El Clásico Revisitado: Análisis Discriminante Versus Regresión Logística para la Predicción de Quiebras en la Industria de Alojamiento y Servicios de Alimentos en los Países B9

A pesar de la rápida expansión de técnicas de IA y aprendizaje automático en la predicción de quiebras, métodos estadísticos clásicos como el análisis discriminante y la regresión logística siguen siendo relevantes debido a su transparencia e interpretabilidad. Estas características son cruciales para las partes interesadas que requieren herramientas de toma de decisiones comprensibles, especialmente en la Sección I de NACE Rev. 2—Actividades de Alojamiento y Servicios de Alimentos, un sector caracterizado por un alto apalancamiento operativo, vulnerabilidad a choques económicos y una fuerte importancia macroeconómica. El estudio tiene como objetivo evaluar y comparar el rendimiento predictivo del análisis discriminante y la regresión logística para la predicción de quiebras y identificar factores predictivos clave que pueden servir como señales de alerta temprana para empresas en crisis a través de los países B9. Se utilizó una muestra de 4395 empresas. La capacidad de clasificación de todos los modelos se evalúa mediante múltiples métricas de rendimiento, incluyendo precisión general, sensibilidad, especificidad, precisión, el puntaje F1, el puntaje F2, el coeficiente de correlación de Matthews y el área bajo la curva característica operativa del receptor. Los resultados muestran que ambos enfoques logran un rendimiento predictivo consistentemente alto, con todas las métricas importantes superando 0.92 en la muestra de prueba de empresas prósperas y no prósperas. Se identificaron seis predictores significativos de quiebra para cada método, con tres indicadores comunes: apalancamiento financiero, total de pasivos sobre activos y retorno sobre costos. El análisis comparativo resulta en un “empate” metodológico, confirmando un poder predictivo comparable. Estos hallazgos reafirman la relevancia de los modelos clásicos de predicción e identifican indicadores financieros clave que pueden ser utilizados como señales de alerta temprana prácticas por los gerentes del sector.