Modeling economic growth in pandemic times with machine learning regression algorithms

El objetivo es analizar el contraste de políticas para enfrentar la pandemia de Covid-19 en el desempeño socioeconómico de: Italia, México y Estados Unidos. Metodología: Aplicando técnicas de aprendizaje automático (machine learning, ML) para analizar los efectos socioeconómicos de la pandemia (medidas de contención, tasas de infección, muertes totales, vacunación, etc.) sobre el crecimiento del PIB en esos países. El experimento es que el índice de contingencia referencial de Nueva Zelanda reemplaza el propio índice referencial de cada uno de los países para predecir el PIB, muertes inducidas por Covid-19 y tasa de reproducción de Covid-19. Se muestra que las técnicas de ML son herramientas sólidas para regresiones de resultados múltiples y para escenarios experimentales sobre el impacto socioeconómico de la pandemia de Covid-19. Resultados: Los resultados experimentales revelaron que las técnicas de Árbol de Regresión y Bosque Aleatorio estiman y predicen con éxito los casos de Italia, México y Estados Unidos. Conclusiones: La propuesta es contingencia y vacunación son sin duda exitosas en la lucha contra una pandemia, además de medir los efectos de dichas políticas con el uso de técnicas novedosas como el ML.