Aplicación del modelo de espacio de estados con errores correlacionados a la tasa de desempleo en Perú

Abstract

En este trabajo se presenta los modelos de espacio de estados con errores correlacionados, propuesto por Pfeffermann y Tiller (2006), aplicado a datos reales de la tasa de desempleo para Lima Metropolitana, cuya información es recolectada mediante la Encuesta Permanente del Empleo - EPE por el Instituto Nacional de Estadística e Informática. Estos modelos permiten dar tratamiento a series de tiempo con errores de medición correlacionados, la estimación de los componentes del modelo se realiza mediante el algoritmo recursivo de Pfeffermann y Tiller, y cuando los errores son independientes se utiliza el algoritmo recursivo del filtro de Kalman. Se realizó un estudio de simulación con series de tiempo con errores correlacionados con el objetivo de comparar las predicciones obtenidas con el algoritmo del filtro de Kalman y el algoritmo de Pfeffermann y Tiller, resultando este último con menores errores de predicción. Con la finalidad de comparar la aplicación del modelo de espacio de estados con errores correlacionados con una metodología muy conocida como el desarrollado por Box and Jenkins, se ajustó los datos de la tasa de desempleo a un modelo ARIMA, se comparó las predicciones de ambos modelos con las verdaderas observaciones, donde los errores de las predicciones fueron similares, sin embargo, el menor error cuadrático medio se obtuvo con el modelo de espacio de estados con errores correlacionados.