Desempleo Bustos Dominguez

Universidad de los Andes Econometría Daniel Bustos Gonzalo Domínguez

Determinación de una función predictiva de la tasa de desempleo

de chile

Introducción

El desempleo es uno de los problemas que más preocupan a la población ya que

influye directamente en el ingreso familiar, durante años la economía en Chile ha

experimentado fluctuaciones significantes en la tasa de desempleo. El objetivo de este

paper es crear un modelo econométrico a través del método de mínimos cuadrados

ordinarios para el cual probaremos sus supuestos y propiedades. Para analizar los

resultados se utilizaran diversos test para probar una variedad de propiedades en los

estimadores.

El paper original pertenece a un estudio realizado por profesores de Ciencias

Empresariales de la Universidad del BioBio, los cuales contemplaron para efecto de su

trabajo el periodo en meses desde enero 2009 a diciembre 2011. En esta oportunidad,

se realizó el modelo pero considerando las variaciones anuales de las variables que

describiremos posteriormente a partir del año 2000 al 2013.

Para contextualizar las variables que se utilizarán se describirán a continuación.

Desempleo:

Desempleo, es el paro forzoso o desocupación de los asalariados que pueden y quieren trabajar pero no encuentran un puesto de trabajo. En las sociedades en las que la mayoría de la población vive de trabajar para los demás, el no poder encontrar un trabajo es un grave problema. Debido a los costos humanos derivados de la privación y del sentimiento de rechazo y de fracaso personal, la cuantía del desempleo se utiliza habitualmente como una medida del bienestar de los trabajadores. La proporción de trabajadores desempleados también muestra si se están aprovechando adecuadamente los recursos humanos del país y sirve como índice de la actividad económica. Los economistas han descrito las causas del desempleo como friccionales, temporales, estructurales y cíclicas. El desempleo friccional se produce porque los trabajadores que están buscando un empleo no lo encuentran de inmediato; mientras que están buscando trabajo son contabilizados como desempleados. La cuantía del desempleo friccional depende de la frecuencia con que los trabajadores cambian de empleo y del tiempo que tardan en encontrar uno nuevo. El cambio de empleo se produce a menudo y un importante porcentaje del desempleo es friccional y sólo dura un corto espacio de tiempo. Esta


clase de desempleo se podría reducir de alguna manera con servicios de colocación más eficientes. Sin embargo, siempre que los trabajadores puedan abandonar libremente su trabajo se producirá un desempleo cíclico. El desempleo temporal se produce cuando las industrias tienen una temporada de baja, como durante el invierno en la industria de la construcción o en otros sectores de producción cuyas tareas se realizan a la intemperie. También se produce al finalizar el año escolar, cuando muchos estudiantes y licenciados se ponen a buscar trabajo. El desempleo estructural se debe a un desequilibrio entre el tipo de trabajadores que requieren los empresarios y el tipo de trabajadores que buscan trabajo. Estos desequilibrios pueden deberse a que la capacitación, la localización o las características personales no sean las adecuadas. En el modelo keynesiano, la causa principal del paro hay que buscarla en la insuficiencia de la demanda agregada. Un simple cambio negativo en las expectativas de los empresarios puede provocar una disminución de su demanda de bienes de inversión lo que originará una serie de reacciones en cadena en la que se irá perdiendo empleo sucesivamente en diferentes ramas industriales. La consiguiente disminución en la capacidad adquisitiva de los trabajadores puede agravar el círculo vicioso prolongando indefinidamente la situación de desempleo. Una vez comprendido el desempleo debemos determinar, ¿Qué variables influyen en el desempleo? ¿Han sido relevante factores naturales como terremoto en el desempleo? ¿Perspectivas de las personas sobre el Gobierno influye en el desempleo? El problema puede ser visto desde el punto de vista de muchas variables, por lo que se tomaran algunas en consideración. En nuestro problema se considerara como variable dependiente el Desempleo(Y), el resto serán variables independientes:

𝑌 = 𝐹(𝑃𝐼𝐵, 𝑇𝐵𝐶, 𝑇𝑒𝑟𝑟𝑒𝑚𝑜𝑡𝑜, 𝐹𝑇, 𝐷𝑒𝑠𝑎𝑝𝑟𝑜𝑏𝑎𝑐𝑖𝑜𝑛) PIB Nominal: El Producto Interno Bruto (PIB) es el valor de los bienes y servicios de uso

final generados por los agentes económicos durante un período. Por lo anterior es

lógico pensar que un incremento o disminución de este indicador, es consecuencia

directa de aumentos o disminuciones en los niveles de producción de los sectores que

lo componen.

Tasa Banco Central: Tenemos que considerar como primicia que la tasa indicada por el Bco Central, es una reacción a la inflación. Consideraremos en nuestro modelo este indicador ya que podemos deducir que es consecuencia de una serie de hechos. Una disminución en el consumo puede ser explicada por un aumento en el desempleo, lo que implicaría una disminución en el IPC debido a la baja en la demanda de los bienes que se consideran en la canasta, este hecho daría como resultado una disminución en la inflación, lo que produciría una disminución en la tasa del Bco. Central como consecuencia para reactivar la economía. Variable Terremoto: Todos sabemos los efectos nefastos que produjo el terremoto a nivel país. Nos proponemos predecir esta situación incluyéndola como variable Dummy que va a considerar el cambio de nuestra curva gráfica por la relevancia que sigue teniendo en el factor empleo.


Fuerza de Trabajo Total (FT): Con esta variable se mide la cantidad de personas que integran la población económicamente activa. De acuerdo a los datos entregados por el Banco Mundial, ésta fuerza de trabajo, la constituyen: los ocupados, los desocupados, los cesantes y los que buscan trabajo por primera vez, es decir representa la oferta de trabajo efectiva. Desaprobación del gobierno: El estudio que realiza la empresa Adimark sobre la Aprobación o la desaprobaron del gobierno. En el análisis del modelo, al haber un aumento de la desaprobación del gobierno, entregaría información negativa a los mercados que podría contraer la inversión tanto extranjera como nacional incidiendo directamente en la tasa de desempleo afectando a su vez el crecimiento del PIB.

Estimación del modelo

La herramienta utilizada para realizar la regresión y los test es el software Stata.

Usando los datos anuales del periodo 2000-2013, obtenemos la siguiente regresión:

B0 B1 B2 B3 B4 B5

-7,64 -2.20 -0.11 -0.13 -0.35 0.36

Y(Tasa Desempleo)

PIB Tasa de Interes Banco Central

Terremoto Desaprobación Gobierno

Total Fuerza Laboral

Con bondad de ajuste de un 84% y todos sus parámetros calculados con significancia

estadística probada. Estamos en condiciones de probar el modelo encontrado de acuerdo con

el Teorema de Gauss-Markov.

_cons -7.64179 11.17583 -0.68 0.513 -33.41329 18.12971

TotalFuerzaLaboral .368395 .2134818 1.73 0.123 -.123895 .8606849

desaprobaciongobierno -.0358402 .0184537 -1.94 0.088 -.0783945 .0067141

Terremoto -.1363389 .3971246 -0.34 0.740 -1.05211 .779432

TasaInteresBancoCentral -.116897 .1134488 -1.03 0.333 -.3785105 .1447165

PIB -2.207496 .8550487 -2.58 0.033 -4.179242 -.2357503

Desempleo Coef. Std. Err. t P>|t| [95% Conf. Interval]

Total 15.5485709 13 1.19604392 Root MSE = .54853

Adj R-squared = 0.7484

Residual 2.40710299 8 .300887873 R-squared = 0.8452

Model 13.1414679 5 2.62829359 Prob > F = 0.0043

F( 5, 8) = 8.74

Source SS df MS Number of obs = 14


Datos Utilizados

Años Desempleo PIB

Tasa Interes Banco Central

Terremoto desaprobacion gobierno

Total Fuerza Laboral

IPC

2000 9,20 1,49 5,26 0 26 59,20 0,4

2001 9,10 1,57 5,07 0 32 58,60 0,2

2002 8,90 1,63 4,05 0 30 58,20 0,2

2003 8,50 1,75 2,73 0 24 58,80 0,1

2004 8,80 1,9 1,87 0 19 59,60 0,2

2005 8,00 2,08 3,44 1 24 60,20 0,3

2006 7,70 2,54 5,02 0 28 60,90 0,2

2007 7,10 2,77 5,31 1 38 61,50 0,6

2008 7,80 2,73 7,1 0 29 63,10 0,6

2009 9,70 2,73 2 0 13 63,10 -0,1

2010 8,10 3,1 1,43 1 43 65,70 1,4

2011 7,10 3,4 4,67 0 60 67,00 3,3

2012 6,40 3,6 5,01 0 57 67,10 3

2013 6,00 3,8 4,92 0 41 67,40 1,8

A continuación se realizaron una serie de test con el fin de comprender mejor nuestro modelo.

a) Multicolinealidad

Valores mayores que 10.0 pueden indicar un problema de colinealidad.

Como vemos presentamos un problema de colinealidad entre Total Fuerza Laboral y el PIB, lo

cual tiene sentido ya que a mayor fuerza laboral puede existir un mayor gasto y también

producción, pues darnos un indicio de que son proporcionales en una determinada tasa en el

Mean VIF 9.51

Terremoto 1.24 0.809404

TasaIntere~l 1.46 0.682909

desaprobac~o 2.66 0.375711

PIB 19.42 0.051505

TotalFuerz~l 22.78 0.043895

Variable VIF 1/VIF

Universidad de los Andes Econometría Daniel Bustos Gonzalo Domínguez Largo Plazo. A diferencia del paper, al ser calculadas en meses en un corto plazo

estadísticamente se pudo determinar que en el modelo no existe multicolinealidad en las

variables. Esto como mencionamos, contrasta entre Corto y Largo Plazo.

Teniendo en cuenta que un cierto grado de multicolinealidad acarrea problemas cuando

aumenta ostensiblemente la varianza muestral de los estimadores, las soluciones deben ir

encaminadas a reducir esta varianza la cual podría disminuir si aumentamos la cantidad de

periodos analizados.

b) Normalidad del error

Como vemos el error no distribuye normal, pero este problema no viola ningún principio de

Gauss- Markov no produciendo sesgo y seguir aplicando los siguientes test.

c) Independencia

Lo que se busca al realizar el test de Durbin Watson es ver si existe correlación entre

las variables donde nuestra hipótesis nula sería Ho= No existe Autocorrelación

Podemos ver que nuestro modelo podría presentar correlación serial ya que el test nos dio

1.14 y para estos datos, buscando en la tabla nos da dL 0.343 y dU 2.049, por lo que significa

que cae en la zona de incertidumbre, por lo que debemos seguir investigando con otro test.

No rechazamos la correlación con 2 periodos anteriores.

residual 14 0.8458 0.9403 0.04 0.9785

Variable Obs Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2

joint

Skewness/Kurtosis tests for Normality

Durbin-Watson d-statistic( 6, 14) = 1.149069

H0: no serial correlation

2 2.634 2 0.2679

lags(p) chi2 df Prob > chi2


Con esto tampoco se puede estar seguro, pero lo más probable es que haya ya que está muy

encima.

d) Heterocedasticidad

Se busca analizar la existencia de una varianza no constante en las perturbaciones

aleatorias de un modo econométrico.

Ho: No hay heterocedasticidad

H1: Existe Heterocedasticidad

Ya que el valor p nos dio mayor que 0.05 por lo que no se rechaza la hipótesis nula y nuestro

modelo nos da que es homocedastico y que su varianza es constante.

-1.0

0-0

.50

0.0

00

.50

1.0

0

Au

tocorr

ela

tion

s o

f D

esem

ple

o

1 2 3 4 5Lag

Bartlett's formula for MA(q) 95% confidence bands

Prob > chi2 = 0.6976

chi2(1) = 0.15

Variables: fitted values of Desempleo

Ho: Constant variance

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

. estat hettes


e) Modelo Especificado

Se busca corroborar la correcta especificación del modelo estimado, donde:

Ho: Modelo correctamente especificado

H1: Modelo no está correctamente especificado

Con estos valores no se rechaza la hipótesis por lo que podemos ver que no tiene variables

omitidas y el modelo se encuentra bien especificado.

f) Cambio estructural

Se realiza un test de Chow para ver si existen Cambios estructurales, donde:

Ho: No hay cambio estructural

H1: Hay cambios estructurales

Para esto se necesita una nueva regresión con la restricción de que el estimador

asociado a la variable Terremoto sea 0, que es la siguiente:

De este cuadro se obtiene la suma de cuadrados de residuos, y se un test de chow con nuestro

nuevo modelo restringido y el anterior, lo cual da 0.13 el valor del F por lo que no se rechaza la

hipótesis y no hay cambio estructural.

Prob > F = 0.8844

F(3, 5) = 0.21

Ho: model has no omitted variables

Ramsey RESET test using powers of the fitted values of Desempleo

. estat ovtest

_cons -8.96583 9.961995 -0.90 0.392 -31.50143 13.56977

TotalFuerzaLaboral .3929619 .1910206 2.06 0.070 -.0391566 .8250804

desaprobaciongobierno -.0373916 .0169924 -2.20 0.055 -.0758311 .0010479

TasaInteresBancoCentral -.1021548 .0997294 -1.02 0.332 -.3277584 .1234488

PIB -2.304075 .7668562 -3.00 0.015 -4.038824 -.569326

Desempleo Coef. Std. Err. t P>|t| [95% Conf. Interval]

Total 15.5485709 13 1.19604392 Root MSE = .52096

Adj R-squared = 0.7731

Residual 2.44256724 9 .27139636 R-squared = 0.8429

Model 13.1060037 4 3.27650092 Prob > F = 0.0012

F( 4, 9) = 12.07

Source SS df MS Number of obs = 14


Conclusiones

El modelo anteriormente planteado corresponde a un modelo estimado con variables que en

un principio se consideraban relevante a la hora de encontrar un modelo que represente la

tasa de desempleo. A lo largo del trabajo en el paper, se descubrió que existen variables que

no son relevantes estadísticamente en el modelo planteado. Lo característico de este modelo,

que pese a no ser todas sus variables significativas, no viola los supuestos de Gauss-Markov.

Esto genera incertidumbre en saber si existe un modelo que pueda predecir el desempleo en

base a ciertas variables.

Al comparar el paper original con el modelo que estimamos, existe una clara diferencia en

variables que a corto plaza y largo plaza difieren en nivel de significancia, por lo que, según el

horizontes de tiempo que busquemos estimar la tasa de desempleo hay variables que son

relevantes considerar y otras que no dependiendo si es Corto o Largo Plazo.

Como se ve en nuestra regresión, hay muchas variables que no son significantes, por lo que

podríamos plantearnos la posibilidad de borrarlas, en particular una de estas tiene correlación

con otra, y al no ser significativa podríamos eliminarla sin que este cambio nos afecte el

modelo con algún tipo de sesgo, en el paper estudiado, también le dio que varias variables

eran no significativas pero las dejo ya que igual son relevantes en el estudio del desempleo.

-1-.

50

.51

Resid

uals

2000 2005 2010 2015d

Universidad de los Andes Econometría Daniel Bustos Gonzalo Domínguez En el paper no se presentaron varios de los errores que se obtuvo en este modelo, esto se

puede deber a la estructura de los datos, ya que en el paper eran mensuales y solo 3 años de

un mismo gobierno, a diferencia de nuestro caso que los consideramos anuales y distintos

gobiernos, como vemos en el gráfico de los errores, se puede ver que hay una tendencia a

estar relacionados por gobierno como se ve en el gráfico.

Bibliografía

www.bancomundial.org/datos

www.adimark.cl

www.ine.cl

www.bcentral.cl

http://www.bancomundial.org/datos

http://www.adimark.cl/

http://www.ine.cl/

http://www.bcentral.cl/

Desempleo Bustos Dominguez

Documents

Transcript of Desempleo Bustos Dominguez