Quality managment and labor productivity of formal companies in Perú: A non – experimental design and causal machine learning techniques

Mario Tello; Daniel Tello

Enviar artículo

Gestión de calidad y productividad laboral de las empresas en el Perú: Un diseño no experimental y técnicas de machine learning causal

Autores/as

Mario Tello Universidad Nacional Mayor de San Marcos https://orcid.org/0000-0001-7929-0116
Daniel Tello University of Virginia

Vol. 51 Núm. 1 (2024): Junio

Resumen

Este trabajo evalúa los impactos de las herramientas de gestión de calidad sobre la productividad laboral de las empresas del Perú para el periodo 2014-2019 basados en técnicas de Machine Learning (ML, en inglés) causal (MLC), las cuales reducen o eliminan tres potenciales problemas: la endogeneidad de las variables de interés, la existencia de variables confusas (confounding) y el sobre ajuste (overfitting) por la introducción de un número grande de variables de control. Usando la Encuesta Nacional de Empresas (INEI-ENE 2023), la evaluación señala que las herramientas de control de calidad inciden en la productividad de las empresas formales, particularmente de las empresas grandes y medianas.

Palabras clave:

Productividad Laboral, Gestión de Calidad, Machine Learning

Descargas

Cómo citar

Tello, M., & Tello, D. (2024). Gestión de calidad y productividad laboral de las empresas en el Perú: Un diseño no experimental y técnicas de machine learning causal. Estudios De Economía, 51(1), pp. 117–158. Recuperado a partir de https://revistaestudiospoliticaspublicas.uchile.cl/index.php/EDE/article/view/75138 (Original work published 28 de junio de 2024)