IDEAS home Printed from https://ideas.repec.org/p/rbp/wpaper/2013-015.html
   My bibliography  Save this paper

Google Trends: Predicción del nivel de empleo agregado en Perú usando datos en tiempo real, 2005-2011

Author

Listed:
  • Chang, Jillie

    (Universidad del Pacífico)

  • Del Río, Andrea

    (Universidad del Pacífico)

Abstract

En este documento se analiza si la información proporcionada por Google Trends puede reflejar el comportamiento de variables macroeconómicas de Perú, como el Índice de Empleo de Lima para Empresas de 100 y más Trabajadores (IE100). Utilizando esta fuente de información se construyó un índice que representa a la población que busca trabajo, el cual fue denominado Índice de Google de Desempleo (IGD). Los resultados indican que el modelo que incluye este índice mejora la predicción del IE100. Asimismo, se encuentra que este permite realizar predicciones contemporáneas y un periodo hacia adelante; empero, no permite anticipar la senda futura para más de un periodo. La importancia de estos hallazgos radica en que Google Trends es una fuente de información con una frecuencia más alta (semanal) que está disponible cuatro meses antes que las fuentes oficiales. En tal sentido, resulta una herramienta útil para toma de decisiones de los hacedores de política en particular en épocas de crisis, en donde el seguimiento y predicción de las variables de la actividad económica en tiempo real es fundamental.

Suggested Citation

  • Chang, Jillie & Del Río, Andrea, 2013. "Google Trends: Predicción del nivel de empleo agregado en Perú usando datos en tiempo real, 2005-2011," Working Papers 2013-015, Banco Central de Reserva del Perú.
    • Handle: RePEc:rbp:wpaper:2013-015
    as

    Download full text from publisher

    File URL: https://www.bcrp.gob.pe/docs/Publicaciones/Documentos-de-Trabajo/2013/documento-de-trabajo-15-2013.pdf
    File Function: Application/pdf
    Download Restriction: no
    ---><---

    More about this item

    Keywords

    Internet; motor de búsquedas; Google; Perú; empleo; análisis de series de tiempo; predicciones;
    All these keywords.

    JEL classification:

    • C22 - Mathematical and Quantitative Methods - - Single Equation Models; Single Variables - - - Time-Series Models; Dynamic Quantile Regressions; Dynamic Treatment Effect Models; Diffusion Processes
    • E24 - Macroeconomics and Monetary Economics - - Consumption, Saving, Production, Employment, and Investment - - - Employment; Unemployment; Wages; Intergenerational Income Distribution; Aggregate Human Capital; Aggregate Labor Productivity
    • C82 - Mathematical and Quantitative Methods - - Data Collection and Data Estimation Methodology; Computer Programs - - - Methodology for Collecting, Estimating, and Organizing Macroeconomic Data; Data Access
    • C53 - Mathematical and Quantitative Methods - - Econometric Modeling - - - Forecasting and Prediction Models; Simulation Methods

    NEP fields

    This paper has been announced in the following NEP Reports:

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:rbp:wpaper:2013-015. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no bibliographic references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Research Unit (email available below). General contact details of provider: https://edirc.repec.org/data/bcrgvpe.html .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.