Análisis descriptivo y predictivo del uso de la red de Metro de Madrid
| dc.contributor.advisor | Álvarez González, Francisco | |
| dc.contributor.author | Villalba Pérez, David | |
| dc.date.accessioned | 2023-06-17T14:59:06Z | |
| dc.date.available | 2023-06-17T14:59:06Z | |
| dc.date.defense | 2018-06 | |
| dc.date.issued | 2018-06 | |
| dc.degree.title | Grado en Economía | |
| dc.description.abstract | Este trabajo utiliza modelos econométricos para explicar las diferencias de uso (número de viajeros) entre las diferentes estaciones de la red de Metro de Madrid. Las variables explicativas consideran tanto factores socioeconómicos (renta y pirámide de edad) del área geográfica donde se sitúa la estación como características de la estación respecto a la red (posición en la línea o existencia de transbordo). Las técnicas econométricas empleadas son arboles de regresión, que permiten segmentar el impacto marginal de cambios en las variables explicativas. Los resultados muestran diferentes patrones de uso entre estaciones dentro la almendra central (interior de la M30) y estaciones de la periferia. Además, se realizan ejercicios de predicción de uso por implantar nuevas estaciones en la red. El modelo considera el impacto que dichas estaciones nuevas tendría en toda la red. | |
| dc.description.faculty | Fac. de Ciencias Económicas y Empresariales | |
| dc.description.refereed | TRUE | |
| dc.description.status | unpub | |
| dc.eprint.id | https://eprints.ucm.es/id/eprint/48476 | |
| dc.identifier.uri | https://hdl.handle.net/20.500.14352/15073 | |
| dc.language.iso | spa | |
| dc.page.total | 49 | |
| dc.rights.accessRights | open access | |
| dc.subject.keyword | Uso de la Red Metro de Madrid | |
| dc.subject.keyword | Modelos econométricos. | |
| dc.subject.ucm | Econometría (Economía) | |
| dc.subject.unesco | 5302 Econometría | |
| dc.title | Análisis descriptivo y predictivo del uso de la red de Metro de Madrid | |
| dc.type | bachelor thesis | |
| dcterms.references | Anibarro García, Javier; INECO (2016). “La competitividad del transporte en España”, Observatorio del Transporte y la Logística en España. Ayuntamiento de Madrid (2014). “Plan de Movilidad Urbana Sostenible (PMUS) de la ciudad de Madrid”, Ayuntamiento de Madrid. Daniel-Cardozo, Osvaldo; García Palomares, Juan Carlos y Gutiérrez Puebla, Javier (2008). “Modelos de demanda potencial de viajeros en redes de transporte público: Análisis Descriptivo y Predictivo del uso de la red de Metro de Madrid aplicaciones en el Metro de Madrid”, III Seminario Internacional de Ordenamiento territorial – la Interdisciplina en el Ordenamiento Territorial. Universidad Complutense de Madrid y Universidad Nacional del Nordeste (Resistencia, Argentina). Daniel-Cardozo, Osvaldo; García Palomares, Juan Carlos y Gutiérrez Puebla, Javier (2010). “Influencia de la Morfología Urbana en la demanda de transporte público: análisis mediante SIG y modelos de regresión múltiple”, GeoFocus. Daniel-Cardozo, Osvaldo; García Palomares, Juan Carlos y Gutiérrez Puebla, Javier (2012). “Regresión Geográficamente Ponderada (GWR) y estimación de la demanda de las estaciones del Metro de Madrid”, XV Congreso Nacional de Tecnologías de la Información Geográfica, Madrid; Universidad Complutense de Madrid y Universidad Nacional del Nordeste (Resistencia, Argentina). Cristóbal Pinto, Carlos; Gómez Cerdá, Gabriel y Gutiérrez Puebla, Javier (2000). “Accesibilidad peatonal a la red de metro de Madrid: efectos del Plan de Ampliación 1995-99”, Anales de Geografía de la Universidad Complutense. Gromping, Ulrike (2006). “Relative Importance for Linear Regression in R: The Package relaimpo”, Journal of Statistical Software. Librería de R. Guisande González, Cástor y Vaamonde Liste, Antonio (2012). “Gráficos Estadísticos y Mapas con R, Ediciones Díaz de Santos. Hofner, Benjamin (2017). “PapeR”. Librería de R. Kuhn, Max (2018). “Caret: Classification and Regression Training”. Librería de R Lanz, Brett (2015) “Machine Learning with R, Second edition”, PACKT Publishing. Méndez Suárez, Mariano (2018). “Análisis de Datos con R. Una Aplicación a la Investigación de Mercados”, ESIC. Peters, Andrea y Hothorn, Torsten (2017). “ipred: Improved Predictors”. Librería de R. Revelle, William (2018). “Psych: Procedures for Psychological, Psychometric, and Personality Research”, Northwestern University. Librería de R. Servicio Planificación y Estudios de Operación del Ayuntamiento de Madrid (2018). “Evolución de la Demanda, Cierre de año 2017”. Ayuntamiento de Madrid. Sotoca, Sonia (2012). “Transparencias de Econometría”. Mimeo UCM. Wei, Taiyun and Simko, Viliam (2017). “corrplot: Visualization of a Correlation Matrix”. Librería de R. Wickham, Hadley (2009). “ggplot2: Elegant Graphics for Data Analysis”, SpringerVerlag New York. Librería de R. Wickham, Hadley (2017). “scales: Scale Functions for Visualization”. Librería de R. Wickham, Hadley; Francois, Romain; Henry, Lionel y Müller, Kirill (2017). “A Grammar of Data Manipulation”. Librería de R. Xie, Yihui. “Tinytex: Helper Functions to Install and Maintain 'TeX Live', and Compile 'LaTeX' Documents”. Librería de R. Zeileis, Achim y Hothorn, Torsten (2002). “Diagnostic Checking in Regression Relationships”, R News. Librería de R. Zeileis, Achim (2004). “Econometric Computing with HC and HAC, Covariance Matrix Estimators”, Journal of Statistical Software. Librería de R. | |
| dspace.entity.type | Publication | |
| relation.isAdvisorOfPublication | 5c6d1bab-3a96-455e-96d4-556c4c6c23da | |
| relation.isAdvisorOfPublication.latestForDiscovery | 5c6d1bab-3a96-455e-96d4-556c4c6c23da |
Download
Original bundle
1 - 1 of 1
