Forecasting, Cointegration and Causality Analysis of Unemployment in Pakistan Using Time Series Models

파키스탄 정책입안자들에게 주요 이슈들 가운데 하나는 지속적으로 증가하고 있는 실업률을 통제하는 것이다. 따라서 파키스탄의 실업률 예측은 이들에게 매우 중요한 과제이다. 본 연구에는 ARIMA, ARFIMA 및 지수평활 모델을 이용하여 파키스탄의 실업률을 예측하고, 실업률 예측을 위한 가장 효과적인 모델을 발견하고자 한다. 또한 시계열기법을 사용하여 실업률을 분석하고, 실업률과 인구증가율, 노동참여율, 농작물생산량 등과의 장단기 관계를 측정하고, 실업률과 이들 변수들 사이의 인과관계분석을 시도하였다. 분석을 위해 파키스탄 경제조사국(Pakistan Economic Survey)으로부터 1965년부터 2014년까지의 시계열자료를 수집하였다. 본 연구에서는 평균절대오차(MAE), 평균절대비율오차(MAPE), 평균제곱오차의 제곱근(RMSE) 및 Theil의 U-통계치와 같은 예측정확도 기준을 사용하여 세 가지 시계열 모델의 예측력을 평가하였다. 분석결과 이중지수평활 모델이 예측정확도 기준으로 실업률 예측에 가장 효과적인 모델로 선택되었다. Johnson 공적분 결과와 벡터상관관계모델(VECM)은 실업률과 앞의 변수들 사이에 장단기 공적분관계가 존재함을 보여준다. Granger 인과관계 검증결과 농작물생산량에서 인구증가율 방향으로 인과관계가 있음을 보여준다.

One of the major issues for policy makers in Pakistan is handling the continuing increase of the level of unemployment. Thus, forecasting unemployment rate is imperative to policy makers. This study aims to explore the best forecasting model among ARIMA, ARFIMA and exponential smoothing for forecasting unemployment. Secondly, this study analyzed unemployment using time-series techniques, measured long and short run relationship with population growth, labor force participation rate, crop production, and investigated the causality between unemployment and other variables. Time series data ranging from 1965 to 2014 is collected from Pakistan Economic Survey for analysis. This study evaluated the forecasting performance of the three models by using the forecast accuracy criterion such as mean absolute error (MAE), mean absolute percentage error (MAPE), root mean square error (RMSE) and Theil’s U statistics. Double Exponential Smoothing model is chosen as the best forecasted model for unemployment rate on the basis of forecast accuracy criterion. Augmented Dickey Fuller (ADF) and Phillips-Perron (PP) test is used for checking stationarity in the variables. At level, the variables were nonstationary and become stationary at first difference. The results of Johnson cointegration and Vector Error Correction model (VECM) indicated that there exists long and short run cointegration relationship between unemployment rate and other variables. Granger Causality test shows bi-directional causality running from crop production toward population growth.