Marilyn Jessimar Duran Briceño.

Econometría: Modelo Multinomial.

El siguiente informe consiste en calcular las probabilidades realizada bajo el Modelo Multinomial asociadas en los requerimientos de la convocatoria laboral “Profesional de información estadística institucional” de elempleo (https://www.elempleo.com/co/ofertas-trabajo/profesional-de-informacion-estadistica-institucional/1885903591?trabajo=economista) utilizando los coeficientes (0, 1 y 2) y variables semejantes a la investigación “Caracterización del Mercado Laboral de los Profesionales en Economía de las ciudades de Bogotá, Bucaramanga, Medellín y Cali, 2018-2019” realizada por Henry Sebastián Rangel Quiñonez, María Camila Gómez Pradilla y Luisa Fernanda Arenas Estévez (https://www.academia.edu/44876845/Caracterizaci%C3%B3n_del_Mercado_Laboral_de_los_Profesionales_en_Econom%C3%ADa_de_las_ciudades_de_Bogot%C3%A1_Bucaramanga_Medell%C3%ADn_y_Cali_2018_2019)

Se realizó por medio de Rmarkdown como herramienta principal para generar el informe. Rmarkdown permite la integración de código R y texto explicativo, lo que facilita la presentación de resultados de manera clara y estructurada.

El primer paso implica identificar las características clave de la demanda laboral, que incluyen:

Se identifican en el estudio “Caracterización del Mercado Laboral de los Profesionales en Economía de las ciudades de Bogotá, Bucaramanga, Medellín y Cali, 2018-2019” en relación a las varibles anteriormente mencionadas como requerimiento de la vacante laboral estudiada, la cual van a ser utilizados sus coeficientes para el modelo:

Como siguiente paso debemos tomar en cuenta los coeficientes de la investigación, identificarlos y reemplazarlos en la formula del modelo multinomial.

Fuente: Caracterización del Mercado Laboral de los Profesionales en Economía de las ciudades de Bogotá, Bucaramanga, Medellín y Cali, 2018-2019. Henry Sebastián Rangel Quiñonez, María Camila Gómez Pradilla y Luisa Fernanda Arenas Estévez

Se lleva a cabo la búsqueda de las “h”, las cuales son:

  • h0 = Valores del coeficiente 0 = Si el salario es a convenir o la vacante no presenta información al respecto.

  • h1 = Valores del coeficiente 1 = Si el salario ofrecido es menos de 2 millones de pesos.

  • h2 = Valores del coeficiente 2 = Si el salario ofrecido está entre 2 y 6 millones de pesos.

  • h3 = Valores del coeficiente 3 = Si el salario ofrecido es más de 6 millones de pesos.

h0 = exp(33.97404-17.93484+(-0.711808*2)+(0.0443114*2)+0.9772763-13.83562)
h1 = exp(36.79589-22.06338+(-1.133189*2)+(-0.071919*2)-5.683562-12.78294)
h2 = exp(10.36383-18.67022+(-0.439368*2)+(-0.04201*2)+0.4097393+11.51387)

Datos obtenidos:

> h0 = 6.333564

> h1 = 0.002145875

> h2 = 14.21735

Seguidamente, se calculan las probabilidades π0, π1 y π2 utilizando los valores h0, h1 y h2 obtenidos en el paso anterior. Estas probabilidades indican la posibilidad de estar incluido en una de las tres categorías (0, 1 y 2) en el modelo multinomial.

π0: Se calcula dividiendo h0 por la suma de h0, h1 y h2.

π1: Se calcula dividiendo h1 por la suma de h0, h1 y h2.

π2: Se calcula dividiendo h2 por la suma de h0, h1 y h2.

pi0 = h0 / (1 + h0 + h1 + h2)
pi1 = h1 / (1 + h0 + h1 + h2)
pi2 = h2 / (1 + h0 + h1 + h2)

Finalmente, se estima π3 como complemento de las probabilidades anteriores para asegurarse de que la suma total de las probabilidades sea igual a 1 (100%).

pi3 = 1 - (pi0 + pi1 + pi2)

Tenemos la posibilidad de crear un marco de datos llamado “Porcentaje” que contiene dos columnas: “Variable” y “Porcentaje”. La columna “Variable” contiene las etiquetas de las probabilidades (π0, π1, π2 y π3), y la columna “Porcentaje” contiene los valores correspondientes expresados en porcentaje respectivamente.

porcentaje <- data.frame(
  Variable = c("pi0", "pi1", "pi2", "pi3"),
  Cálculo = c(pi0, pi1, pi2, pi3) * 100
)

colnames(porcentaje)[2] <- "Porcentaje (%)"
print(porcentaje)
##   Variable Porcentaje (%)
## 1      pi0    29.38591060
## 2      pi1     0.00995624
## 3      pi2    65.96442147
## 4      pi3     4.63971169

La tabla “Porcentaje” se despliega en la consola, exhibiendo las probabilidades calculadas en un formato tabular que presenta las etiquetas junto con los valores en porcentaje asociados a π0, π1, π2 y π3.

Resultados:

  • pi0 = 0.2938591 = 29.38591% de probabilidad de que el salario sea a convenir o que la vacante no incluya información al respecto.

  • pi1 = 9.95624e-05 = 0.00995624% de probabilidad de que el salario ofrecido sea inferior a 2 millones de pesos.

  • pi2 = 0.6596442 = 65.96442% de probabilidad de que el salario ofrecido se encuentre en el rango de 2 a 6 millones de pesos.

  • pi3 = 0.04639712 = 4.639712% de probabilidad de que el salario ofrecido sea superior a 6 millones de pesos.

Conclusiones:

El modelo nos permite observar y predecir el salario basándose en las variables estudiadas como los años de experiencia, el nivel educativo, entre otros. Podemos concluir que el modelo acertó, ya que el salario de la vacante estudiada se encuentra dentro del rango con la probabilidad más alta, que en este caso es del 65.96442%, lo que significa que existe una alta probabilidad de que el salario ofrecido esté en el intervalo de 2 a 6 millones de pesos.

Y listo! Finalizado. Muchas gracias por la atención.