Introducción

El objetivo de este proyecto es analizar la evolución del desarrollo global utilizando el dataset de indicadores proporcionados por el Banco Mundial, identificando patrones de crecimiento, disparidades socioeconómicas y dinámicas evolutivas entre naciones.

El desarrollo mundial no es un fenómeno unidimensional; es el resultado de una interacción compleja entre factores económicos, sociales y ambientales. El dataset del Banco Mundial presenta dos desafíos estructurales para el análisis convencional:

Para abordar esta complejidad, este proyecto propone un Análisis Factorial Dual (DMFA), el cual permite:

Entendimiento y Preparación de los Datos

El dataset tiene las siguientes variables:

Variable Descripción
Country Name Nombre del país
Country Code Código ISO del país
Series Name Nombre del indicador
Series Code Código del indicador
2016 [YR2016] … 2025 [YR2025] Valor por año del indicador

El dataset tiene un total de 52 indicadores de desarrollo para 20 países durante el periodo de estudio (2016 - 2025):

Series Name Series Code Descripción
Adolescent fertility rate (births per 1,000 women ages 15-19) SP.ADO.TFRT Número de nacimientos por cada 1,000 mujeres en el rango de edad de 15 a 19 años.
Agriculture, forestry, and fishing, value added (% of GDP) NV.AGR.TOTL.ZS Valor agregado neto del sector primario (agricultura, silvicultura y pesca) como porcentaje del PIB.
Annual freshwater withdrawals, total (% of internal resources) ER.H2O.FWTL.ZS Extracciones anuales totales de agua dulce de fuentes superficiales y subterráneas.
Births attended by skilled health staff (% of total) SH.STA.BRTC.ZS Porcentaje de partos asistidos por personal de salud capacitado (médicos, enfermeras o parteras).
Contraceptive prevalence, any method (% of married women ages 15-49) SP.DYN.CONU.ZS Porcentaje de mujeres casadas o en unión de 15 a 49 años que utilizan cualquier forma de anticoncepción.
Domestic credit provided by financial sector (% of GDP) FS.AST.DOMS.GD.ZS Recursos financieros otorgados al sector privado por parte de las instituciones financieras como porcentaje del PIB.
Electric power consumption (kWh per capita) EG.USE.ELEC.KH.PC Consumo de energía eléctrica promedio medido en kilovatios-hora por cada habitante.
Energy use (kg of oil equivalent per capita) EG.USE.PCAP.KG.OE Uso de energía primaria antes de su transformación, expresado en kilogramos equivalentes de petróleo per cápita.
Exports of goods and services (% of GDP) NE.EXP.GNFS.ZS Valor de todos los bienes y servicios de mercado suministrados al resto del mundo como porcentaje del PIB.
External debt stocks, total (DOD, current US$) DT.DOD.DECT.CD Suma de la deuda pública, con garantía pública y privada no garantizada a largo plazo en dólares estadounidenses.
Fertility rate, total (births per woman) SP.DYN.TFRT.IN Número de hijos que tendría una mujer si viviera hasta el final de sus años reproductivos según las tasas actuales.
Foreign direct investment, net inflows (BoP, current US$) BX.KLT.DINV.CD.WD Inversiones netas de capital para obtener una participación de gestión en una empresa residente en una economía distinta a la del inversor.
Forest area (sq. km) AG.LND.FRST.K2 Porcentaje de la superficie terrestre cubierta por bosques naturales o plantados.
GDP (current US$) NY.GDP.MKTP.CD Producto Interno Bruto: valor total de la producción de bienes y servicios finales dentro de un país en dólares actuales.
GDP growth (annual %) NY.GDP.MKTP.KD.ZG Tasa de crecimiento porcentual anual del PIB a precios de mercado basada en moneda local constante.
GNI per capita, Atlas method (current US$) NY.GNP.PCAP.CD Ingreso Nacional Bruto dividido por la población media del año, convertido a dólares mediante el método Atlas del Banco Mundial.
GNI per capita, PPP (current international $) NY.GNP.PCAP.PP.CD Ingreso Nacional Bruto convertido a dólares internacionales usando paridad de poder adquisitivo para permitir comparaciones reales.
GNI, Atlas method (current US$) NY.GNP.ATLS.CD Valor total de la producción de los residentes de un país (INB) convertido a dólares por el método Atlas.
GNI, PPP (current international $) NY.GNP.MKTP.PP.CD Ingreso Nacional Bruto total ajustado por el poder adquisitivo local (expresado en dólares internacionales actuales).
Gross capital formation (% of GDP) NE.GDI.TOTL.ZS Inversiones en activos fijos de la economía más cambios netos en el nivel de inventarios como porcentaje del PIB.
High-technology exports (% of manufactured exports) TX.VAL.TECH.MF.ZS Exportaciones de productos con alta intensidad en investigación y desarrollo, como aeroespacial, informática y farmacéuticos.
Immunization, measles (% of children ages 12-23 months) SH.IMM.MEAS Porcentaje de niños de entre 12 y 23 meses que han recibido la vacuna contra el sarampión.
Imports of goods and services (% of GDP) NE.IMP.GNFS.ZS Valor de todos los bienes y servicios de mercado recibidos del resto del mundo como porcentaje del PIB.
Income share held by lowest 20% SI.DST.FRST.20 Porcentaje del ingreso o consumo total que corresponde al 20% más pobre de la población.
Industry (including construction), value added (% of GDP) NV.IND.TOTL.ZS Valor agregado neto del sector industrial (minería, manufactura, construcción y servicios públicos) como porcentaje del PIB.
Inflation, GDP deflator (annual %) NY.GDP.DEFL.KD.ZG Tasa de variación anual de los precios para la economía en su conjunto, medida por el deflactor del PIB.
Life expectancy at birth, total (years) SP.DYN.LE00.IN Promedio de años que viviría un recién nacido si los patrones de mortalidad actuales se mantuvieran constantes.
Merchandise trade (% of GDP) TG.VAL.TOTL.GD.ZS Suma de las exportaciones e importaciones de mercancías valoradas en dólares como porcentaje del PIB.
Military expenditure (% of GDP) MS.MIL.XPND.GD.ZS Gastos corrientes y de capital de las fuerzas armadas y defensa nacional como porcentaje del PIB.
Mobile cellular subscriptions (per 100 people) IT.CEL.SETS.P2 Número de suscripciones a servicios de telefonía móvil por cada 100 habitantes.
Mortality rate, under-5 (per 1,000 live births) SH.DYN.MORT Probabilidad de morir antes de cumplir los cinco años, expresada por cada 1,000 nacidos vivos.
Net barter terms of trade index (2015 = 100) TT.PRI.MRCH.XD.WD Relación porcentual entre los índices de precios de exportación y los de importación.
Net migration SM.POP.NETM Número neto total de inmigrantes (entradas menos salidas) durante un periodo determinado.
Net official development assistance and official aid received (current US$) DT.ODA.ALLD.CD Flujos netos de ayuda oficial al desarrollo para promover el bienestar económico y social de países en desarrollo.
Personal remittances, received (current US$) BX.TRF.PWKR.CD.DT Transferencias personales y compensación de empleados enviadas por trabajadores en el extranjero a residentes del país.
Population density (people per sq. km of land area) EN.POP.DNST Número de personas residentes por cada kilómetro cuadrado de superficie terrestre.
Population growth (annual %) SP.POP.GROW Tasa de variación porcentual anual de la población total de un país o territorio.
Population, total SP.POP.TOTL Recuento total de todos los residentes de un país, independientemente de su estatus legal o ciudadanía.
Poverty headcount ratio at $3.00 a day (2021 PPP) (% of population) SI.POV.DDAY Porcentaje de la población que vive con menos de $3.00 dólares internacionales al día (umbral de pobreza extrema).
Poverty headcount ratio at national poverty lines (% of population) SI.POV.NAHC Porcentaje de la población que vive por debajo de los umbrales de pobreza definidos por cada gobierno nacional.
Prevalence of HIV, total (% of population ages 15-49) SH.DYN.AIDS.ZS Porcentaje de la población de entre 15 y 49 años que vive con el virus del VIH/SIDA.
Prevalence of underweight, weight for age (% of children under 5) SH.STA.MALN.ZS Porcentaje de niños menores de cinco años cuyo peso es inferior al promedio para su edad (indicador de desnutrición).
Primary completion rate, total (% of relevant age group) SE.PRM.CMPT.ZS Porcentaje de estudiantes que completan satisfactoriamente el último grado de la educación primaria.
Revenue, excluding grants (% of GDP) GC.REV.XGRT.GD.ZS Ingresos del gobierno central por impuestos y contribuciones, excluyendo donaciones externas, como porcentaje del PIB.
School enrollment, primary (% gross) SE.PRM.ENRR Ratio bruto de matriculación en educación primaria (puede superar el 100% por alumnos de diversas edades).
School enrollment, primary and secondary (gross), gender parity index (GPI) SE.ENR.PRSC.FM.ZS Proporción de niñas con respecto a niños matriculados en los niveles primario y secundario en escuelas públicas y privadas.
School enrollment, secondary (% gross) SE.SEC.ENRR Ratio bruto de matriculación en educación secundaria respecto a la población en edad escolar oficial.
Surface area (sq. km) AG.SRF.TOTL.K2 Superficie total del país, incluyendo la extensión de tierra firme y las aguas continentales interiores.
Tax revenue (% of GDP) GC.TAX.TOTL.GD.ZS Ingresos recaudados por el gobierno mediante impuestos obligatorios como porcentaje del PIB.
Terrestrial and marine protected areas (% of total territorial area) ER.PTD.TOTL.ZS Porcentaje de las áreas terrestres y marinas designadas como protegidas para la conservación de la biodiversidad.
Total debt service (% of exports of goods, services and primary income) DT.TDS.DECT.EX.ZS Pagos de principal e intereses de la deuda externa a largo plazo como porcentaje de las exportaciones totales.
Urban population growth (annual %) SP.URB.GROW Tasa de crecimiento porcentual anual de la población que reside en zonas clasificadas como urbanas.

A continuación tenemos la visualización del dataset:

Primeras filas de la base de datos
Country Name Country Code Series Name Series Code 2016 [YR2016] 2017 [YR2017] 2018 [YR2018] 2019 [YR2019] 2020 [YR2020] 2021 [YR2021] 2022 [YR2022] 2023 [YR2023] 2024 [YR2024] 2025 [YR2025]
Argentina ARG Adolescent fertility rate (births per 1,000 women ages 15-19) SP.ADO.TFRT 58.790000 55.022000 49.926000 41.751000 31.492000 28.540000 25.767000 26.414000 NA NA
Argentina ARG Agriculture, forestry, and fishing, value added (% of GDP) NV.AGR.TOTL.ZS 6.264566 5.231622 4.537879 5.318556 6.357034 7.291283 6.541569 5.846779 5.806017 NA
Argentina ARG Annual freshwater withdrawals, total (% of internal resources) ER.H2O.FWTL.ZS 12.907534 12.907534 12.907534 12.907534 12.907534 12.907534 12.907534 NA NA NA
Argentina ARG Births attended by skilled health staff (% of total) SH.STA.BRTC.ZS 98.400000 93.900000 99.500000 99.600000 98.800000 NA NA NA NA NA
Argentina ARG Contraceptive prevalence, any method (% of married women ages 15-49) SP.DYN.CONU.ZS NA NA NA NA 70.102709 NA NA NA NA NA
Argentina ARG Domestic credit provided by financial sector (% of GDP) FS.AST.DOMS.GD.ZS 37.932248 38.868398 NA 37.844344 45.779639 40.722272 41.459830 78.918331 39.710470 NA

Se observa que el dataset cuenta con un formato long, la cual no es la estructura requerida para el análisis DMFA, por ende, se modifica a wide.

Se procede a validar los datos faltantes del dataset:

## **Total de datos faltantes en la base:** 2748
Datos faltantes por cada variable
Variable Faltantes
Country Name 0
Country Code 0
Series Name 0
Series Code 0
2016 [YR2016] 123
2017 [YR2017] 126
2018 [YR2018] 121
2019 [YR2019] 127
2020 [YR2020] 132
2021 [YR2021] 164
2022 [YR2022] 180
2023 [YR2023] 230
2024 [YR2024] 527
2025 [YR2025] 1018

De acuerdo con la tabla anterior, se observa que los años 2024 y 2025 cuentan con mayor número de datos faltantes, por lo tanto, serán excluidos del análisis.

Con el fin de continuar con el análisis se decide identificar los valores faltantes por indicador.

Datos faltantes por cada indicador
N Indicador NA_total
1 SP.DYN.CONU.ZS 135
2 SH.STA.MALN.ZS 131
3 FS.AST.DOMS.GD.ZS 109
4 DT.ODA.ALLD.CD 104
5 DT.DOD.DECT.CD 97
6 SH.STA.BRTC.ZS 96
7 DT.TDS.DECT.EX.ZS 96
8 SI.POV.NAHC 90
9 SE.ENR.PRSC.FM.ZS 62
10 SE.PRM.CMPT.ZS 60
11 SH.DYN.AIDS.ZS 56
12 SI.DST.FRST.20 39
13 SI.POV.DDAY 39
14 GC.REV.XGRT.GD.ZS 21
15 GC.TAX.TOTL.GD.ZS 21
16 ER.H2O.FWTL.ZS 20
17 SE.SEC.ENRR 13
18 SE.PRM.ENRR 4
19 NV.AGR.TOTL.ZS 2
20 EG.USE.ELEC.KH.PC 2
21 EG.USE.PCAP.KG.OE 2
22 TX.VAL.TECH.MF.ZS 2
23 NV.IND.TOTL.ZS 2
24 SP.ADO.TFRT 0
25 NE.EXP.GNFS.ZS 0
26 SP.DYN.TFRT.IN 0
27 BX.KLT.DINV.CD.WD 0
28 AG.LND.FRST.K2 0
29 NY.GDP.MKTP.CD 0
30 NY.GDP.MKTP.KD.ZG 0
31 NY.GNP.PCAP.CD 0
32 NY.GNP.PCAP.PP.CD 0
33 NY.GNP.ATLS.CD 0
34 NY.GNP.MKTP.PP.CD 0
35 NE.GDI.TOTL.ZS 0
36 SH.IMM.MEAS 0
37 NE.IMP.GNFS.ZS 0
38 NY.GDP.DEFL.KD.ZG 0
39 SP.DYN.LE00.IN 0
40 TG.VAL.TOTL.GD.ZS 0
41 MS.MIL.XPND.GD.ZS 0
42 IT.CEL.SETS.P2 0
43 SH.DYN.MORT 0
44 TT.PRI.MRCH.XD.WD 0
45 SM.POP.NETM 0
46 BX.TRF.PWKR.CD.DT 0
47 EN.POP.DNST 0
48 SP.POP.GROW 0
49 SP.POP.TOTL 0
50 AG.SRF.TOTL.K2 0
51 ER.PTD.TOTL.ZS 0
52 SP.URB.GROW 0

Dada la cantidfdad de faltantes de algunos indicadores se decide trabajar únicamente con los que están completos, manteniendo 29 indicadores de desarrollo.

A continuación, se validan los tipos de datos de las variables y las estadísticas descriptivas del dataset después de ser transformado y tratar los NAs.

Estructura
Variable Tipo NA.
Country Name Country Name character 0
Country Code Country Code character 0
Year Year integer 0
SP.ADO.TFRT SP.ADO.TFRT numeric 0
NE.EXP.GNFS.ZS NE.EXP.GNFS.ZS numeric 0
SP.DYN.TFRT.IN SP.DYN.TFRT.IN numeric 0
BX.KLT.DINV.CD.WD BX.KLT.DINV.CD.WD numeric 0
AG.LND.FRST.K2 AG.LND.FRST.K2 numeric 0
NY.GDP.MKTP.CD NY.GDP.MKTP.CD numeric 0
NY.GDP.MKTP.KD.ZG NY.GDP.MKTP.KD.ZG numeric 0
NY.GNP.PCAP.CD NY.GNP.PCAP.CD numeric 0
NY.GNP.PCAP.PP.CD NY.GNP.PCAP.PP.CD numeric 0
NY.GNP.ATLS.CD NY.GNP.ATLS.CD numeric 0
NY.GNP.MKTP.PP.CD NY.GNP.MKTP.PP.CD numeric 0
NE.GDI.TOTL.ZS NE.GDI.TOTL.ZS numeric 0
SH.IMM.MEAS SH.IMM.MEAS numeric 0
NE.IMP.GNFS.ZS NE.IMP.GNFS.ZS numeric 0
NY.GDP.DEFL.KD.ZG NY.GDP.DEFL.KD.ZG numeric 0
SP.DYN.LE00.IN SP.DYN.LE00.IN numeric 0
TG.VAL.TOTL.GD.ZS TG.VAL.TOTL.GD.ZS numeric 0
MS.MIL.XPND.GD.ZS MS.MIL.XPND.GD.ZS numeric 0
IT.CEL.SETS.P2 IT.CEL.SETS.P2 numeric 0
SH.DYN.MORT SH.DYN.MORT numeric 0
TT.PRI.MRCH.XD.WD TT.PRI.MRCH.XD.WD numeric 0
SM.POP.NETM SM.POP.NETM numeric 0
BX.TRF.PWKR.CD.DT BX.TRF.PWKR.CD.DT numeric 0
EN.POP.DNST EN.POP.DNST numeric 0
SP.POP.GROW SP.POP.GROW numeric 0
SP.POP.TOTL SP.POP.TOTL numeric 0
AG.SRF.TOTL.K2 AG.SRF.TOTL.K2 numeric 0
ER.PTD.TOTL.ZS ER.PTD.TOTL.ZS numeric 0
SP.URB.GROW SP.URB.GROW numeric 0
Data summary
Name BaseRaw
Number of rows 160
Number of columns 32
_______________________
Column type frequency:
character 2
numeric 30
________________________
Group variables None

Variable type: character

skim_variable n_missing complete_rate min max empty n_unique whitespace
Country Name 0 1 5 18 0 20 0
Country Code 0 1 3 3 0 20 0

Variable type: numeric

skim_variable n_missing complete_rate mean sd p0 p25 p50 p75 p100 hist
Year 0 1 2.019500e+03 2.300000e+00 2.016000e+03 2.017750e+03 2.019500e+03 2.021250e+03 2.023000e+03 ▇▃▇▃▇
SP.ADO.TFRT 0 1 1.571000e+01 1.700000e+01 5.400000e-01 4.300000e+00 9.990000e+00 1.726000e+01 6.614000e+01 ▇▂▁▁▁
NE.EXP.GNFS.ZS 0 1 3.192000e+01 1.790000e+01 1.021000e+01 1.919000e+01 2.922000e+01 3.687000e+01 9.644000e+01 ▇▇▁▁▁
SP.DYN.TFRT.IN 0 1 1.660000e+00 3.800000e-01 7.200000e-01 1.430000e+00 1.620000e+00 1.890000e+00 2.670000e+00 ▁▅▇▃▁
BX.KLT.DINV.CD.WD 0 1 5.438491e+10 1.113134e+11 -3.434028e+11 1.382370e+10 3.430245e+10 6.777220e+10 4.779560e+11 ▁▁▇▁▁
AG.LND.FRST.K2 0 1 1.175147e+06 2.029550e+06 3.657600e+03 8.594417e+04 2.381168e+05 1.049551e+06 8.153120e+06 ▇▁▁▁▁
NY.GDP.MKTP.CD 0 1 3.590162e+12 5.365716e+12 3.857405e+11 1.098939e+12 1.739261e+12 2.914379e+12 2.729217e+13 ▇▁▁▁▁
NY.GDP.MKTP.KD.ZG 0 1 2.300000e+00 3.840000e+00 -1.094000e+01 1.100000e+00 2.370000e+00 4.650000e+00 1.200000e+01 ▁▂▇▆▁
NY.GNP.PCAP.CD 0 1 3.201488e+04 2.317389e+04 1.670000e+03 1.022500e+04 3.250000e+04 4.618500e+04 9.574000e+04 ▇▅▅▁▁
NY.GNP.PCAP.PP.CD 0 1 4.195319e+04 2.069006e+04 5.730000e+03 2.274250e+04 4.422000e+04 5.831000e+04 9.223000e+04 ▆▃▇▅▁
NY.GNP.ATLS.CD 0 1 3.612966e+12 5.402358e+12 4.086288e+11 1.087273e+12 1.688689e+12 3.020341e+12 2.694500e+13 ▇▁▁▁▁
NY.GNP.MKTP.PP.CD 0 1 5.378083e+12 6.903521e+12 5.606712e+11 1.906081e+12 2.978725e+12 4.887371e+12 3.525977e+13 ▇▁▁▁▁
NE.GDI.TOTL.ZS 0 1 2.494000e+01 6.460000e+00 1.421000e+01 2.086000e+01 2.324000e+01 2.899000e+01 4.331000e+01 ▃▇▃▂▁
SH.IMM.MEAS 0 1 9.304000e+01 5.570000e+00 7.200000e+01 9.100000e+01 9.500000e+01 9.700000e+01 9.900000e+01 ▁▁▁▃▇
NE.IMP.GNFS.ZS 0 1 2.974000e+01 1.538000e+01 1.180000e+01 1.850000e+01 2.623000e+01 3.470000e+01 8.766000e+01 ▇▆▁▁▁
NY.GDP.DEFL.KD.ZG 0 1 7.480000e+00 1.679000e+01 -1.019000e+01 1.250000e+00 3.000000e+00 6.210000e+00 1.367400e+02 ▇▁▁▁▁
SP.DYN.LE00.IN 0 1 7.869000e+01 4.620000e+00 6.728000e+01 7.578000e+01 7.956000e+01 8.271000e+01 8.456000e+01 ▂▂▃▃▇
TG.VAL.TOTL.GD.ZS 0 1 4.988000e+01 2.901000e+01 1.809000e+01 3.134000e+01 4.219000e+01 6.016000e+01 1.777500e+02 ▇▃▁▁▁
MS.MIL.XPND.GD.ZS 0 1 2.050000e+00 1.720000e+00 4.200000e-01 1.060000e+00 1.660000e+00 2.340000e+00 9.850000e+00 ▇▂▁▁▁
IT.CEL.SETS.P2 0 1 1.217000e+02 2.076000e+01 8.018000e+01 1.061700e+02 1.213000e+02 1.317200e+02 1.808400e+02 ▃▇▇▂▁
SH.DYN.MORT 0 1 8.570000e+00 7.870000e+00 2.400000e+00 3.770000e+00 4.500000e+00 1.055000e+01 4.110000e+01 ▇▂▁▁▁
TT.PRI.MRCH.XD.WD 0 1 1.034200e+02 1.635000e+01 7.600000e+01 9.568000e+01 1.003500e+02 1.062000e+02 1.825000e+02 ▅▇▁▁▁
SM.POP.NETM 0 1 1.204601e+05 4.417395e+05 -1.353478e+06 -3.156475e+04 8.780000e+04 2.547418e+05 1.889129e+06 ▁▂▇▁▁
BX.TRF.PWKR.CD.DT 0 1 1.375613e+10 2.099713e+10 2.870404e+08 2.931318e+09 5.350946e+09 1.466498e+10 1.195261e+11 ▇▁▁▁▁
EN.POP.DNST 0 1 1.792500e+02 1.665700e+02 3.140000e+00 3.291000e+01 1.339000e+02 2.465600e+02 5.311100e+02 ▇▅▂▁▃
SP.POP.GROW 0 1 5.800000e-01 8.700000e-01 -2.550000e+00 1.800000e-01 5.400000e-01 8.900000e-01 4.830000e+00 ▁▆▇▁▁
SP.POP.TOTL 0 1 2.296562e+08 3.998303e+08 8.373338e+06 4.622820e+07 7.388498e+07 1.598945e+08 1.438070e+09 ▇▁▁▁▁
AG.SRF.TOTL.K2 0 1 3.409552e+06 4.559389e+06 4.129070e+04 3.437025e+05 1.349465e+06 4.400750e+06 1.712519e+07 ▇▁▂▁▁
ER.PTD.TOTL.ZS 0 1 1.677000e+01 1.129000e+01 2.000000e-01 7.420000e+00 1.470000e+01 2.600000e+01 4.030000e+01 ▇▇▃▅▃
SP.URB.GROW 0 1 9.800000e-01 1.090000e+00 -2.350000e+00 2.900000e-01 8.200000e-01 1.580000e+00 5.030000e+00 ▁▇▇▂▁

Se observa una marcada heterogeneidad en la escala de medición, con variables económicas como el PIB, la deuda externa o la inversión extranjera alcanzando órdenes de magnitud muy elevados (hasta 10^18), mientras que otras variables presentan valores considerablemente menores. Esta diferencia de escalas, junto con las altas desviaciones estándar, evidencia una significativa dispersión en los datos, lo cual sugiere la existencia de fuertes diferencias estructurales entre las observaciones (por ejemplo, entre países o periodos de tiempo). Asimismo, el análisis de percentiles (p0–p100) muestra amplios rangos y una tendencia a la asimetría positiva, indicando la presencia de valores extremos altos (outliers), característica común en variables macroeconómicas. Por otro lado, la aparición de valores negativos en algunos indicadores, como el crecimiento del PIB, la migración neta o el crecimiento poblacional, es consistente con la naturaleza de estos fenómenos y no representa anomalías en los datos. En conjunto, estos hallazgos sugieren que, es recomendable aplicar transformaciones como normalización o escalamiento Para mejorar la comparabilidad entre variables y garantizar la estabilidad en análisis estadísticos.

Histogramas

Continuando con el análisis exploratorio, se observa que la mayoría de los indicadores presentan distribuciones no normales, con predominio de asimetría positiva (sesgo a la derecha). Esto se observa especialmente en variables económicas como el PIB (NY.GDP.MKTP.CD), el ingreso nacional (NY.GNP.ATLS.CD) y la inversión extranjera (BX.KLT.DINV.CD.WD), donde una gran concentración de observaciones se ubica en valores bajos, mientras que unos pocos casos alcanzan valores extremadamente altos. Este patrón sugiere la presencia de outliers estructurales, típicos en datos macroeconómicos donde existen economías significativamente más grandes que otras.

Por otro lado, algunas variables como el crecimiento poblacional (SP.POP.GROW), suscripciones a servicios de telefonía (IT.CEL.SETS.P2) y el crecimiento del PIB (NY.GDP.MKTP.KD.ZG) presentan distribuciones más cercanas a la normalidad, aunque aún con ligeras asimetrías. Estas variables tienden a estar más acotadas y reflejan comportamientos más homogéneos entre las observaciones.

La esperanza de vida (SP.DYN.LE00.IN) presenta una distribución con una concentración en valores altos (entre 80 y 85 años), lo que indica que la mayoría de las observaciones corresponden a países con altos niveles de longevidad. Sin embargo, la presencia de una cola hacia valores más bajos evidencia una asimetría negativa, asociada a un menor número de países con condiciones sanitarias y socioeconómicas menos favorables.

También se identifican variables con distribuciones altamente concentradas o sesgadas, como la inflación (NY.GDP.DEFL.KD.ZG) y el gasto militar (MS.MIL.XPND.GD.ZS), donde la mayoría de valores se agrupan en rangos bajos con colas largas hacia valores altos. Asimismo, indicadores como la migración neta (SM.POP.NETM) muestran una distribución centrada alrededor de cero con presencia de valores extremos tanto positivos como negativos, lo que indica dinámicas migratorias heterogéneas entre países.

Dado que el análisis exploratorio evidenció diferencias importantes en la distribución y magnitud de los indicadores, se incorpora una clasificación de países en economías avanzadas y emergentes, con el objetivo de analizar si existen diferencias estructurales en los indicadores socioeconómicos considerados, ya que estos grupos presentan características distintas en términos de desarrollo, estabilidad económica y acceso a recursos.

Boxplots

El análisis de los boxplots permite identificar de manera clara las brechas estructurales entre las economías avanzadas y emergentes, evidenciando patrones diferenciados en múltiples dimensiones socioeconómicas. En particular, se destacan los indicadores asociados al bienestar y la calidad de vida, donde se observa una separación marcada entre ambos grupos. Variables como la esperanza de vida (SP.DYN.LE00.IN) muestran una alta concentración en valores elevados y homogéneos para las economías avanzadas, mientras que en las emergentes existe una mayor dispersión y niveles más bajos. De manera similar, indicadores como la mortalidad infantil (SH.DYN.MORT) y la fertilidad adolescente (SP.ADO.TFRT) presentan valores significativamente más bajos y estables en economías avanzadas, en contraste con una alta variabilidad en las emergentes. Asimismo, el ingreso nacional bruto per cápita (NY.GNP.PCAP.PP.CD) se consolida como uno de los principales factores diferenciadores, con niveles considerablemente superiores en economías avanzadas.

Por otro lado, al analizar variables relacionadas con el dinamismo económico, se identifican patrones interesantes que complementan la lectura anterior. Aunque las economías avanzadas presentan mayores niveles de riqueza, las economías emergentes muestran, en promedio, mayores tasas de crecimiento del PIB (NY.GDP.MKTP.KD.ZG), lo que refleja procesos activos de expansión económica. Sin embargo, este mayor dinamismo también está acompañado de una mayor volatilidad, evidenciada en la presencia de valores atípicos negativos asociados a episodios de crisis. En la misma línea, el crecimiento urbano (SP.URB.GROW) es más acelerado en economías emergentes, mientras que en las avanzadas se observa una tendencia más estable o incluso estancada, lo que sugiere diferentes etapas en los procesos de desarrollo.

En cuanto a la estructura económica y el grado de apertura, los resultados muestran un mayor nivel de solapamiento entre ambos grupos. Indicadores como el comercio de mercancías (TG.VAL.TOTL.GD.ZS) reflejan comportamientos relativamente similares, lo que indica que la integración en los mercados internacionales no es exclusiva de las economías avanzadas. De igual forma, el gasto militar (MS.MIL.XPND.GD.ZS) presenta medianas comparables entre ambos grupos; sin embargo, las economías emergentes exhiben una mayor dispersión y la presencia de valores extremos, lo cual puede estar asociado a contextos específicos como conflictos o prioridades estratégicas diferenciadas.

Finalmente, en lo relacionado con sostenibilidad y protección ambiental, se observa que las economías avanzadas tienden a presentar mayores niveles de áreas protegidas (ER.PTD.TOTL.ZS) y menor variabilidad, mientras que las economías emergentes muestran una distribución más heterogénea. Esto refleja los desafíos que enfrentan estos países para equilibrar el crecimiento económico con la conservación de los recursos naturales.

Modelado

Se implementó un Análisis Factorial Dual (DMFA) para modelar la evolución temporal de los indicadores entre 2016 y 2023. El modelo utiliza la variable Año como eje cronológico de la base de datos, permitiendo comparar la estructura de los indicadores en diferentes periodos.Asimismo, se integró el Tipo de economía como variable cualitativa suplementaria, lo que permite proyectar y contrastar los grupos Avanzado y Emergente.

El modelo DMFA logra una reducción dimensional eficiente, reteniendo el 42.25% de la información original en las dos primeras dimensiones.

Varianza Explicada por cada Componente
eigenvalue percentage of variance cumulative percentage of variance
comp 1 7.174313 24.73901 24.73901
comp 2 5.079130 17.51424 42.25325

Dimensiones Principales

Analizando el peso de cada uno de los indicadores en las dos dimensiones que explican la mayor variabilidad, tenemos:

*Dim 1: Índice de Desarrollo Humano

Sus mayores pesos están en Esperanza de vida (SP.DYN.LE00.IN: 9.33), Ingreso Nacional Bruto per cápita (NY.GNP.PCAP.PP.CD: 9.01) y Mortalidad infantil (SH.DYN.MORT: 7.80). Este eje separa a los países por sus condiciones de vida fundamentales. También incluye variables de apertura comercial como exportaciones e importaciones, lo que sugiere que, un alto desarrollo humano está fuertemente vinculado a una economía integrada globalmente.

*Dim 2: Magnitud Económica

Los pesos más altos corresponden al Ingreso Nacional Bruto Total (NY.GNP.ATLS.CD: 13.85), el PIB Total (NY.GDP.MKTP.CD: 13.76) y la Inversión Extranjera Directa (BX.KLT.DINV.CD.WD: 9.76). Aquí es donde países como China, India o EE. UU. se diferencian del resto, independientemente de si sus ciudadanos viven bien o no. También captura la Migración Neta (SM.POP.NETM: 8.15), sugiriendo que los grandes flujos migratorios están más correlacionados con el tamaño de la economía que con el bienestar per cápita. Este componente captura la varianza que no tiene que ver con la calidad de vida, sino con la escala de operación de los países. Esto significa que este eje separa a las economías por su volumen de producción.

Contribución porcentual de todos los indicadores al modelo DMFA
Dim.1 Dim.2
SP.DYN.LE00.IN 9.33 2.13
NY.GNP.PCAP.PP.CD 9.01 3.38
SH.DYN.MORT 7.80 4.81
NE.EXP.GNFS.ZS 7.75 1.77
NY.GNP.PCAP.CD 7.42 3.53
NE.IMP.GNFS.ZS 7.33 2.05
SP.POP.TOTL 6.88 0.27
TG.VAL.TOTL.GD.ZS 6.60 1.95
AG.SRF.TOTL.K2 4.02 4.00
NY.GNP.MKTP.PP.CD 3.92 9.52
SP.ADO.TFRT 3.79 2.93
BX.TRF.PWKR.CD.DT 3.45 1.27
SP.DYN.TFRT.IN 2.98 3.31
AG.LND.FRST.K2 2.66 2.06
NY.GDP.MKTP.KD.ZG 2.19 0.06
NE.GDI.TOTL.ZS 1.93 0.01
BX.KLT.DINV.CD.WD 1.65 9.76
EN.POP.DNST 1.62 0.61
NY.GDP.MKTP.CD 1.57 13.76
NY.GNP.ATLS.CD 1.51 13.85
IT.CEL.SETS.P2 1.46 0.52
ER.PTD.TOTL.ZS 1.34 1.79
SM.POP.NETM 0.94 8.15
SH.IMM.MEAS 0.93 2.27
NY.GDP.DEFL.KD.ZG 0.68 1.62
SP.URB.GROW 0.68 1.92
SP.POP.GROW 0.34 1.62
MS.MIL.XPND.GD.ZS 0.20 0.83
TT.PRI.MRCH.XD.WD 0.01 0.25

Análisis de Trayectorias Temporales (2016-2023)

La proyección del tipo de economía revela un patrón de evolución cíclica y una notable resiliencia ante crisis globales. Los puntos clave de esta dinámica son:

El modelo demuestra que, aunque las economías “Avanzada” y “Emergente” tienen realidades distintas, sus trayectorias temporales están fuertemente sincronizadas. Los eventos externos afectan a ambos simultáneamente, pero las economías emergentes muestran picos de dinamismo (Dim. 2) más volátiles, mientras que las avanzadas tienden a una recuperación más gradual en su estructura de bienestar.

Coordenadas de las trayectorias temporales (Dimensiones 1 y 2)
Dim.1 Dim.2
Avanzada 0.0001 -0.0305
Emergente -0.0001 0.0373
AvanzadaGr2016 -1.9892 -1.0328
AvanzadaGr2017 -0.3449 0.8313
AvanzadaGr2018 1.0807 -0.8670
AvanzadaGr2019 1.6447 0.6441
AvanzadaGr2020 -2.5487 -0.3771
AvanzadaGr2021 -0.4983 0.4840
AvanzadaGr2022 0.8414 -0.9168
AvanzadaGr2023 1.8153 0.9902
EmergenteGr2016 -2.4801 -0.5600
EmergenteGr2017 -0.4902 0.2415
EmergenteGr2018 0.3863 -0.4212
EmergenteGr2019 1.9439 1.3384
EmergenteGr2020 -1.6873 -1.2295
EmergenteGr2021 -0.3895 0.6561
EmergenteGr2022 0.7738 -0.6098
EmergenteGr2023 1.9419 0.8829

Mapa de Individuos

El análisis del mapa de individuos revela una fragmentación del escenario global en tres bloques estratégicos definidos por la interacción entre el bienestar y el poder de mercado. El primer bloque, situado en el extremo derecho, agrupa a las economías de alto desarrollo humano, las cuales presentan una base estructural sólida en salud e ingresos; dentro de este, se distinguen claramente las “potencias de escala” (los puntos más altos en el eje vertical), que actúan como outliers debido a su volumen macroeconómico masivo y capacidad de atracción de capital, frente a las naciones desarrolladas de menor tamaño. El segundo bloque, concentrado en el sector izquierdo, comprende a las economías con rezagos estructurales, donde la baja contribución a la Dimensión 1 refleja barreras críticas en desarrollo social que limitan su competitividad internacional.

Finalmente, existe un bloque dinámico de economías emergentes en transición, ubicadas en la zona central, que muestran una mayor sensibilidad a la Dimensión 2, oscilando verticalmente según sus ciclos de inversión y crecimiento del PIB. La cohesión de estos grupos se vio temporalmente alterada por el choque de 2020, que forzó un desplazamiento colectivo hacia el cuadrante negativo de bienestar, pero la rápida reconvergencia observada hacia 2023 demuestra que, aunque el crecimiento económico es volátil, la pertenencia a un bloque de desarrollo depende de factores estructurales de largo plazo.

Estructura de relaciones entre indicadores de desarrollo

El gráfico de variables entre 2016 y 2023 muestra cómo se relacionan los principales indicadores del desarrollo en los países. En lugar de verlos por separado, el modelo permite entender cómo se conectan entre sí dentro de una estructura general del desarrollo económico.

En primer lugar, se observa una relación clara entre los indicadores de bienestar y los de vulnerabilidad social. Variables como la esperanza de vida y el ingreso por persona aparecen en una dirección opuesta a la mortalidad infantil. Esto significa que los países con mejores ingresos suelen tener mejores condiciones de salud y menos mortalidad infantil. En otras palabras, estas variables no se comportan de forma aislada, sino que se mueven juntas dentro de un mismo patrón de desarrollo.

Este resultado se puede entender como una escala de desarrollo humano: en un extremo están los países con mejores condiciones de vida y en el otro aquellos con mayores dificultades sociales. Esto muestra que el desarrollo no es algo separado por indicadores, sino un proceso donde todo está conectado.

En segundo lugar, el gráfico también muestra otra diferencia importante relacionada con el tamaño de las economías. Variables como el PIB total o los ingresos agregados representan qué tan grande es una economía, mientras que otras variables reflejan qué tan bien viven las personas dentro de ella. Esto es importante porque muestra que tener una economía grande no siempre significa tener mejores condiciones de vida.

Cuando se observa el comportamiento a lo largo del tiempo, se nota que esta estructura se mantiene bastante estable entre 2016 y 2023. Es decir, las relaciones entre bienestar, mortalidad e ingreso no cambian de forma drástica. Sin embargo, en momentos de crisis como 2020, estas relaciones se alteran un poco, lo que muestra que los eventos globales pueden afectar temporalmente cómo se conectan estos indicadores.

En general, el gráfico permite ver que el desarrollo económico no depende de un solo factor. Es el resultado de cómo se combinan el ingreso, la salud y las condiciones sociales. Por eso, no basta con que un país crezca económicamente, también importa cómo ese crecimiento se traduce en calidad de vida.

Trayectoria de Desarrollo y Magnitud Económica: Dinámica Temporal del Modelo

La dispersión de los puntos temporales revela una trayectoria de avance estructural hacia la derecha del plano, consolidando el año 2023 como el punto de máxima madurez en la Dimensión 1 (Desarrollo), a pesar de haber experimentado una caída en la escala económica relativa (Dimensión 2). Se observa que el periodo comprendido entre 2016 y 2019 representó una fase de expansión tanto en bienestar como en magnitud de mercado, alcanzando en 2019 el equilibrio óptimo del modelo con las puntuaciones más altas en ambos ejes. El impacto del año 2020 se visualiza como un retroceso significativo hacia la izquierda, marcando una pérdida de terreno en indicadores de desarrollo que rompió la inercia positiva de los años previos. Sin embargo, la dinámica post-pandemia (2021-2023) muestra una evolución interesante: mientras la economía global se desplazaba hacia niveles de bienestar sin precedentes (máximo valor en Dim.1 para 2023), la dimensión de magnitud y flujos de capital (Dim.2) mostró un ajuste a la baja, sugiriendo que el cierre del ciclo analizado prioriza la recuperación de indicadores sociales y de salud sobre la expansión masiva de los mercados financieros que caracterizó al cierre de la década anterior.

Representación Cualitativa

La representación cualitativa del modelo revela una dinámica de oscilación y resiliencia donde el tiempo actúa como un vector de fuerza que desplaza a las naciones entre el bienestar y la escala económica. Se observa una clara segmentación temporal: los años de retroceso y crisis (2016 y 2020) se proyectan con vectores largos hacia el cuadrante negativo de la Dimensión 1, evidenciando periodos donde las condiciones de desarrollo humano y estabilidad se vieron severamente comprometidas a nivel global. Por el contrario, los años más recientes, particularmente 2023 y 2019, se extienden con fuerza hacia el cuadrante positivo de ambas dimensiones, lo que demuestra una recuperación no solo en la calidad de vida, sino también en la escala y dinamismo de los mercados internacionales. Esta configuración en forma de “estrella” con centro en el origen indica que, aunque las economías avanzadas y emergentes tienen puntos de partida distintos, ambas están sujetas a las mismas fuerzas temporales; los vectores de 2021 a 2023 muestran una trayectoria de ascenso diagonal que sugiere una convergencia positiva post-pandemia, donde el crecimiento de la masa económica (Dimensión 2) ha ido acompañado de una recuperación estructural del bienestar (Dimensión 1), superando incluso la inercia negativa de los ciclos previos.

Conclusiones

El análisis mediante el Modelo de Análisis Factorial Dual (DMFA) permite concluir que la arquitectura del sistema internacional está regida por dos fuerzas determinantes e independientes: el Desarrollo Humano (Dimensión 1) y la Magnitud Económica (Dimensión 2). A través de la integración de los hallazgos, se identifican tres puntos clave:

En síntesis, el periodo 2016-2023 marca una transición desde una era de crecimiento acelerado (2019) hacia una fase de recuperación enfocada en la robustez social (2023). El DMFA valida que, ante la volatilidad de los mercados, el bienestar estructural actúa como el principal ancla de estabilidad para las naciones en el escenario internacional.