Descripción
Investigamos si nuestra capacidad limitada para predecir empresas de alto crecimiento (HGF) se debe a que investigaciones anteriores han utilizado un conjunto restringido de variables explicativas y, en particular, a que se necesitan variables explicativas con una gran variación dentro de las empresas a lo largo del tiempo. Con este fin, aplicamos técnicas de “big data” (es decir, LASSO; operador de selección y contracción mínima absoluta) para predecir los HGF en conjuntos de datos completos sobre empresas croatas y eslovenas. Las empresas con bajos inventarios, mayor crecimiento del empleo anterior y mayores pasivos a corto plazo tienen más probabilidades de convertirse en HGF. Las estadísticas de pseudo- R2 de alrededor del 10% indican que la predicción de HGF sigue siendo un ejercicio desafiante.(Coad, A., & Srhoj, S., 2020)
Referencia
Coad, A., & Srhoj, S. (2020). Catching gazelles with a lasso: Big Data techniques for the prediction of high-growth firms. Small Business Economics, 55, 541–565. https://doi.org/10.1007/s11187-019-00203-3 [Published: October (4th Quarter/Autumn) 2020]
