4717910
República Dominicana 9107 2.9353179
Brasil 5777 1.8620107
Chile 3490 1.1248775
Países Bajos 2751 0.8866871
Canadá 2126 0.6852406
Uruguay 1754 0.5653396
Costa Rica 1635 0.5269842
El Salvador 1459 0.4702568
Alemania 1349 0.4348022
Aruba 1233 0.3974137
Curazao 1193 0.3845212
Cuba 1140 0.3674385
Italia 1101 0.3548682

  • Durante el último semestre del año 2023, Estados Unidos es el principal país de destino para las entradas a Ecuador, representando con un 36.2% del total de entradas. Esto sugiere una fuerte conexión entre Ecuador y Estados Unidos en términos de viajes y movilidad.

  • Colombia ocupa el segundo lugar como destino de entradas a Ecuador, con un 22.2% del total. La proximidad geográfica y las relaciones comerciales y culturales entre ambos países pueden explicar este flujo significativo de personas.

País Destino Total Salidas Porcentaje
Estados Unidos de América 117979 35.4398782
Colombia 61810 18.5671931
El Salvador 25644 7.7032373
México 22525 6.7663165
España 20781 6.2424339
Panamá 16791 5.0438722
Argentina 16784 5.0417694
República Dominicana 10417 3.1291773
Perú 9831 2.9531480
Brasil 7801 2.3433534
Chile 3622 1.0880177
Canadá 3358 1.0087144
Nicaragua 2969 0.8918621
Italia 2137 0.6419364
Alemania 2127 0.6389325
Uruguay 2046 0.6146008
Costa Rica 1764 0.5298904
Aruba 1605 0.4821282
Cuba 1457 0.4376703
Turquía 1451 0.4358679

  • Durante el año 2023, Estados Unidos es el destino más popular para los ecuatorianos, representando con un 35.4% de todas las salidas y teniendo entre la comparación de las entradas solo un 0.767 de diferencia. Este alto porcentaje puede reflejar tanto la presencia de una gran comunidad ecuatoriana en Estados Unidos como oportunidades laborales, educativas y de otro tipo disponibles en este país.

  • Colombia es el segundo destino más común, con aproximadamente el 18.6% de las salidas. La proximidad geográfica y las relaciones de Ecuador y Colombia pueden explicar este flujo significativo de personas entre los dos países.

ANALISIS DESCRIPTIVO

En el análisis descriptivo buscamos entender la distribución y la variabilidad de las entradas y salidas mediante las medias, medianas, desviaciones estándar, percentiles, etc.

- Día de Movimiento (que día viajan más)

En la presente tabla de frecuencias se pueden evidenciar los valores tanto de las Entradas y Salidas por el Aeropuerto de Quito, mostrada por los días del mes desde el 1 al 31.

Día Frecuencia
1 23333
2 22275
3 22482
4 21665
5 21922
6 22634
7 22339
8 22183
9 21023
10 22517
11 21367
12 21049
13 21426
14 21797
15 21098
16 20537
17 22549
18 21046
19 21377
20 21865
21 22660
22 22771
23 21371
24 22068
25 22122
26 22578
27 22401
28 21113
29 22618
30 21079
31 15257

De manera general podemos analizar que pueden influir varios factores: -El primer día del mes puede ser popular para viajar debido a la disponibilidad de tiempo libre después del final del mes anterior, o el inicio de las vacaciones mensuales, también que las personas hayan recibido el pago de salarios o algún beneficio.

-El día 31 puede tener menos viajes debido a que es el final del mes y las personas pueden estar ocupadas con otras tareas, pagos pendientes de facturas, planificaciones para el próximo mes, este análisis puede variar dependiendo de las localidad, pero en Ecuador vemos que la tendencia durante el ultimo semestre 2023 se manifestó de esta manera.

Al visualizar la impresión de frecuencia_dias en el siguiente gráfico podemos ver la frecuencia diaria de los viajes realizados en los días del 1 al 31 del mes.

Al añadirle colores verde y rojo para su mejor entendimiento, en donde al realizar el cálculo del día en el que más viajan podemos ver que el registro de la posición 1 registra 23333 entre las entradas color verde y salidas, a diferencia del mínimo que se posiciona en el registro del día 31 con 15257 color rojo.

MODA

Al calcular la moda en nuestro Dataframe del día que más se repite para viajar podemos obtener que el 1 con un total de 23333 registros de este día tanto para Entradas y Salidas.

## [1] 1
## attr(,"freq")
## [1] 23333
## Moda: 1

MEDIA

Al tener una media de 21694.48 obtenidos de la tabla de frecuencia de viajes diarios, podemos observar que si se comparan cada uno de los valores diarios con la media podemos interpretar que aquellos días donde las entradas y salidas superan la media nos pueden indicar una mayor actividad, mientras que los días por debajo de la media podrían ser menos activos, estos resultados nos pueden ayudar en caso de ser una aerolínea ubicar ofertas de vueltos para así poder mejorar el flujo de viajeros.

## Calcular Media de los siguientes datos: 23333 22275 22482 21665 21922 22634 22339 22183 21023 22517 21367 21049 21426 21797 21098 20537 22549 21046 21377 21865 22660 22771 21371 22068 22122 22578 22401 21113 22618 21079 15257
## [1] 21694.26

MEDIANA

Al Realizar el cálculo de la mediana y obteniendo un resultado de 21922 podemos comparar con los resultados de la media teniendo una idea de la simetría de los datos, y en este caso como son muy similares, podemos identificar que nuestros valores están distribuidos de manera bastante uniforme.

## Calcular Mediana de los siguientes datos: 23333 22275 22482 21665 21922 22634 22339 22183 21023 22517 21367 21049 21426 21797 21098 20537 22549 21046 21377 21865 22660 22771 21371 22068 22122 22578 22401 21113 22618 21079 15257
## [1] 21922

- Edad (que edad es la q más viaja)

Según los datos analizados, se estima que la edad promedio de los viajeros es de 37 años. Esta cifra representa el valor central alrededor del cual se agrupan las edades observadas en el conjunto de datos.

Así mismo se tiene que la edad máxima de viaje es de 100 años.

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    0.00   26.00   37.00   38.34   51.00   98.00
## Desviación Estandar: 18.2627

Con el resultado obtenido del cálculo de la desviación estándar de 18.26 en este conjunto de edades que van de 0 a 100 años, nos indica que, en promedio, los valores individuales de edad tienden a desviarse aproximadamente 18.2636 años de la media.

Esto significa que hay una amplia variabilidad en las edades de las personas

Teniendo que los intervalos de confianza se encuentran alrededor del 68% de las edades están dentro de una desviación estándar (±18.2636 años) de la media. Alrededor del 95% estarán dentro de dos desviaciones estándar (±36.5272 años) de la media, y alrededor del 99.7% estarán dentro de tres desviaciones estándar (±54.7908 años) de la media, esto si la distribución sigue una distribución normal.

- Meses de entrada y salida para saldo migratorio

En la siguiente tabla tenemos la Diferencia entre las Entradas y Salidas de los Ecuatorianos por cada uno de los meses cuya diferencia es conocida como Saldo Migratorio.

Mes Total Entradas Total Salidas Diferencia
Julio 58229 46578 -11651
Agosto 67340 68052 712
Septiembre 60023 54369 -5654
Octubre 61085 54352 -6733
Noviembre 54972 55400 428
Diciembre 49139 42983 -6156

  • En julio, existe una diferencia negativa significativa de -11,652 indica que hubo más salidas de ecuatorianos que entradas. Podría haber un gran flujo de migrantes hacia fuera del país este mes.

  • Durante la mayoría de los meses (Julio, Septiembre, Octubre, Diciembre), se registraron diferencias negativas significativas que indican que en general hubo más salidas de ecuatorianos del país que entradas.

  • Solo dos meses tienen diferencias positivas, siendo estas muy pequeñas en comparación con las negativas de los otros.

  • Alta Emigración: Durante la mayor parte del segundo semestre del año, parece que hay más personas saliendo de Ecuador de las que entran al país. La gente busca oportunidades fuera del país debido a razones económicas, sociales o políticas.

  • Fluctuaciones: La leve diferencia positiva en agosto y noviembre puede deberse a factores estacionales o eventos específicos que temporalmente impulsan las entradas, pero no son lo bastante fuertes como para cambiar la tendencia general.

  • Políticas Migratorias: Es fundamental que al diseñar políticas migratorias y de desarrollo, las autoridades consideren estos datos. La emigración elevada puede afectar al mercado laboral, a la economía y a la estructura demográfica del país.

  • Soporte para Emigrantes: Es importante también proveer respaldo a los ciudadanos que estén pensando en emigrar, garantizando que cuenten con la información y los recursos requeridos para hacerlo de forma segura y legal.

## Mínimo: -11651
  • El valor mínimo de -11652 indica el mes con la mayor diferencia negativa entre entradas y salidas, lo que sugiere un mes de alta emigración neta (Julio).
## 1er Cuartil: -6588.75
  • El primer cuartil de -6589.5 muestra que el 25% de los valores son menores o iguales a -6590. Esto refuerza la idea de que hay meses con diferencias negativas significativas.
## Mediana: -5905
  • La mediana de -5905 indica que la mitad de los meses tienen una diferencia de entradas y salidas menor o igual a -5905. Esto representa una tendencia central hacia una mayor emigración que inmigración.
## Media: -4842.333
  • La media de -4842.5 sugiere que en promedio, hay una salida neta de 4842 ecuatorianos por mes. La media es afectada por los valores extremos (particularmente julio con -11652).
## 3er Cuartil: -1092.5
  • El tercer cuartil de -1091.75 indica que el 75% de los valores son menores o iguales a -1092. Esto muestra que la mayoría de los meses tienen una diferencia negativa, pero no tan extrema como los peores casos.
## Máximo: 712
  • El valor máximo de 712 representa el mes con la mayor diferencia positiva (Agosto), donde hubo más entradas que salidas.

Tabla con información de las Entradas de los Ecuatorianos por meses

Mes Total Entradas
Julio 46578
Agosto 68052
Septiembre 54369
Octubre 54352
Noviembre 55400
Diciembre 42983 
## Mínimo: 42983
  • El valor mínimo de 42983 representa el menor número de entradas en un mes. Este valor indica el mes con la menor cantidad de entradas de ecuatorianos.
## 1er Cuartil: 48521.5
  • El primer cuartil de 48521.75 muestra que el 25% de los meses tienen entradas menores o iguales a 48522. Esto da una idea del rango inferior de las entradas.
## Mediana: 54360.5
  • La mediana de 54361.5 indica que la mitad de los meses tienen entradas menores o iguales a 54362 y la otra mitad tiene entradas mayores. Esto representa el punto medio de las entradas.
## Media: 53622.33
  • La media de 53622.83 sugiere que, en promedio, hay 53623 entradas de ecuatorianos por mes. La media proporciona una idea general del nivel de entradas.
## 3er Cuartil: 55142.25
  • El tercer cuartil de 55143.25 indica que el 75% de los meses tienen entradas menores o iguales a 55143. Esto muestra el rango superior de las entradas.
## Máximo: 68052
  • El valor máximo de 68,052 representa el mes con el mayor número de entradas. Este es el valor más alto de entradas en un solo mes.

- Tabla con información de las Salidas de los Ecuatorianos por meses

Mes Total Salidas
Julio 58229
Agosto 67340
Septiembre 60023
Octubre 61085
Noviembre 54972
Diciembre 49139 
## Mínimo: 49139
  • El valor mínimo de 49139 representa el menor número de salidas en un mes. Este valor indica el mes con la menor cantidad de salidas de ecuatorianos.
## 1er Cuartil: 55786.25
  • El primer cuartil de 55786.5 muestra que el 25% de los meses tienen salidas menores o iguales a 55787. Esto da una idea del rango inferior de las salidas.
## Mediana: 59126
  • La mediana de 59127 indica que la mitad de los meses tienen salidas menores o iguales a 59127 y la otra mitad tiene salidas mayores. Esto representa el punto medio de las salidas.
## Media: 58464.67
  • La media de 58465.33 sugiere que, en promedio, hay 58465 salidas de ecuatorianos por mes. La media proporciona una idea general del nivel de salidas.
## 3er Cuartil: 60819.5
  • El tercer cuartil de 60821.25 indica que el 75% de los meses tienen salidas menores o iguales a 60821. Esto muestra el rango superior de las salidas.
## Máximo: 67340
  • El valor máximo de 67340 representa el mes con el mayor número de salidas. Este es el valor más alto de salidas en un solo mes.

MODELADO ESTADISTICO

En el siguiente Modelado estadístico hemos empleado dos técnicas para analizar las entradas y salidas del país.

-Regresión lineal: Al emplear la regresión lineal para investigar la relación entre las entradas o salidas y variables predictoras como el tiempo, el PIB, el tipo de cambio, etc.

-Series temporales: Al emplear series temporales, buscamos mediante este modelo de series temporales predecir futuras entradas y salidas, identificar tendencias y estacionalidad, etc.

- Modelo de Regresión Panel

Este análisis de datos de panel se ha estimado utilizando el método “Within” en R, lo que implica que se están controlando los efectos individuales de las variables dias del año (dia_anio), lo que significa que la variable dependiente es total y la variable independiente es dia_anio

Vemos que el panel es desbalanceado, es decir, no todos los individuos en este caso, tienen observaciones para todos los períodos de tiempo.

## Oneway (individual) effect Within Model
## 
## Call:
## plm(formula = total ~ dia_anio, data = datos_panel, model = "within")
## 
## Unbalanced Panel: n = 173, T = 1-184, N = 9382
## 
## Residuals:
##      Min.   1st Qu.    Median   3rd Qu.      Max. 
## -486.9063   -6.5412   -1.0416    4.2361  699.8325 
## 
## Coefficients:
##           Estimate Std. Error t-value  Pr(>|t|)    
## dia_anio -0.077782   0.011576 -6.7194 1.933e-11 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Total Sum of Squares:    30829000
## Residual Sum of Squares: 30679000
## R-Squared:      0.0048795
## Adj. R-Squared: -0.013817
## F-statistic: 45.1506 on 1 and 9208 DF, p-value: 1.9327e-11

- Regresión Lineal de Movimientos por Edad

En este modelo de regresión lineal simple en donde intentamos predecir la variable edad, el nivel de significancia de los coeficientes “***” significa altamente significativo, el 26.87% de la variabilidad, el R-cuadrado ajustado es 26.11% y el valor F es 35.64 con un valor p extremadamente pequeño, lo que indica que el modelo es significativo en general.

## 
## Call:
## lm(formula = total ~ edad, data = total_edad)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -9394.2 -2921.5  -312.4  2543.3  7928.0 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 11137.22     842.39   13.22  < 2e-16 ***
## edad          -88.65      14.85   -5.97  3.9e-08 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 4223 on 97 degrees of freedom
## Multiple R-squared:  0.2687, Adjusted R-squared:  0.2611 
## F-statistic: 35.64 on 1 and 97 DF,  p-value: 3.896e-08

- Regresión Lineal de Movimientos por Edad y Género

En este modelo de regresión lineal simple entre edad y género en donde intentamos predecir la variable edad en conjunto con la variable del genero (hombre - mujer), encontrando el error estándar residual es 2120, el Multiple R-squared (R-cuadrado múltiple) aproximadamente el 25.98% de la variabilidad, el R-cuadrado ajustado es 25.60%, el valor F es 68.43 con un valor p extremadamente pequeño, lo que indica que el modelo es significativo en general.

## 
## Call:
## lm(formula = total ~ edad, data = total_edad_genero)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -4708.4 -1497.0  -168.4  1393.3  4223.8 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 5556.367    299.838  18.531  < 2e-16 ***
## edad         -43.949      5.313  -8.272 2.02e-14 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 2120 on 195 degrees of freedom
## Multiple R-squared:  0.2598, Adjusted R-squared:  0.256 
## F-statistic: 68.43 on 1 and 195 DF,  p-value: 2.024e-14

- Modelo de Regresión Simple Lineal de las Salidas

Con este modelo intentamos predecir la variable “salidas” utilizando solo una variable predictora llamada “edad”, es decir salidas por Edad. En este caso, el R-cuadrado ajustado es 29.0% y valor F es 41.04 con un valor p extremadamente pequeño, lo que indica que el modelo es significativo en general.

El “MSE” o “Mean Squared Error” (Error Cuadrático Medio) y el “MAE” o “Mean Absolute Error” (Error Absoluto Medio) son dos métricas comunes para evaluar la precisión de un modelo de regresión más alto entendemos que el modelo no está prediciendo tan bien los datos reales, por este motivo emplear este método de regresión simple no sería lo adecuado.

## 
## Call:
## lm(formula = salidas ~ edad, data = datos_salidas)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -4856.4 -1462.6   -75.4  1306.5  4030.1 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 5923.394    430.116  13.772  < 2e-16 ***
## edad         -48.573      7.583  -6.406 5.37e-09 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 2156 on 97 degrees of freedom
## Multiple R-squared:  0.2973, Adjusted R-squared:   0.29 
## F-statistic: 41.04 on 1 and 97 DF,  p-value: 5.369e-09

## [1] "MSE:  4554570.42351497"
## [1] "MAE:  1762.837653967"

- Modelo de Regresión Simple Lineal de Movimientos Diarios

En este analisis intentamos predecir mediante la variable predictora llamada “dia_anio”. en donde las diferencias entre los valores observados y los valores predichos por el modelo, nos muestran que en este caso, “***” significa altamente significativo, lo que indica que tanto el intercepto como el coeficiente de “dia_anio” son significativos a un nivel muy alto.

Pero al obtener un “Mean Squared Error” más alto entendemos que el modelo no está prediciendo tan bien los datos reales, por este motivo emplear este método de regresión simple no sería lo adecuado.

## 
## Call:
## lm(formula = total ~ dia_anio, data = total_diario)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1343.33  -434.97    31.01   417.65  1505.42 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 4706.2422   220.6950  21.325  < 2e-16 ***
## dia_anio      -3.8436     0.7921  -4.852 2.61e-06 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 570.7 on 182 degrees of freedom
## Multiple R-squared:  0.1145, Adjusted R-squared:  0.1097 
## F-statistic: 23.54 on 1 and 182 DF,  p-value: 2.613e-06

## [1] "Mean Squared Error: 322184.587250493"
## [1] "Adjusted R-squared: 0.109682002546852"
## [1] "Mean Squared Error: 1235385.24731767"

- Modelo de efectos aleatorios

En este modelo podemos notar una vía para un panel no equilibrado. En donde consideramos los registros tomados y el tiempo.

Este resumen proporciona información sobre cómo el modelo explica la variabilidad en la variable dependiente y cómo las diferentes entidades contribuyen a esta variabilidad. En este caso, el modelo parece tener poco poder explicativo, ya que el R-cuadrado es muy bajo.

## Oneway (individual) effect Random Effect Model 
##    (Swamy-Arora's transformation)
## 
## Call:
## plm(formula = total ~ dia_anio, data = datos_panel, model = "random")
## 
## Unbalanced Panel: n = 173, T = 1-184, N = 9382
## 
## Effects:
##                    var  std.dev share
## idiosyncratic  3331.77    57.72 0.075
## individual    40898.58   202.23 0.925
## theta:
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##  0.7255  0.9712  0.9786  0.9699  0.9790  0.9790 
## 
## Residuals:
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
## -461.05   -7.00   -1.61    0.84    3.72  714.31 
## 
## Coefficients:
##              Estimate Std. Error z-value  Pr(>|z|)    
## (Intercept) 43.734502  15.724871  2.7812  0.005415 ** 
## dia_anio    -0.077738   0.011501 -6.7592 1.388e-11 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Total Sum of Squares:    30996000
## Residual Sum of Squares: 30861000
## R-Squared:      0.004595
## Adj. R-Squared: 0.0044889
## Chisq: 45.6867 on 1 DF, p-value: 1.3876e-11

- Test de Hausman

Con el Test de Hausman comparamos dos estimadores del modelo, uno consistente y otro inconsistente. En este caso, el valor de chi-cuadrado es 0.0011035, ponemos, hay un grado de libertad y en el p-valor obtenemos el resultado al menos tan extremo como el observado, si la hipótesis nula es verdadera. En este caso, el valor p es 0.9735 y en la hipótesis alternativa se está considerando que uno de los modelos es inconsistente.

Dado que el p-valor es alto (0.9735), no hay suficiente evidencia para rechazar la hipótesis nula. Por lo tanto, no se encontraron diferencias significativas entre los dos modelos. En otras palabras, no hay suficiente evidencia para decir que uno de los modelos es inconsistente en comparación con el otro.

## 
##  Hausman Test
## 
## data:  total ~ dia_anio
## chisq = 0.0011035, df = 1, p-value = 0.9735
## alternative hypothesis: one model is inconsistent

- Modelo ARIMA

En este modelo de serie temporal ARIMA basados en los movimientos diarios, “Mean Squared Error” (Error Cuadrático Medio) es de 1235385.24731767, indica que, en promedio, las predicciones del modelo están desviadas de los valores reales en aproximadamente 1235385.24731767 unidades cuadradas, en el contexto de la variable dependiente que estamos prediciendo.

Un MSE más bajo indica un mejor ajuste del modelo a los datos, ya que significa que las predicciones del modelo están más cerca de los valores reales. Por lo tanto, en este caso, deberíamos seguir modelando los datos para obtener un MSE más bajo sería deseable.

## Series: datos_serie_temporal 
## ARIMA(3,1,2) 
## 
## Coefficients:
##           ar1      ar2      ar3     ma1     ma2
##       -1.0202  -1.2272  -0.5452  0.4809  0.7626
## s.e.   0.0835   0.0391   0.0748  0.0672  0.0651
## 
## sigma^2 = 113892:  log likelihood = -1323.66
## AIC=2659.32   AICc=2659.8   BIC=2678.58
## 
## Training set error measures:
##                     ME     RMSE      MAE        MPE     MAPE MASE        ACF1
## Training set -5.154447 331.9315 261.8322 -0.7982511 7.249243  NaN -0.03554451

CONCLUSIONES

Al realizar el siguiente trabajo en donde pudimos comprender y analizar en profundidad los patrones de migración de los Ecuatorianos durante el segundo semestre de 2023 podemos concluir lo siguiente:

  • El realizar una limpieza de datos es fundamental para asegurar la calidad de los datos utilizados en el análisis, al limitar el dataset a los Ecuatorianos residentes que han entrado y salido por el Aeropuerto Mariscal Sucre de Quito durante el segundo semestre del año 2023, se reduce el ruido y pudimos focalizar el análisis en nuestra población de interés, además de permitirnos un mejor manejo de los datos.

  • El correcto análisis descriptivo nos permitió comprender que la distribución y variabilidad de las entradas y salidas de los Ecuatorianos durante el último semestre del 2023, nos brindan información clave sobre la forma en la que se distribuyen de los datos, de esta manera se pueden tomar decisiones claves con los datos del análisis obtenido.

  • Al crear un modelo estadístico mediante la regresión lineal logramos tener una comprensión más profunda de las entradas y salidas del país durante el segundo semestre de 2023, mediante este modelo pudimos identificar relaciones entre variables edad, edad - genero, y así entender que la edad es uno de los factores que influyen en los flujos migratorios debido a que en todos los casos de regresión revisados en este trabajo el modelo fue significativo en general.

  • Al emplear el modelos de series temporales ARIMA basados en los movimientos diarios, logramos analizar la evolución de las entradas y salidas a lo largo del tiempo, logramos identificar tendencias y patrones estacionales que nos permiten predecir futuros comportamientos, con esto logramos información útil para la toma de decisiones en relación con la gestión de la migración.

INTERPRETACIÓN

En este análisis, exploramos las tendencias de entrada y salida de ecuatorianos durante el segundo semestre de 2023.

A continuación, resumimos nuestros hallazgos:

  • Movimiento durante el segundo semestre: Durante los meses de julio a diciembre, observamos un aumento en las entradas y salidas de ecuatorianos. Esto podría estar relacionado con las vacaciones, eventos culturales o razones laborales. Los datos sugieren que la movilidad es alta en esta época del año.

  • Mes con mayor movimiento: El mes de agosto registró la mayor actividad, con un flujo significativo de ecuatorianos entrando y saliendo del país. Esto podría deberse a eventos específicos, como festivales o temporadas de viaje.

  • Grupos de edad: Los grupos de edad más activos fueron los jóvenes adultos (19-30 años) y los adultos de mediana edad (31-45 años). Los niños y los adultos mayores también mostraron cierta movilidad, aunque en menor medida.

  • Género: No se observaron diferencias significativas entre hombres y mujeres en términos de movimientos. Ambos géneros participaron activamente en las entradas y salidas.

  • Motivo de viaje: Los motivos más comunes para viajar fueron turismo, negocios y visitas familiares. Algunos ecuatorianos también viajaron por motivos de estudio o salud.

  • Destinos populares: Los destinos más frecuentes fueron países vecinos, como Colombia y Perú. También hubo un flujo constante hacia Estados Unidos y España.

Durante la elaboración de este trabajo, hemos realizado la interpretación tanto de los gráficos como de los cálculos, en cada uno de los diferentes apartados, proceso que nos ha permitido profundizar en la comprensión de los datos para enriquecer nuestro análisis.

RECOMENDACIÓN FINAL

Luego de realizar este trabajo nos vemos en la necesidad de recomendar que para un análisis exhaustivo y para poder probar mayormente nuestro modelado tanto de Regresión como de Series temporales, lo recomendable sería cargar un Dataframe de unos semestres más.