Determinación de regiones de imputación para datos espaciales utilizando el algoritmo PCNM: un ejemplo de aplicación a los datos del Censo 2011
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.
2016 | |
Análisis de Componentes Principales Estadística Espacial Indice de Moran Modelos de Regresión Poisson |
|
Español | |
Universidad de la República | |
COLIBRI | |
http://hdl.handle.net/20.500.12008/10533 | |
Acceso abierto |