Ocupación laboral en la Octava Región de Chile por rama de actividad

Análisis multivariado. Sectores de empleo. Mediciones y variables categóricas

  • Enviado por: Ronald E
  • Idioma: castellano
  • País: Chile Chile
  • 12 páginas
publicidad
publicidad

Universidad Católica de Ssma. Concepción

Facultad de Ingeniería

Area de Ciencias Matemáticas

Unidad - Análisis Multivariado

TRABAJO DE APLICACIÓN DE ANÁLISIS

MULTIVARIADO

TEMA : Ocupación Laboral en la Octava Región por rama de actividad.

Nombre del Alumno: Ronald Eskuche

Asignatura: Análisis Multivariado

Fecha: 07/12/00

INTRODUCCION

En el presente trabajo analizaremos desde distintos puntos de vista la ocupación laboral de acuerdo a las distintas áreas de actividad económica en la octava región.

Trataremos de realizar un variado análisis, para de esta manera tratar de ver como se comportan estas distintas áreas en el transcurso de un periodo de tiempo determinado. Para llevar a cabo este análisis nos hemos apoyado en el software SPSS versión 8.0 , el cual nos facilitara esta tarea. Podremos apreciar en forma gráfica cada uno de estos comportamientos, como también el ajuste de estos datos a un modelo de regresión.

Los datos con que trabajaremos son actualizados, y fueron obtenidos de INE(Instituto Nacional de Estadística de Concepción). Están tomados desde Enero de 1999 hasta Septiembre del 2000.

Comenzaremos con un análisis descriptivo de los datos, los cuales fueron obtenidos de las tablas 1 y 2 que están en el anexo de este informe(tabla Nº2).

Statistics

A1:cant. de ocupados en agricultura,caza y pesca.

A2: cant. de ocupados en minas y canteras

A3: cant. de ocupados en Industria y Manufacturas

A4: cant. de ocupados en elec. , gas y agua.

A5: cant. de ocupados en construccion

A6: cant. de ocupados en comercio

A7: cant. de ocupados en transporte y comunicaciones.

N

Valid

19

19

19

19

19

19

19

Missing

0

0

0

0

0

0

0

A1:cant. de ocupados en agricultura,caza y pesca.

Frequency

Percent

Valid Percent

Cumulative Percent

Valid

entre 98 y 102 (mls. de personas)

4

21,1

21,1

21,1

entre 102 y 106 (mls. de personas)

7

36,8

36,8

57,9

entre 106 y 111 (mls. de personas)

8

42,1

42,1

100,0

Total

19

100,0

100,0

A2: cant. de ocupados en minas y canteras

Frequency

Percent

Valid Percent

Cumulative Percent

Valid

entre 1.81 y 2.715 (mls. de personas)

2

10,5

10,5

10,5

Entre 2.715 y 3.62 (mls. de personas)

17

89,5

89,5

100,0

Total

19

100,0

100,0

A3: cant. de ocupados en Industria y Manufacturas

Frequency

Percent

Valid Percent

Cumulative Percent

Valid

entre 100 y 102 (mls. de personas)

3

15,8

15,8

15,8

entre 102 y 104 (mls de personas)

7

36,8

36,8

52,6

entre 104 y 106 (mls. de personas)

8

42,1

42,1

94,7

entre 106 y 108 (mls. de personas)

1

5,3

5,3

100,0

Total

19

100,0

100,0

A4: cant. de ocupados en elec. , gas y agua.

Frequency

Percent

Valid Percent

Cumulative Percent

Valid

entre 0 y 2 (mls. de personas)

2

10,5

10,5

10,5

entre 2 y 3 (mls. de personas)

14

73,7

73,7

84,2

entre 3 y 4 (mls. de personas)

3

15,8

15,8

100,0

Total

19

100,0

100,0

A5: cant. de ocupados en construccion

Frequency

Percent

Valid Percent

Cumulative Percent

Valid

entre 40 y 44 (mls. de personas)

4

21,1

21,1

21,1

entre 44 y 48 (mls. de personas)

7

36,8

36,8

57,9

entre 48 y 53 (mls. de personas)

8

42,1

42,1

100,0

Total

19

100,0

100,0

A6: cant. de ocupados en comercio

Frequency

Percent

Valid Percent

Cumulative Percent

Valid

entre 97 y 100 (mls. de personas)

3

15,8

15,8

15,8

entre 100 y 103 (mls. de personas)

5

26,3

26,3

42,1

entre 103 y 106 (mls. de personas)

7

36,8

36,8

78,9

entre 106 y 109 (mls. de personas)

4

21,1

21,1

100,0

Total

19

100,0

100,0

A7: cant. de ocupados en transporte y comunicaciones.

Frequency

Percent

Valid Percent

Cumulative Percent

Valid

entre 44 y 47 (mls. de personas)

4

21,1

21,1

21,1

entre 47 y 50 (mls. de personas)

10

52,6

52,6

73,7

entre 50 y 53 (mls. de personas)

5

26,3

26,3

100,0

Total

19

100,0

100,0

Estos datos fueron obtenidos ajustando los datos de acuerdo a intervalos, para de esta manera apreciar el número personas (en miles) y sus respectivos porcentajes, así de esta manera tener una idea de cuanto es comparativamente la ocupación de las personas dependiendo del área en que se desempeñen (en la zona).

A simple vista podemos ver que la mayor parte de la ocupación laboral se encuentra en el área del comercio, la industria y manufactura y la agricultura-caza-pesca. Esto es lógico ya que nuestra zona esta fuertemente desarrollada en estos rubros.

De la figura 2 mostrada a continuación podemos apreciar otros estadísticos obtenidos de la tabla original de datos(tabla 1). De aquí podemos observar la media, la varianza y el valor mínimo y máximo para

cada área, que son estadísticos básicos, pero que también nos van guiando hacia el comportamiento de cada rubro. Podemos observar la poca variabilidad en el numero de personas que trabajan en el área de minas y canteras como también en el área de la electricidad y aguas. Por otro lado la agricultura-caza-pesca como el comercio presentan los índices mas altos en cuanto a variabilidad se refiere. Esto se puede a los alti-bajos que estos sectores sufren.

Fig 2:

Descriptive Statistics

N

Minimum

Maximum

Mean

Variance

A1: cant. de ocupados en agricultura, caza y pesca

19

98.03

110.46

105.1305

13,509

A2: cant. de ocupados en industria y manufacturas

19

100.19

107.92

103.6816

3,057

A3: cant. de ocupados en minas y canteras

19

2.56

3.62

3.1521

,112

A4: cant. de ocupados en electricidad, gas y agua

19

1.69

3.93

2.5174

,261

A5: cant. de ocupados en construccion

19

43.13

52.48

47.4926

8,126

A6: cant. de ocupados en comercio

19

97.05

108.92

103.4126

9,587

A7: cant. de ocupados en transporte y comunicaciones

19

44.10

52.79

48.5689

5,200

Valid N (listwise)

19

A continuación mostraremos gráficamente el comportamiento de cada rubro o actividad que estamos analizando. Donde se ha tratado de ajustar una recta que concentre el mayor numero de puntos.

Estos gráficos nos permiten visualizar de mejor manera el ascenso o descenso que ha tenido el empleo u ocupación para dichas áreas dentro del periodo que estamos analizando. Cabe señalar que para este análisis gráfico se tomo la variable periodo como variable independiente, esto quiere decir que estamos viendo como varia la ocupación para distintos periodos de tiempo.En algunas áreas como la pesca y la agricultura estas variaciones son muy importantes ya que estos rubros tienen “temporadas buenas” o pic, pero suelen tener temporadas donde decaen notoriamente; por lo general por causas metereologicas.

El grafico siguiente resume el comportamiento de todas las áreas que estamos analizando dentro de el periodo de tiempo considerado.

A continuación ajustarmos los datos a un modelo de regresión múltiple el cual nos llevara a establecer mediante los coeficientes de regresión una ecuación de predicción para estos datos. Para este análisis fue necesario tomar la variable periodo como variable dependiente y todos las áreas como variables independientes, las cuales nos dirán de acuerdo a sus niveles de empleo la época del año en que eso ocurre.

Model Summary

R

R Square

Adjusted R Square

Std. Error of the Estimate

Change Statistics

Model

R Square Change

F Change

df1

df2

Sig. F Change

1

,816

,666

,454

4,16

,666

3,137

7

11

,044

a Predictors: (Constant), A7: cant. de ocupados en transporte y comunicaciones, A5: cant. de ocupados en construccion, A3: cant. de ocupados en minas y canteras, A2: cant. de ocupados en industria y manufacturas, A1: cant. de ocupados en agricultura, caza y pesca, A4: cant. de ocupados en electricidad, gas y agua, A6: cant. de ocupados en comercio

ANOVA

Model

Sum of Squares

df

Mean Square

F

Sig.

1

Regression

379,746

7

54,249

3,137

,044

Residual

190,254

11

17,296

Total

570,000

18

a Predictors: (Constant), A7: cant. de ocupados en transporte y comunicaciones, A5: cant. de ocupados en construccion, A3: cant. de ocupados en minas y canteras, A2: cant. de ocupados en industria y manufacturas, A1: cant. de ocupados en agricultura, caza y pesca, A4: cant. de ocupados en electricidad, gas y agua, A6: cant. de ocupados en comercio

b Dependent Variable: P: Nº de periodo

Coefficients

Unstandardized Coefficients

Standardized Coefficients

t

Sig.

Correlations

Collinearity Statistics

Model

B

Std. Error

Beta

Zero-order

Partial

Part

Tolerance

VIF

1

(Constant)

57,636

148,009

,389

,704

A1: cant. de ocupados en agricultura, caza y pesca

-,149

,421

-,098

-,355

,730

-,511

-,106

-,062

,400

2,498

A2: cant. de ocupados en industria y manufacturas

-1,090

1,181

-,339

-,923

,376

-,136

-,268

-,161

,225

4,441

A3: cant. de ocupados en minas y canteras

-3,453

3,944

-,205

-,875

,400

-,451

-,255

-,152

,552

1,811

A4: cant. de ocupados en electricidad, gas y agua

-,245

3,840

-,022

-,064

,950

,389

-,019

-,011

,249

4,010

A5: cant. de ocupados en construccion

,349

,773

,177

,451

,661

,052

,135

,079

,198

5,057

A6: cant. de ocupados en comercio

-2,918E-02

,823

-,016

-,035

,972

,000

-,011

-,006

,148

6,752

A7: cant. de ocupados en transporte y comunicaciones

1,627

,724

,659

2,246

,046

,724

,561

,391

,352

2,841

a Dependent Variable: P: Nº de periodo

De estas tablas podemos obtener información que nos dirá que tan bueno es este modelo. Un valor de R cuadrado = 0.666 nos indica la variabilidad de Y (periodo) con respecto a las variables A1,A2,A3,A4,A5,A6 y A7.En este caso la variabilidad de los datos es relativamente amplia lo que nos indica que el modelo es relativamente bueno. Otro indicador importante es la raíz de este valor, que nos indica la correlación que existe entre Y y el conjunto. de variables de regresión, además es una medida de asociación lineal entre las variables antes mencionadas, en este caso R=0.81 lo que nos indica una fuerte correlación entre las variables de regresión. Con los valores de los betas obtenidos en la tabla tendremos nuestra ecuación de predicción que

queda:

Y = 57.636 - 0.149X1 - 1.090X2 - 3.453X3 - 0.245X4 + 0.349X5 - 0.0291X6 + 1.62X7

Una forma alternativa de ajustar nuestros datos fue mediante el método Lognileal de Independencia, el cual permite analizar variables categóricas, por lo que tuvimos que trabajar con la tabla Nº2 .Este análisis lo hemos resumido en el siguiente gráfico, el cual nos muestra que los puntos están distribuidos por toda la zona, lo cual es un buen índice porque los datos no siguen ningún patrón determinado.

Las variables que analizamos para este gráfico fueron el periodo de tiempo y la variable de ocupación en el rubro de la agricultura-caza-pesca, lo que nos indica una variabilidad de este rubro en el periodo de tiempo en cuestión.

CONCLUSION

Para finalizar este trabajo podemos decir que la ocupación laboral en la 8ª región esta fuertemente relacionada por el rubro en que se desempeñe y en el periodo de tiempo en que se analice. Lo que es en parte bueno porque deja abierta cualquier posibilidad de cambios repentinos en los índices de ocupación laboral, pensando siempre en la posibilidad de extender los niveles de ocupación en nuestra zona.

En base ha este estudio hemos aclarado los distintos comportamientos que rigen cada una de las distintas áreas que analizamos, que por lo demás son las principales dentro de la región.

Ocupación laboral en la Octava Región de Chile por rama de actividad