Pronóstico de la Población Ocupada en el Estado de Veracruz Mediante Series de Tiempo: Enero 2023 - Junio 2024
Resumen
El trabajo que se realizo fue un trabajo colaborativo entre la Universidad Veracruzana y el Gobierno del Estado donde se demostró las buenas prácticas entre Universidad y sector público y así mejorar la alfabetización estadística y la toma de decisiones y su perspectiva fue el analizar y pronosticar la población ocupada, desocupada, subocupada y pérdida de empleo en el Estado de Veracruz de Ignacio de la llave a través de modelos ARIMA identificando el comportamiento del tiempo con datos de la encuesta Nacional de Ocupación y Empleo ENOE. Utilizando el enfoque de series de tiempo, que permitió analizar las tendencias históricas y pronosticar la población ocupada para los siguientes 6 trimestres de 2023 y 2024. En el trabajo se consideran variables como la población ocupada, desocupada, Subocupada y la pérdida de empleo, lo que permitió entender y pronosticar las tendencias del mercado laboral en el Estado. Además, se realizó una revisión de la literatura existente sobre el mercado laboral en Veracruz de Ignacio de la Llave, lo que permitió contextualizar los resultados obtenidos. Se estimaron posibles modelos ARIMA utilizando la metodología de Box y Jenkings según los valores obtenidos y se sugirió considerar factores externos que pueden influir en los indicadores laborales, como cambios económicos, políticas gubernamentales y avances tecnológicos, al realizar futuros pronósticos; por lo que los resultados obtenidos sugieren que en el Estado de Veracruz experimentara mejoras en comparación con la contingencia sanitaria del 2020. No obstante se recomienda considerar factores externos que pueden influir en los indicadores laborales, como cambios económicos, políticas gubernamentales y avances tecnológicos, al realizar futuros pronósticos. También se recomendó la implementación de programas de capacitación y reconversión laboral para mitigar los efectos del desempleo y se sugirió continuar analizando a fondo el mercado laboral en el Estado de Veracruz de Ignacio de la Llave.
Descargas
Citas
Acosta Silva, S., & Paredes Cruz, I. (2022). Prevención y tratamiento de la litiasis renal: Medidas dietéticas y farmacológicas. Revista Científica De Salud Y Desarrollo Humano, 3(1), 148–170. https://doi.org/10.61368/r.s.d.h.v3i1.50
Balcazar. (2020). Pronóstico de la tasa de desempleo para personas con educación media superior y superior en méxico para 2018 utilizando simulación [tesis para licenciatura]. (“pronóstico de la tasa de desempleo para personas con educación media...”) Universidad Autónoma del Estado de México.
Chavarría Oviedo, F., & Avalos Charpentier, K. (2022). Material Designing for English Language Learners With ASD, Visual Impairments and Muteness. Sapiencia Revista Científica Y Académica , 2(2), 71–91. Recuperado a partir de https://revistasapiencia.org/index.php/Sapiencia/article/view/23
European Commission. (2023). Ethical Guidelines on the Use of Artificial Intelligence (AI) and Data in Teaching and Learning for Educators. Available online: https://op.europa.eu/en/publication-detail/-/publication/d81a0d54-5348-11ed-92ed-01aa75ed71a1/language-en
González, L. (2023). Evaluación de la Conexión entre la Administración Educativa Participativa y la Excelencia en la Enseñanza en Instituciones Públicas de América Latina. Emergentes - Revista Científica, 3(1), 132–150. https://doi.org/10.60112/erc.v3i1.25
INEGI (2021a). Encuesta Nacional de Ocupación y Empleo (ENOE). Obtenido de https://www.snieg.mx/DocAcervoINN/documentacion/inf_nvo_acervo/SNIDS/ENOE/presentacion.pdf
INEGI (2021b). Glosario. Obtenido de https://www.inegi.org.mx/app/glosario/default.html?p=ENOE15
Marce vázquez. (2012). Aplicación de los modelos ARIMA a la elaboración de pronósticos de la desocupación femenina en méxico 2000-2012 [Tesis de maestría]. (“Aplicación de los modelos ARIMA a la elaboración de pronósticos de la ...”) Universidad Nacional Autónoma de México.
Mendoza Cota, J. E. (2020). “COVID-19 y el empleo en México: impacto inicial y pronósticos de corto plazo” en Contaduría y administración, 65 (4), 1-18.
Pallavicini, A. F., & Villalobos, H. (2013). Modelos Arma y método Box & Jenkins.1-12, URL: https://www.researchgate.net/profile/AldoFournies/publication/274961095_Modelos_ARMA_y_Box_and_Jenkins/links/552d953e0cf29b22c9c4f7a0/Modelos-ARMA-y-Box-and-Jenkins.pdf
Pintos, M. M. (2022). La responsabilidad social de los abogados. Estudios Y Perspectivas Revista Científica Y Académica , 2(2), 92–114. https://doi.org/10.61384/r.c.a.v2i2.23
Saavedra, J. P. H., & Díaz, G. A. H. (2002). Metodología de un Modelo ARIMA condicionado para el pronóstico del PIB. República de Colombia, Departamento Nacional de Planeación, Dirección de Estudios Educativos.
Box, G. E. P.; Jenkins, G. M.; Reinsel G. C. and Ljung, G. M. (2016) Time Series Analisys: Forecasting and Control, Fifth edition. Wiley
Brockwell, P.J. and Davis, R. (2002) Introduction to Time Series Forecasting, 2 ed. Springer: New York.
Hanke, J.E. y Reitsch, A.G. (2014) Pronósticos en los negocios. Prentice Hall. Quinta edición.
Tsay, R.S. (2014) Multivariate Time Series Analysis With R and Financial Applications. John &Wiley Sons, Inc. Wiley Series in Probability and Statistics.
Holton, W.J. and Keating, B. (1994) Business Forecasting. 2 ed. IRWIN.
Li, Qi; Racine, Jeffrey S. (2007) Nonparametric Econometrics: Theory and Practice. Princenton University Press.
Peña, D. (2010) Análisis de Series Temporales. 2 ed. Alianza Editores.
Cryer, J. D. and K.-S. Chan (2008): Time Series Analysis with Applications in R,
New York: Springer Science + Business Media LLC.
Derechos de autor 2024 Nora Guadalupe Sánchez Montero , José Alberto Arellano Hernández
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
.jpg)
.png)
