Econometria Redes Sociales

El Desempleo es un tema que fácilmente cautiva la atención de los distintos actores de la sociedad, por lo mismo se trata de una materia en donde existe abundante investigación.

La tasa de desempleo refleja generalmente un ciclo económico, cuando la producción disminuye, la demanda por trabajo desciende y la tasa de desempleo aumenta. Siendo causal principal del desempleo la actividad Económica del país. Pero por otro lado tenemos otras variables que pueden afectar los niveles de desempleo las cuales son: el capital humano, que ha mayor nivel de este mayor es la probabilidad de estar empleado y por otro lado las redes sociales de las cuales poco se ha investigado pero que si se profundiza su importancia podremos ver lo importante que pueden resultar para la disminución del desempleo en nuestro país.

El tener una buena red de contactos podría ayudarnos a encontrar empleo en un menor tiempo, lo cual nos reportaría un beneficio en el corto plazo, junto con esto menores costos en la búsqueda de trabajo. Siendo esta la principal inquietud que queremos responder en el siguiente informe.

Determinar si las redes sociales generan un efecto sobre la probabilidad de encontrar empleo.”

La distribución salarial adopta la forma de una distribución de probabilidad continua, conocida por el trabajador. El salario de reserva, una vez establecido, se mantiene constante a lo largo de todo el proceso de búsqueda, así como también, que la búsqueda que se lleva a cabo es completamente aleatoria, su costo es constante e independiente del tamaño de la misma. El buscador observa una oferta salarial y compara los beneficios derivados de tomarla con los beneficios esperados de rechazarla, y continúa la búsqueda. Sólo toma la oferta, si los beneficios primeros exceden a los segundos. El modelo se convierte así en una regla de aceptación automática. El trabajador compara la oferta salarial (W0) que recibe, con su salario de reserva (Wr), entonces, si W0 ≥ Wr se acepta el empleo.

Luego, la probabilidad de aceptar un empleo en cualquier instante del tiempo (at) es:

at =Pr [W0 ≥Wr] (1) La probabilidad de obtener un salario inferior a Wr está descrito en la distribución de frecuencias F (W) y será F (Wr). El beneficio esperado de la búsqueda V (Wr) tendrá tres componentes: 1º El valor esperado de aceptar el salario si W0 ≥Wr: (2)

2º El beneficio derivado de seguir buscando empleo, si no se acepta la oferta (W0˂Wr) que tiene una probabilidad de ocurrir [1 − P (W0 ≥Wr)] o sea F (Wr). Si se sigue buscando, el beneficio neto esperado es V (Wr). Por tanto, este segundo componente del beneficio esperado es:

V (Wr).F (Wr) (3)

3º El coste de búsqueda: C (4)

Entonces, el beneficio neto de la búsqueda quedaría: (5)

Los primeros términos de la ecuación (5) representan al beneficio total de la búsqueda en función del salario de reserva elegido, mientras que el último representa el costo total.

El valor del salario óptimo es el que maximiza la diferencia BT (Wr) –CT (Wr) y se puede obtener diferenciando (5) con respecto a Wr y calculando así los beneficios y costes marginales. De donde se deduce que: (6)

Que es la expresión de coste adicional de búsqueda (C) igual a la ganancia esperada de la búsqueda adicional.

Si se sustituye (6) en (5) se obtiene:

V (W*r) = W*r (7)

Esto significa que el salario de reserva óptimo W*r hace indiferente al buscador entre seguir buscando ofertas por las que espera obtener V (W*r) o elegir precisamente W*r.

Al emplearlas como mecanismos eficientes de búsqueda y asociarlas con “La fuerza de los lazos débiles” las podemos dividir en dos canales:

Canales formales: Agencias de empleo, Afiches, Departamentos de empleo municipal, Avisos clasificados, Facebook, myspace, etc.

Canales informales: Amigos, Recomendaciones, Grupos sociales, Partidos políticos, etc.

Para comprobar la hipótesis y describir los resultados de la investigación es necesario recurrir a algún modelo econométrico de elección discreta. Es por ello que para efectos de esta investigación se ha utilizado el modelo multinomial Probit.

Donde el modelo Probit queda descrito en esta investigación de la siguiente forma:

Variables Independientes:

Y= 0 Individuo no participa del mercado laboral (inactivo)Y= 1 Individuo participa del mercado laboral en búsqueda de empleo (Desempleado)Y=2 Individuo participa del mercado laboral con existencia de empleo (Empleado)

Variables explicativas. Esc: Variable Escolaridad:Gen: Variable GéneroExp: Variable Experiencia laboralRedso: Variable Redes socialesµ: Representa término aleatorio de error.

),Re,,,(1Pr ijdsoExpGenEscfob

CUADRO N°1: Modelo empírico Probit.CUADRO N°1: Modelo empírico Probit.

FUENTE: Elaboración Propia- Programa STATA

Coeficiente Género: 0,1696682

De acuerdo a la variable Género, podemos decir, que fue definida como variable dummy, es decir tomamos el valor 1 para hombre y 0 para mujer. Debido a esto el signo nos representa que un hombre tendrá mayor probabilidad de encontrar empleo, en comparación la probabilidad que tendrá una mujer.

Coeficiente Experiencia: 0,372237

De acuerdo a la variable Experiencia podemos decir que está directamente relacionada con la probabilidad de encontrarse empleado o no, en este sentido que la magnitud de esta sea positiva representa y afirma que a mayor experiencia el individuo tiene una mayor probabilidad de encontrarse empleado.

Coeficiente Escolaridad: 0,838716

La variable escolaridad presenta un resultado positivo, esto refleja, que a mayor escolaridad el individuo posee una mayor probabilidad de estar empleado.

Coeficiente Red Social:

Con respecto a la variable Red Social, podemos decir que no fue posible ingresarla al modelo para determinar su importancia a la hora de encontrar empleo, ya que al realizar la operación la variable fue sacada de la estimación.

Tomando en cuenta que el Z crítico corresponde a 0,9989, podemos establecer el nivel de significancia de cada variable

Variable Genero: Z= 12,24

H0: β1 = 0 H1: β1 ≠ 0

De acuerdo a lo establecido, existe evidencia estadística para rechazar Ho ya que Z es mayor a Z critico, por lo tanto la variable genero es significativa para el modelo.

Variable Escolaridad: Z= 38,28

H0: β2 = 0 H1: β2 ≠ 0

Con respecto a lo establecido, existe evidencia estadística para rechazar Ho, por lo tanto la variable escolaridad es significativa para nuestro modelo empírico.

Variable experiencia: Z= 65,76

H0: β2 = 0 H1: β2 ≠ 0

De acuerdo a lo establecido anteriormente, podemos decir que existe evidencia estadística para rechazar Ho, por lo tanto la variable experiencia es significativa para nuestro modelo econométrico.

CUADRO2: Test de ParámetrosCUADRO2: Test de Parámetros


De acuerdo a lo establecido anteriormente existe evidencia estadística para determinar que las variables en conjunto de nuestro modelo empírico son significativas.

CUADRO N° 4: Prueba de Heteroscedasticidad CUADRO N° 4: Prueba de Heteroscedasticidad


Al realizar la prueba de heteroscedasticidad para nuestro modelo empírico, en el cual se aplica el test de Wald, podemos distinguir que existe evidencia estadística para rechazar Ho, por lo tanto nuestro modelo empírico es heteroscedastico. Lo anterior se puede solucionar aplicando un estimador robusto el cual nos ayuda a disminuir nuestra desviación, haciendo más eficiente nuestro modelo.

CUADRO N° 5: Prueba de Heteroscedasticidad CUADRO N° 5: Prueba de Heteroscedasticidad


CUADRO N°6: Robustez del modelo CUADRO N°6: Robustez del modelo


Sabemos que la autocorrelación se da en series de tiempo, en nuestra propuesta hemos tomado los datos del año 2009, es decir no es un modelo temporal, es por esto que sabemos que nuestro modelo no puede estar autocorrelacionado.

La calidad de nuestro modelo econométrico, no es buena debido a que al momento de utilizar el programa STATA, luego de cargar nuestras variables y definirlas cada una de acuerdo al requerimiento para nuestro modelo, no se pudo realizar la regresión a través de Probit, debido a que esta no incluyo la variable a estimar en nuestro modelo, lo cual dificulto la opción de responder a nuestro interrogante, si realmente las redes sociales aumentan la probabilidad de estar empleado.

De acuerdo al modelo teórico planteado en nuestra propuesta econométrica no logramos establecer similitudes con este, ya que la regresión realizada a través de Probit no permitió establecer nuestra variable de estudio, es por esto que no logramos establecer si existe una relación en la probabilidad de encontrar empleo o estar desempleado a través de la variable relaciones sociales.

Debido a no poder establecer la regresión de nuestro modelo empírico, no logramos establecer si existe una relación entre la probabilidad de encontrar empleo a través de las redes sociales, es por esto que no podemos realizar un juicio respecto a las hipótesis establecidas.

Sin duda una de las principales limitaciones es la falta de información complementaria, para desarrollar nuestra propuesta econométrica.

Limitaciones al realizar este trabajo fue el no poder obtener la relación de probabilidad que existe entre la posibilidad de encontrar empleo y nuestra variable de estudio “Relaciones Sociales”.

La dirección de investigación futura para abordar nuestra variable en estudio “Redes Sociales” podría realizarse a través del método de Tobit, a través del cual se pueda determinar realmente si existe la probabilidad de establecer una relación entre nuestra variable y la posibilidad de encontrar empleo.

Econometria Redes Sociales

Documents

Transcript of Econometria Redes Sociales