Título:
Determinación de regiones de imputación para datos espaciales utilizando el algoritmo PCNM: un ejemplo de aplicación a los datos del Censo 2011
Otros títulos:
Coordinador:
Director:
Compilador:
Autor:
Riaño, Eugenia
Tutor:
Tipo de documento:
Documento de trabajo
Editor:
Palabras clave:
Análisis de Componentes Principales
Estadística Espacial
Indice de Moran
Modelos de Regresión Poisson
Estadística Espacial
Indice de Moran
Modelos de Regresión Poisson
Descriptores:
Año de publicación:
2016
Contenido:
Resumen:
En general, la calidad y cobertura de los Censos de Población y Vivienda del año 2011
fue calificada como positiva, cumpliendo con los estándares exigidos internacionalmente.
Sin embargo, su implementación no estuvo exenta de inconvenientes. No se cuenta con
información de determinados hogares cuyo domicilio fue relevado, y para algunos se cuenta
con sólo información parcial relativa a la composición del hogar. La omisión censal se
concentra en zonas socioeconómicamente vulnerables. Esto afectaría la construcción del
mecanismo utilizado por el Ministerio de Desarrollo Social para seleccionar a la población
beneficiaria de los programas de transferencia monetaria. Este mecanismo se basa
en la Encuesta Continua de Hogares cuyo marco muestral es el del Censo, y refleja los
problemas de omisión. Para el caso de Montevideo, el patrón espacial de la población
objetivo y de la propia omisión indican que es necesario definir regiones de imputación,
dado que la distribución espacial no es continua en el mapa. La selección de los modelos
a utilizar para la imputación es muy sensible a la escala del mapa, por lo que la definición
de las regiones condiciona la selección del modelo final a utilizarse para realizar la imputación. El objetivo de este trabajo es construir las regiones a partir del algoritmo PCNM
(Principal Coordinates of Neighbour Matrices). El método consiste en aplicar Análisis
de Componentes principales a una matriz de distancias truncada entre las observaciones.
Así se obtiene un conjunto de variables explicativas que captan la variabilidad espacial en
diferentes escalas. A partir de ellas pueden construirse las posibles regiones de imputación,
y mediante un modelo de regresión, analizar cuáles son las escalas que se encuentran más
asociadas con la variable de respuesta.
Descripción:
Editorial:
Udelar. FCEA-IESTA
EN:
Serie DT (16 / 2);
Financiadores:
Citación:
Riaño, E. Determinación de regiones de imputación para datos espaciales utilizando el algoritmo PCNM: un ejemplo de aplicación a los datos del Censo 2011 [en línea]. Montevideo : Udelar. FCEA-IESTA, 2016
Citación:
metadata.cc.license.name:
Documento del Gobiberno:
URI:
http://hdl.handle.net/20.500.12008/10533
ISBN:
e-ISBN:
ISSN:
1688-6453
ISMN:
Otros identificadores:
Título Obtenido:
Facultad o Servicio que otorga el Título:
Licencia:
Cobertura geográfica:
Cobertura temporal:
metadata.dc.relation.IsVersionOf:
Clasificación:
Es versión de:
Colecciones:
| Ficheros | Descripción | Tamaño | Formato | ||
|---|---|---|---|---|---|
| ddt_2_2016.pdf | — | 1.99 MB | Adobe PDF |