Estudio comparativo por métodos de clasificación para el análisis del desempleo en los departamentos de la región oriental del Paraguay
DOI:
https://doi.org/10.18004/rcfacen.2022.13.2.122%20Palabras clave:
Desempleo, Modelo Logit, Árboles de ClasificaciónResumen
El problema de la clasificación de individuos u objetos en grupos o poblaciones conocidas es de gran interés en estadística, por esta razón se han desarrollado varias técnicas para cumplir este propósito. Este trabajo propende a identificar los factores de riesgo que inciden en la precariedad laboral de la población paraguaya, adoptando como base de información la Encuesta Permanente de Hogares 2011. El efecto de las variables predictoras (edad, sexo, estado civil, nivel de educación, parentesco con el jefe de hogar, departamento, área, rama y categoría del último empleo) sobre la Situación Laboral del encuestado se estima a través de los Análisis de Regresión Logística y Árboles de Clasificación. El análisis de los resultados de la Regresión Logística y de Arboles de Clasificación permite concluir que las variables sexo, estado civil, nivel de educación y la condición de jefe de hogar inciden fuertemente en la probabilidad de que una persona sea desempleada. Se espera que los resultados obtenidos del estudio comparativo, a través métodos de clasificación, sean de gran utilidad para los investigadores de la Economía Laboral, habida cuenta que el desempleo es uno de los problemas que más afecta a la sociedad paraguaya.
Descargas
Citas
Beltrán, C. (2011). Análisis de Regresión Logística Aplicado a la Clasificación Textos Académicos: Biometría y Filosofía. Revista de Epistemología y Ciencias Humanas, 3: 50–60.
DGEEC (Direccion General y Estadísticas y Censos). (2011). Principales Resultados de la EPH 2011. [Consulted: 12.viii.202].
www.dgeec.gov.py>. Asunción: Paraguay. 33 pp.
Díaz, M., Ferrero, F., Díaz, C., Caro, P & Stimolo, M.I. (2005). Análisis del Desempleo Urbano a Través de un Estudio Comparativo de Métodos de Clasificación. Revista de Economía y Estadística, 43(2): 61–83.
Hair, J.F.Jr., Anderson, R.E., Tatham, R.L. & Black, W.C (1999). Análisis Multivariante. (5ta. Edición). Hoboken: Prentice Hall. 799 pp.
Hernández, F. & Correa, J.C. (2009). Comparación entre tres Técnicas de Clasificación. Revista Colombiana de Estadística, 32(2): 247–265.
Hosmer, D.W. & Lemeshow, S. (2000). Applied Logistic Regression. (2° Edición). New York: Wiley-Interscience. 375 pp.
Pérez, J.M. (2006). Árboles Consolidados: Construcción de un Árbol de Clasificación basado en múltiples submuestras sin renunciar
a la explicación. (Tesis doctoral). Donostia: Universidad del País Vasco. 271 pp.
Serna Pineda, S. C. (2009). Comparación de árboles de regresión y clasificación y regresión logística. (Disertación de maestría). Medellín: Universidad Nacional de Colombia. 60 pp.
Todo el contenido de esta revista está bajo una 