En este Trabajo fin de Máster se pretende estimar el nivel de paro de Galicia de acuerdo con la provincia, edad, sexo, nacionalidad y actividad económica a partir de microdatos obtenidos del Instituto Gallego de Estadística (IGA). No obstante, el uso de estimadores directos como los mínimos cuadráticos ordinarios pueden ser sesgados si el modelo especificado no es el verdadero o si hay variables omitidas que afectan a la variable dependiente y están correlacionadas con las variables explicativas; esto implicaría que los estimadores no sean insesgados, es decir, que su valor esperado no coincide con el verdadero valor del parámetro. Puede darse también de obtener estimadores ineficientes si el modelo no tiene en cuenta la heterogeneidad o la autocorrelación de los datos, al igual que se pueden encontrar problemas de inconsistencia si el tamaño de la muestra no es suficientemente grande o si hay problemas de endogeneidad o multicolinealidad en el modelo. Por eso, se ha propuesto utilizar el estimador Fay-Herriot (Fay y Herriot, 1979) y método de Horvitz-Thompson (Horvitz y Thompson, 1959) para obtener las medias de población y totales en la presencia de muestreo no aleatorio y un modelo que se utiliza en el ámbito de la estadística para estimaciones de áreas pequeñas. Como principales resultados del estudio, se observó que para entender el desempleo por provincia el método directo de Horvitz & Thompson ayudó a reducir el tamaño de la muestra en todas las provincias, pero, se observó ineficiencias y sesgos de sus estimadores. Usando el método EBLUP basado en Fay & Herriot, se obtuvieron resultados más optimizados para la estimación del desempleo. Uno de los principales hallazgos es que es necesario disponer de variables homogéneas para interpretar adecuadamente los resultados
This Master's Final Project aims to estimate the level of unemployment in Galicia according to the province, age, sex, nationality and economic activity from microdata obtained from the Galician Institute of Statistics (IGA). However, the use of direct estimators such as ordinary square minima can be biased if the specified model is not the true one or if there are omitted variables that affect the dependent variable and are correlated with the explanatory variables; This would imply that the estimators are not unbiased, that is, that their expected value does not match the true value of the parameter. Inefficient estimators can also be obtained if the model does not take into account the heterogeneity or autocorrelation of the data, just as inconsistency problems can be found if the sample size is not large enough or if there are endogeneity or multicollinearity problems in the model. Therefore, it has been proposed to use the Fay-Herriot estimator (Fay and Herriot, 1979) and Horvitz-Thompson method (Horvitz and Thompson, 1959) to obtain population and total means in the presence of non-random sampling and a model that is used in the field of statistics for estimates of small areas. As main results of the study, it was observed that to understand unemployment by province the direct method of Horvitz & Thompsom helped to reduce the sample size in all provinces, but, inefficiencies and biases of its estimators were observed. Using the EBLUP method based on Fay & Herriot, more optimized results were obtained for the estimation of unemployment. One of the main findings is that it is necessary to have homogeneous variables to properly interpret the results.
