Estudio de la correlación de variables en la sostenibilidad industrial de Cantabria
Study of the correlation of variables in the industrial sustainability of Cantabria
Ver/ Abrir
Identificadores
URI: https://hdl.handle.net/10902/33312Registro completo
Mostrar el registro completo DCAutoría
Etayo Garde, IñakiFecha
2024-07-19Derechos
Attribution-NonCommercial-NoDerivatives 4.0 International
Palabras clave
Sostenibilidad industrial
Transformación de datos
Estacionariedad
Normalidad
Linealidad
Correlación
Causalidad
Industrial sustainability
Data transformation
Stationarity
Normality
Linearity
Correlation
Causality
Resumen/Abstract
En este Proyecto, se persigue evidenciar con datos la relación que existe entre el ámbito social, económico y ambiental y se va a comprobar su influencia en la sostenibilidad industrial. De esta manera, se pretende verificar la interrelación de los diferentes campos que engloba la sostenibilidad industrial (económico, social, ambiental).
Para ello, se recoge una gran cantidad de datos pertenecientes a variables de los distintos campos social, ambiental y económico de Cantabria, que abarcan un periodo concreto, entre 2008 y 2020 de forma trimestral. Con el fin de demostrar la hipótesis de partida, se diseña una metodología propia de análisis de datos, aplicando principalmente la transformación de datos, varios test preliminares de estacionariedad, normalidad y linealidad y métodos de evaluación de correlación y causalidad.
In this project, we aim to demonstrate with data the relationship between the social, economic, and environmental spheres and to examine their influence on industrial sustainability. In this way, we intend to verify the interrelation of the different fields that encompass industrial sustainability (economic, social, and environmental).
To achieve this, a large amount of data from various variables within the social, environmental, and economic fields of Cantabria is collected, covering a specific period from 2008 to 2020 on a quarterly basis. To demonstrate the initial hypothesis, we designed a specific data analysis methodology, primarily applying data transformation, several preliminary tests for stationarity, normality, and linearity, and methods for evaluating correlation and causality.