Cuando la productividad agregada sobrediagnostica el deterioro
Geología, frontera estocástica, estados operativos y machine learning monótono aplicados al panel de minería en Codelco, 2000–2021
Sobre un panel trimestral de siete divisiones de Codelco (2000–2021), este paper demuestra que el aparente deterioro de productividad corporativa está parcialmente sobrediagnosticado: al separar geología, ineficiencia técnica y persistencia de regímenes operativos, el diagnóstico cambia sustantivamente. La arquitectura combina frontera estocástica translog, boosting monótono con restricciones de monotonicidad económica, un Hidden Markov Model gaussiano de tres estados y descomposición FHK. El hallazgo central: en las divisiones con deterioro efectivo, el 91.9% del arrastre ponderado proviene de geología y operación; la ineficiencia técnica explica solo el 3.2%.
Acceso al documento
El artículo abarca la metodología formal, la formulación matemática de la imposición de monotonicidad en XGBoost sobre los estados recónditos (HMM), los apéndices econométricos y los datos desagregados, todo censurado en la previsualización. Contacta directamente para autorización académica.
Contactar por LinkedIn