FUENTE DE DATOS. (II)

Para el pronóstico de la demanda de recursos humanos se tendrán los siguientes datos de fuente primaria:

• Datos de aprovisionamiento interno de recursos humanos
• Datos de aprovisionamiento externo de recursos humanos

La demanda de recursos humanos en la empresa se calculará sumando el aprovisionamiento interno más el aprovisionamiento externo de recursos humanos, como se observa en la figura No. 3.5.

Como se muestra en la figura se tendrán datos de ascensos, descensos, transferencias, renuncias, jubilaciones, despidos, reducción de personal. Con los datos de las variables antes citados se podrán hacer los pronósticos respectivos. En el ANEXO A.1. se presenta un formulario para registrar estos movimientos de personal.

FUENTE DE DATOS. (I)

Las fuentes de datos se clasifican en primarias y secundarias. Las fuentes primarias de datos comprenden todos los métodos de recolección de datos originales. Es común que este tipo de datos se reúna mediante procedimientos de muestreo, encuestas o un censo completo de los elementos de interés. Aún es más común el registro mensual, trimestral, semestral o anual de las variables de interés para la empresa.

Los datos de interés para la empresa son el flujo de personal a un puesto de trabajoX como se observa en la figura No. 3.4. A un puesto de trabajo cualquiera se puede acceder mediante un ascenso de un puesto inferior, un descenso de un puesto superior, una transferencia de un puesto de igual importancia y responsabilidad, y una nueva contratación. De la misma forma existirá salida de personal de un puesto de trabajo por ascensos, descensos, transferencias, además de existir renuncias, despidos, jubilaciones y reducción de personal.

TIPOS DE DATOS.

Existen dos tipos de datos de interés para el pronóstico como se puede observar en la figura No. 3.3. Los datos de corte transversal y las series de tiempo. Para nuestro caso seleccionamos el segundo, puesto que necesitamos datos que se almacenan durante un determinado período.

Dependiendo del tipo de datos se tendrá diferentes horizontes para el pronóstico:

 Pronóstico a corto plazo
 Pronóstico a largo plazo

Estos datos se pueden recolectar en intervalos regulares, como en forma:

 Mensual
 Trimestral
 Semestral
 Anual

RECOPILACIÓN DE DATOS (II)

Para determinar si los datos serán útiles, se pueden aplicar cuatro criterios:

 Los datos deben ser confiables y precisos.
Se debe tener un cuidado adecuado al recolectar los datos, que sean de una fuente confiable y con la debida atención en su precisión.
 Los datos deben ser pertinentes.
Deben ser representativos de las circunstancias para las cuales serán utilizados. Los datos que supongan la representación de la actividad deberán mostrar las alzas y bajas de acuerdo a las fluctuaciones cíclicas en el pasado histórico de la empresa.
 Los datos deben ser consistentes.
Cuando se modifican las definiciones relacionadas con la forma como se reúnen los datos, se deben hacer ajustes para mantener la consistencia en los patrones históricos.
 Los datos deben ser periódicos.
Los datos que se recolectan, resumen y publican con base en una periodicidad serán de gran valor para el pronosticador.

BIBLIOGRAFIA Econometria

Datos obtenidos del INSTITUTO NACIONAL DE ESTADISTICA (INE)
 Nueva Geografia de Bolivia Autor: Prof. Graciela Nogales
 Modelo y Ordenanza Municipal de Ordenamiento Urbano
 Páginas en Internet
www.solobolivia.com

CONCLUSIONES PROYECTO DE ECONOMETRIA

 Al realizar el presente trabajo se puede concluir que las variables independientes explican en una proporción alta la variación de la demanda

 Luego de la validación econométrica del modelo se llego a la conclusión que el modelo se tuvo el problema de multicolinealidad, pero esta fue superada eliminando la variable de mayor incidencia en este problema la cual fue la inversión.
 Al realizar pruebas de detección de heteroscedasticidad, se concluyó que el modelo no presenta este problema, esto significa que no hay una variación en la varianza poblacional, es decir que la varianza permanece constante, es por esto que no se realizó ninguna corrección.

 Al realizar la detección de autocorrelación mediante varias pruebas se verificó que esta no está presente en el modelo, eso quiere decir que el término de perturbación es aleatorio o estocástico, también significa que no sigue ningún patrón sistemático, cumpliendo así con uno de los postulados del modelo lineal general.

 Al verificar realizar las pruebas de especificación del modelo, comprobamos que el modelo estaba bien especificado y existía una estabilidad en los parámetros.

PREDICCION DEL MODELO CORREGIDO

Para valores mayores a lo establecidos hasta el año 2000 deseamos predecir la demanda de energía eléctrica que tendrá la ciudad de El Alto en el año 2006