Modelo lineal dinámico para estimar la tasa de desempleo en Bogotá D.C.

Autores/as

  • Eduardo Archila Universidad Santo Tomás
  • Felipe Herrera Universidad Santo Tomás
  • Harrison Suarez Universidad Santo Tomás
  • Dagoberto Bermúdez Universidad Santo Tomás

Palabras clave:

Tasa de desempleo, Modelos ARIMA, Estadística bayesiana, Series temporales, Modelos dinámicos

Resumen

Para este proyecto, se desarrolló la estimación de la tasa de desempleo en Bogotá D.C. y se analizó la relación con algunas variables de interés, todo ello desde el punto de vista estadístico frecuentista y bayesiano. Inicialmente, se realizó una exploración general de series temporales para la tasa de desempleo, donde se evidenció que nuestra variable no era estacionaria. Por lo tanto, se decidió aplicar logaritmos y una diferencia para transformar nuestra serie y lograr la estacionariedad, necesaria para obtener una buena estimación. Posteriormente, se llevó a cabo la estimación frecuentista bajo la metodología Box-Jenkins de varios modelos ARIMA, seleccionando el mejor modelo bajo los criterios de información AIC y BIC. Después, se verificaron los supuestos más importantes para los residuales del modelo escogido. Finalmente, se realizaron pronósticos para seis meses adelante (julio 2022 a diciembre 2022) de la tasa de desempleo en Bogotá D.C. Por otro lado, se realizó la estimación de la tasa de desempleo desde el punto de vista bayesiano, partiendo del supuesto de que tanto la distribución a priori como la a posteriori siguen una distribución normal. Posteriormente, se hizo la estimación polinómica de primer orden y los pronósticos para seis meses adelante. Al finalizar, se hizo una comparación entre la metodología frecuentista y bayesiana para concluir cuál fue la mejor para la estimación de la tasa de desempleo en Bogotá D.C. Después de esto, se plantearon varios modelos dinámicos normales, seleccionando los mejores y observando sus resultados, logrando así llegar al mejor modelo posible.

Citas

L. Bautista. Medici´on de la tasa de desempleo en colombia para el periodo 2001-2017 a trav´es de un modelo beta din´amico. Marzo 2018.

J. Contreras. En busca de un modelo benchmark univariado para predecir la tasa de desempleo de chile. Cuadernos de Econom´ıa, 30(55), Diciembre 2011.

J. Durbin and S. J. Koopman. Time series analysis by state space methods. Oxford Statistical Science Series, 24, 2001.

A. C. Harvey. Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press, 1990.

D. Mendoza. Modelo beta din´amico: Una aplicaci´on al fen´omeno de la habitabilidad en calle en bogot´a. Diciembre 2017.

G. Petris, S. Petrone, and P. Campagnoli. Dynamic linear models with r. New York: Springer, 2009.

A. Rangel. ¿histeresis en la tasa de desempleo de bogot´a? Revista de Econom´ıa Administraci´on, 4(2), Diciembre 2007.

E. Saavedra. Modelo de pron´ostico para estimar el comportamiento de la cartera vencida para cr´editos en la modalidad consumo frente a la tasa de desempleo. 2021.

M. West and J. Harrison. Bayesian Forecasting and Dynamic Models. Springer, 2nd edition, 1997.

Descargas

Publicado

2023-07-01

Cómo citar

Archila, E., Herrera, F., Suarez, H., & Bermúdez, D. (2023). Modelo lineal dinámico para estimar la tasa de desempleo en Bogotá D.C. Comunicaciones En Estadística, 16(1), 73–86. Recuperado a partir de https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/9500