Application of state space models to model unemployment rate data in Metropolitan Lima
DOI:
https://doi.org/10.21754/iecos.v21i1.1077Keywords:
Unemployment rate, state space model, basic structure model, trend, Kalman filter, sampling, Horvitz-Tompson estimatorAbstract
The dynamics of the unemployment rate over time reflects the performance of the labor market, one of the most important determinants of well-being in any economy. The unemployment rate is one of the main indicators used to analyze the prosperity and economic situation of a country, and also allows analyzing the economy from two perspectives: the first from the supply side and from the demand side. In this research we are going to analyze the dynamics of unemployment in Metropolitan Lima.
For this purpose, we will use the data from the Permanent Employment Survey - EPE from 2002 to 2018 to calculate the monthly unemployment rates. We are interested in studying the development dynamics of the unemployment rate in Metropolitan Lima, and also in comparing the development dynamics of
the said rate in different cones, men and women, and also the dynamics in different age groups. The main objective of our research is to study the dynamics of unemployment rates in different social groups to identify possible problems of inequality of opportunities in the same groups, and to explain the economic and social roots that generate this inequality. To estimate the monthly unemployment rates and their respective variances we use the Horvitz-Tompson estimator. To analyze the dynamics of the series we adjust the basic structure model, which is a special case of state space models.
Downloads
References
Recuperado de https://www.banrep.gov.co/docum/ftp/borra265pdf.pdf
Arango, L. & Ros, A. (2015). Duración del desempleo en Colombia: género, intensidad de búsqueda y anuncios de vacantes. Banco de la Reserva- Colombia. Borradores de economía. N866. Recuperado de https://publications.iadb.org/es/publicacion/13851/duracion-del-desempleo-en-colombia-genero-intensidad-de-busqueda-y-anuncios-de
Ball, L., De Roux, N. & Hofstetter, M. (2011). Unemployment in Latin America and the Caribbean. International Monetary Fund. Recuperado de https://www.elibrary.imf.org/view/journals/001/2011/252/article-A001-en.xml
Belapatiño, V., Cespedes, N. & Gutierrez, A. (2014). La duración del desempleo en Lima Metropolitana. Revista Estudios Económicos. Banco Central de Reserva del Perú. Recuperado de https://www.bcrp.gob.pe/docs/Publicaciones/Revista-Estudios-Economicos/27/ree-27-cespedes-gutierrez.pdf
Bellani, D., Garca, P. & Pasten E. (2002).Curva de Beveridge, vacantes y desempleo: Chile 1996.I-2002.II.Banco central de Chile Documentos de trabajo (191). Recuperado de https://www.bcentral.cl/documents/33528/133326/bcch_archivo_167954_es.pdf/e43da653-8889-7955-9896-959728f9f653?t=1573282942020
Contreras, S., Pino O., & Pizzinga A.(2006). Aplicación de la metodología espacio estado en el análisis de las series de desempleo: Caso región del Bío-Bío. Theoría 25(1). Chile: Universidad del Bío Bío: Recuperado de https://www.redalyc.org/pdf/299/29915107.pdf
Contreras-Reyes, Javier, & Idrovo, Byron. (2011). En busca de un modelo benchmark univariado para predecir la tasa de desempleo de chile. Cuadernos de Economía, 30(55), 105-125. Retrieved May 10, 2021, Recuperado de http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0121-47722011000200006&lng=en&tlng=es
Durbin, J., & Quenneville, B. (1997). Benchmarking by State Space Models. International Statistical Review / Revue Internationale De Statistique, 65(1), 23-48. doi:10.2307/1403431.
Harvey, A. (1990). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge: Cambridge University Press. doi:10.1017/CBO9781107049994
Judzik, D. & Mateos, N. (2017).Sobre los determinantes de la tasa de desempleo en Argentina (2003-2015). Pontificia Universidad Católica Argentina, Facultad de Ciencias Humanas. Recuperado de https://repositorio.uca.edu.ar/handle/123456789/9975
Lasso, F. (2013). La dinámica del desempleo urbano en Colombia. Recuperado de https://www.banrep.gov.co/es/borrador-667
Lasso, F. & Zarate, H. (2019). Pronosticar la tasa de desempleo colombiana utilizando los flujos de la fuerza laboral. Banco de la Reserva-Colombia: Borradores de economía. N1073. Recuperado de http://doi.org/10.32468/be.1073
Marchionni, M., Gasparini, L., & Edo, M. (2019). Brechas de género en América Latina. Un estado de situación. Caracas: CAF. Retrieved from http://scioteca.caf.com/handle/123456789/1401
Restrepo, J. (2008). Estimaciones de la NAIRU para Chile. Banco Central de Chile. Recuperado de https://www.cemla.org/PDF/ic/2008-ic/IC-16.pdf
Centro de Investigación y Desarrollo (INEI/CIDE). (2001). ¿Qué sabemos sobre el desempleo en el Perú?. Recuperado de https://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib0489/Libro.pdf
Organización Internacional del Trabajo (2013). Modelo de Proyección de Empleo para el Perú. Lima: OIT/ Oficina de la OIT para los países Andinos, 1a ed. Recuperado de https://www.ilo.org/wcmsp5/groups/public/---americas/---ro-lima/---sro-lima/documents/publication/wcms_236122.pdf
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2021 IECOS Journal
This work is licensed under a Creative Commons Attribution 4.0 International License.
CC BY 4.0 DEED Attribution 4.0 International
