MAURO MAGNANI's ReBlog

Le nuove tribù promuovono nuove infrastrutture di accesso alla Rete. L'innovazione la promuovono i Cittadini; siamo noi quelli che stiamo aspettando.

    • Edit
    • Delete
    • Tags
    • Autopost

    Lavoce.info - E GOOGLE PREDICE IL TASSO DI DISOCCUPAZIONE.

    E GOOGLE PREDICE IL TASSO DI DISOCCUPAZIONE

    di Francesco D'Amuri e Juri Marcucci 24.11.2009

    Il Google Index misura l'incidenza delle ricerche di lavoro sul totale delle ricerche effettuate tramite il popolare motore di ricerca. E sembra capace di migliorare i risultati dei modelli che anticipano il livello di disoccupazione. Come conferma per l'Italia il confronto tra le previsioni effettuate con modelli che includono il GI e modelli che utilizzano le altre variabili normalmente impiegate per prevedere la dinamica del tasso di disoccupazione, quali l'indice della produzione industriale e le aspettative occupazionali rilevate dalla Commissione europea.


    In un articolo apparso di recente su Nature, alcuni ricercatori hanno sviluppato un semplice modello per prevedere il numero di visite effettuate dai medici di base per patologie legate all’influenza utilizzando come variabile esplicativa l’incidenza delle ricerche effettuate su internet con e riguardanti parole chiave connesse a questa malattia. (1)

    LE PREVISIONI CON IL GOOGLE INDEX

    Grazie alla crescente popolarità di internet come strumento di ricerca di lavoro e per la necessità di informazioni tempestive circa l’evoluzione delle principali variabili macroeconomiche nell’attuale fase congiunturale, l'approccio è stato recentemente esteso alla previsione del tasso di disoccupazione. (2) E in effetti, il Google Index (GI), pari all’incidenza delle ricerche di lavoro sul totale delle ricerche effettuate tramite il popolare motore di ricerca, sembra migliorare la performance di modelli previsivi del tasso di disoccupazione sia in Germania sia in Israele. (3) Mentre negli Stati Uniti se ne è utilizzata un’applicazione alternativa sulle richieste di sussidi di disoccupazione negli Stati Uniti. (4)
    In due articoli abbiamo testato l’utilità dell’indicatore nel prevedere il tasso di disoccupazione sia per gli Stati Uniti sia per l’Italia. (5)
    L’effetto della crisi sulle attività di ricerca di lavoro è chiaramente visibile nella figura 1, che mostra i valori dell’indice per gli Stati Uniti prima (cartina a sinistra, periodo maggio-agosto 2007) e dopo (cartina a destra, periodo maggio-agosto 2009) il suo inizio. Un colore blu più intenso indica maggiori valori del GI.
    Il potere predittivo è valutato confrontando l’errore quadratico medio (una misura dell’errore effettuato nelle previsioni) delle stime ottenute con vari modelli di serie storica del tasso di disoccupazione, prima e dopo l’inclusione del Google Index tra le variabili indipendenti. I risultati sono robusti alla specificazione adottata e alla definizione della variabile dipendente e mostrano in maniera netta la superiorità dei modelli che includono il GI.
    Negli Stati Uniti, le proiezioni del miglior modello stimato a livello federale includendo il GI hanno un errore quadratico medio inferiore di un ordine di grandezza rispetto alle aspettative censite dalla Survey of Professional Forecasters, un’indagine sull’andamento delle principali variabili macroeconomiche condotta trimestralmente dalla Federal Reserve Bank di Philadelphia presso una trentina di professionisti degli Stati Uniti.
    Anche per l’Italia si conferma l’elevato contenuto informativo della variabile basata sulle ricerche di lavoro effettuate attraverso internet, come mostra il confronto tra le previsioni effettuate con modelli che includono il GI e modelli che utilizzano altre variabili normalmente impiegate per anticipare la dinamica del tasso di disoccupazione, quali l’indice della produzione industriale e le aspettative occupazionali rilevate dalla Commissione europea. Il migliore modello che include il GI ha un errore quadratico medio inferiore del 28,6 rispetto al miglior modello che non sfrutta questa variabile.


    (1) Ginsberg, J., M. H. Mohebbi, R. S. Patel, L. Brammer, M. S. Smolinski, and L. Brilliant (2009), “Detecting Influenza epidemics using Search Engine Query Data”, Nature (457), pp.1012-1014.
    (2) Su la ricerca di lavoro attraverso internet si veda Stevenson, B. (2008), “The Internet and Job Search”, NBER Working Paper (13886).
    (3) Si vedano rispettivamente Askitas, N. and K. F. Zimmermann (2009), “Google Econometrics and Unemployment Forecasting”, Iza Discussion Paper (4201) eSuhoy, T. (2009), “Query Indices and a 2008 Downturn”,Bank of Israel Discussion Paper (06).
    (4) Choi, H. and H. Varian (2009), “Predicting Initial Claims for Unemployment Benefits”, Google technical report.
    (5) Rispettivamente, D’Amuri, F. and J. Marcucci (2009), “Google it! - Forecasting the US unemployment rate with a Google job search index”, Iser Wp number XX. e D’Amuri, F. (2009). “Predicting unemployment in short samples with internet job search query data”, Mpra Wp 18403.

    Fig. 1
    L’evoluzione del Google Index prima e durante la crisi

    Nota: L’immagine riporta l’evoluzione del GI prima (cartina a sinistra, maggio-agosto 2007) e durante la crisi economica (cartina a destra, aggio-agosto 2009). Una gradazione di blu più intensa indica una maggiore incidenza delle ricerche di lavoro sul totale delle ricerche. Le immagini sono tratte dal sito http://www.google.com/insights/search/#. Si rimanda al nostro articolo del 2009 per maggiori dettagli.

    Fig. 2
    Errori di previsione, vari modelli e previsioni SPF

    Nota: In questa figura si confrontano le previsioni per la variazione nel tasso di disoccupazione  a un periodo relative alla SPF con le previsioni ottenute con i migliori modelli stimati. Il periodo out-of-sample è il 2007.2-2009.6. SPFbest è la migliore previsione individuale nella SPF, SPFmean è la media delle previsioni, mentre SPF median è la mediana. I modelli xComb calcolano la previsione trimestrale come media del tasso di disoccupazione realizzato nel primo mese e delle previsioni a 1 e 2 mesi generate alla fine del primo mese del trimestre di riferimento. Il modello con Google (G) è in assoluto il migliore, il modello che utilizza le richieste di sussidi di disoccupazione (IC) è il miglior modello senza Google, mentre il modello con l’indice ICs è il miglior modello senza Google nel campione breve. SETAR, LSTAR and AAR sono i corrispondenti modelli non-lineari. Si rimanda al nostro articolo del 2009 per maggiori dettagli.

    LEGGI COMMENTI (0)    SCRIVI UN TUO COMMENTO    

    via lavoce.info


    • 24 November 2009
    • Views
    • 0 Comments
    • Permalink
    • Tweet
    • 0 responses
    • Like
    • Comment
  • Mauro Magnani's ReBlog's Space

    Condivisione di buoni prodotti della Rete.

    Contributed by Mauro Magnani

    • Contributors
    • maxanna Mauro Magnani
  • About Mauro Magnani's ReBlog

    Condivisione di buoni prodotti della Rete.

  • Subscribe via RSS
  • Sites I Like

    • MIRANO Community Network - LABORATORIO DI SOCIAL NETWORKING ED INFORMAZIONE IPERLOCALE

    Follow Me

      TwitterFacebookLinkedInYoutubeTumblrmetaweblog

Theme created for Posterous by Obox