Universidad de los Andes

Econometra
Daniel Bustos
Gonzalo Domnguez

Determinacin de una funcin predictiva de la tasa de desempleo

de chile

Introduccin
El desempleo es uno de los problemas que ms preocupan a la poblacin ya que
influye directamente en el ingreso familiar, durante aos la economa en Chile ha
experimentado fluctuaciones significantes en la tasa de desempleo. El objetivo de este
paper es crear un modelo economtrico a travs del mtodo de mnimos 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 realiz el modelo pero considerando las variaciones anuales de las variables que
describiremos posteriormente a partir del ao 2000 al 2013.
Para contextualizar las variables que se utilizarn se describirn a continuacin.
Desempleo:
Desempleo, es el paro forzoso o desocupacin de los asalariados que pueden y quieren
trabajar pero no encuentran un puesto de trabajo. En las sociedades en las que la
mayora de la poblacin vive de trabajar para los dems, el no poder encontrar un
trabajo es un grave problema. Debido a los costos humanos derivados de la privacin y
del sentimiento de rechazo y de fracaso personal, la cuanta del desempleo se utiliza
habitualmente como una medida del bienestar de los trabajadores. La proporcin de
trabajadores desempleados tambin muestra si se estn aprovechando
adecuadamente los recursos humanos del pas y sirve como ndice de la actividad
econmica. Los economistas han descrito las causas del desempleo como friccionales,
temporales, estructurales y cclicas.
El desempleo friccional se produce porque los trabajadores que estn buscando un
empleo no lo encuentran de inmediato; mientras que estn buscando trabajo son
contabilizados como desempleados. La cuanta 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 slo dura un corto espacio de tiempo. Esta

Universidad de los Andes

Econometra
Daniel Bustos
Gonzalo Domnguez

clase de desempleo se podra reducir de alguna manera con servicios de colocacin

ms eficientes. Sin embargo, siempre que los trabajadores puedan abandonar
libremente su trabajo se producir un desempleo cclico. El desempleo temporal se
produce cuando las industrias tienen una temporada de baja, como durante el invierno
en la industria de la construccin o en otros sectores de produccin cuyas tareas se
realizan a la intemperie. Tambin se produce al finalizar el ao 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
capacitacin, la localizacin o las caractersticas 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 disminucin de su demanda de bienes de inversin lo
que originar una serie de reacciones en cadena en la que se ir perdiendo empleo
sucesivamente en diferentes ramas industriales. La consiguiente disminucin en la
capacidad adquisitiva de los trabajadores puede agravar el crculo vicioso prolongando
indefinidamente la situacin de desempleo.
Una vez comprendido el desempleo debemos determinar, Qu 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 consideracin.
En nuestro problema se considerara como variable dependiente el Desempleo(Y), el
resto sern variables independientes:
= (, , , , )
PIB Nominal: El Producto Interno Bruto (PIB) es el valor de los bienes y servicios de uso
final generados por los agentes econmicos durante un perodo. Por lo anterior es
lgico pensar que un incremento o disminucin de este indicador, es consecuencia
directa de aumentos o disminuciones en los niveles de produccin de los sectores que
lo componen.
Tasa Banco Central: Tenemos que considerar como primicia que la tasa indicada por el
Bco Central, es una reaccin a la inflacin. Consideraremos en nuestro modelo este
indicador ya que podemos deducir que es consecuencia de una serie de hechos. Una
disminucin en el consumo puede ser explicada por un aumento en el desempleo, lo
que implicara una disminucin en el IPC debido a la baja en la demanda de los bienes
que se consideran en la canasta, este hecho dara como resultado una disminucin en
la inflacin, lo que producira una disminucin en la tasa del Bco. Central como
consecuencia para reactivar la economa.
Variable Terremoto: Todos sabemos los efectos nefastos que produjo el terremoto a
nivel pas. Nos proponemos predecir esta situacin incluyndola como variable
Dummy que va a considerar el cambio de nuestra curva grfica por la relevancia que
sigue teniendo en el factor empleo.

Universidad de los Andes

Econometra
Daniel Bustos
Gonzalo Domnguez

Fuerza de Trabajo Total (FT): Con esta variable se mide la cantidad de personas que
integran la poblacin econmicamente activa. De acuerdo a los datos entregados por
el Banco Mundial, sta 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.
Desaprobacin del gobierno: El estudio que realiza la empresa Adimark sobre la
Aprobacin o la desaprobaron del gobierno. En el anlisis del modelo, al haber un
aumento de la desaprobacin del gobierno, entregara informacin negativa a los
mercados que podra contraer la inversin tanto extranjera como nacional incidiendo
directamente en la tasa de desempleo afectando a su vez el crecimiento del PIB.

Estimacin del modelo

La herramienta utilizada para realizar la regresin y los test es el software Stata.
Usando los datos anuales del periodo 2000-2013, obtenemos la siguiente regresin:
Source

SS

df

MS

Model
Residual

13.1414679
2.40710299

5
8

2.62829359
.300887873

Total

15.5485709

13

1.19604392

Desempleo

Coef.

PIB
TasaInteresBancoCentral
Terremoto
desaprobaciongobierno
TotalFuerzaLaboral
_cons

-2.207496
-.116897
-.1363389
-.0358402
.368395
-7.64179

B0
-7,64
Y(Tasa
Desempleo)

B1
-2.20
PIB

Std. Err.
.8550487
.1134488
.3971246
.0184537
.2134818
11.17583

Number of obs
F( 5,
8)
Prob > F
R-squared
Adj R-squared
Root MSE

t
-2.58
-1.03
-0.34
-1.94
1.73
-0.68

B2
B3
-0.11
-0.13
Tasa
de Terremoto
Interes
Banco
Central

P>|t|
0.033
0.333
0.740
0.088
0.123
0.513

=
=
=
=
=
=

14
8.74
0.0043
0.8452
0.7484
.54853

[95% Conf. Interval]

-4.179242
-.3785105
-1.05211
-.0783945
-.123895
-33.41329

B4
-0.35
Desaprobacin
Gobierno

-.2357503
.1447165
.779432
.0067141
.8606849
18.12971

B5
0.36
Total
Fuerza
Laboral

Con bondad de ajuste de un 84% y todos sus parmetros calculados con significancia
estadstica probada. Estamos en condiciones de probar el modelo encontrado de acuerdo con
el Teorema de Gauss-Markov.

Universidad de los Andes

Econometra
Daniel Bustos
Gonzalo Domnguez

Datos Utilizados
Aos Desempleo PIB
2000
2001
2002
2003
2004
2005
2006
2007
2008

9,20
9,10
8,90
8,50
8,80
8,00
7,70
7,10
7,80

2009
2010
2011
2012
2013

9,70
8,10
7,10
6,40
6,00

1,49
1,57
1,63
1,75
1,9
2,08
2,54
2,77
2,73
2,73
3,1
3,4
3,6
3,8

Tasa
Interes
Banco
Central
5,26
5,07
4,05
2,73
1,87
3,44
5,02
5,31
7,1
2
1,43
4,67
5,01
4,92

Terremoto

desaprobacion
gobierno

Total
Fuerza IPC
Laboral

26

59,20

0,4

0
0
0
0
1
0
1
0

32

58,60

0,2

30
24
19
24
28
38
29

58,20
58,80
59,60
60,20
60,90
61,50
63,10

0,2

0
1
0
0
0

13

63,10

43
60
57
41

65,70
67,00
67,10
67,40

0,1
0,2
0,3
0,2
0,6
0,6
0,1

1,4
3,3
3
1,8

A continuacin 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.

Variable

VIF

1/VIF

TotalFuerz~l
PIB
desaprobac~o
TasaIntere~l
Terremoto

22.78
19.42
2.66
1.46
1.24

0.043895
0.051505
0.375711
0.682909
0.809404

Mean VIF

9.51

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

Universidad de los Andes

Econometra
Daniel Bustos
Gonzalo Domnguez
Largo Plazo. A diferencia del paper, al ser calculadas en meses en un corto plazo
estadsticamente 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 podra disminuir si aumentamos la cantidad de
periodos analizados.

b) Normalidad del error

Skewness/Kurtosis tests for Normality
Variable

Obs

residual

14

Pr(Skewness)

Pr(Kurtosis)

0.8458

0.9403

adj chi2(2)

joint
Prob>chi2

0.04

0.9785

Como vemos el error no distribuye normal, pero este problema no viola ningn 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 correlacin entre
las variables donde nuestra hiptesis nula sera Ho= No existe Autocorrelacin
Durbin-Watson d-statistic(

6,

14) =

1.149069

Podemos ver que nuestro modelo podra presentar correlacin 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.

lags(p)
2

chi2
2.634

df
2

H0: no serial correlation

No rechazamos la correlacin con 2 periodos anteriores.

Prob > chi2

0.2679

-1.00

-0.50

0.00

0.50

1.00

Universidad de los Andes

Econometra
Daniel Bustos
Gonzalo Domnguez

3
Lag

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

Con esto tampoco se puede estar seguro, pero lo ms probable es que haya ya que est muy
encima.

d) Heterocedasticidad
Se busca analizar la existencia de una varianza no constante en las perturbaciones
aleatorias de un modo economtrico.
Ho: No hay heterocedasticidad
H1: Existe Heterocedasticidad
. estat hettes
Breusch-Pagan / Cook-Weisberg test for heteroskedasticity
Ho: Constant variance
Variables: fitted values of Desempleo
chi2(1)
Prob > chi2

=
=

0.15
0.6976

Ya que el valor p nos dio mayor que 0.05 por lo que no se rechaza la hiptesis nula y nuestro
modelo nos da que es homocedastico y que su varianza es constante.

Universidad de los Andes

Econometra
Daniel Bustos
Gonzalo Domnguez

e) Modelo Especificado
Se busca corroborar la correcta especificacin del modelo estimado, donde:
Ho: Modelo correctamente especificado
H1: Modelo no est correctamente especificado
. estat ovtest
Ramsey RESET test using powers of the fitted values of Desempleo
Ho: model has no omitted variables
F(3, 5) =
0.21
Prob > F =
0.8844

Con estos valores no se rechaza la hiptesis 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 regresin con la restriccin de que el estimador
asociado a la variable Terremoto sea 0, que es la siguiente:
Source

SS

df

MS

Model
Residual

13.1060037
2.44256724

4
9

3.27650092
.27139636

Total

15.5485709

13

1.19604392

Desempleo

Coef.

PIB
TasaInteresBancoCentral
desaprobaciongobierno
TotalFuerzaLaboral
_cons

-2.304075
-.1021548
-.0373916
.3929619
-8.96583

Std. Err.
.7668562
.0997294
.0169924
.1910206
9.961995

Number of obs
F( 4,
9)
Prob > F
R-squared
Adj R-squared
Root MSE

t
-3.00
-1.02
-2.20
2.06
-0.90

P>|t|
0.015
0.332
0.055
0.070
0.392

=
=
=
=
=
=

14
12.07
0.0012
0.8429
0.7731
.52096

[95% Conf. Interval]

-4.038824
-.3277584
-.0758311
-.0391566
-31.50143

-.569326
.1234488
.0010479
.8250804
13.56977

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
hiptesis y no hay cambio estructural.

-1

-.5

Residuals

.5

Universidad de los Andes

Econometra
Daniel Bustos
Gonzalo Domnguez

2000

2005

2010

2015

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 descubri que existen variables que
no son relevantes estadsticamente en el modelo planteado. Lo caracterstico 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, segn 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 regresin, hay muchas variables que no son significantes, por lo que
podramos plantearnos la posibilidad de borrarlas, en particular una de estas tiene correlacin
con otra, y al no ser significativa podramos eliminarla sin que este cambio nos afecte el
modelo con algn tipo de sesgo, en el paper estudiado, tambin le dio que varias variables
eran no significativas pero las dejo ya que igual son relevantes en el estudio del desempleo.

Universidad de los Andes

Econometra
Daniel Bustos
Gonzalo Domnguez
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 aos de
un mismo gobierno, a diferencia de nuestro caso que los consideramos anuales y distintos
gobiernos, como vemos en el grfico de los errores, se puede ver que hay una tendencia a
estar relacionados por gobierno como se ve en el grfico.

Bibliografa
www.bancomundial.org/datos
www.adimark.cl
www.ine.cl
www.bcentral.cl

Universidad de los Andes

Econometra
Daniel Bustos
Gonzalo Domnguez