{"title":"利用空间统计技术对乌拉圭人口和住房普查缺失数据进行归因","authors":"María Eugenia Marín Riaño","doi":"10.35305/S.V11I2.202","DOIUrl":null,"url":null,"abstract":"En general, la calidad y cobertura del Censo de Poblacion y Vivienda de Uruguay del ano 2011 fue calificada como positiva. Sin embargo, su implementacion no estuvo exenta de inconvenientes. La omision se concentro en zonas socioeconomicamente mas vulnerables, lo que afectaria el mecanismo utilizado por el gobierno para seleccionar la poblacion beneficiaria de programas de transferencias monetarias. El patron de la poblacion elegible y de la propia omision hace necesaria una regionalizacion previa a la imputacion, dada la distribucion espacial heterogenea en el mapa de la variable de interes. Las regiones se construyen mediante el algoritmo de arboles oblicuos de decision. Se ajustan modelos autorregresivos espaciales en cada region que son evaluados utilizando validacion cruzada, y se comparan los resultados con el de un modelo global. Los modelos con menor error dentro de cada region muestran un rezago similar medido en distancia, a excepcion de un caso. El modelo global presenta un error del mismo orden que los modelos locales, pero presenta autocorrelacion espacial en los residuos, por lo que se decide trabajar con los modelos obtenidos por region. Los resultados de la imputacion muestran una subestimacion de la poblacion elegible de un 5% sobre el total estimado con datos censales.","PeriodicalId":40568,"journal":{"name":"SaberEs","volume":null,"pages":null},"PeriodicalIF":0.2000,"publicationDate":"2019-12-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"3","resultStr":"{\"title\":\"Imputación de datos faltantes del Censo de Población y Vivienda de Uruguay utilizando técnicas de estadística espacial\",\"authors\":\"María Eugenia Marín Riaño\",\"doi\":\"10.35305/S.V11I2.202\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"En general, la calidad y cobertura del Censo de Poblacion y Vivienda de Uruguay del ano 2011 fue calificada como positiva. Sin embargo, su implementacion no estuvo exenta de inconvenientes. La omision se concentro en zonas socioeconomicamente mas vulnerables, lo que afectaria el mecanismo utilizado por el gobierno para seleccionar la poblacion beneficiaria de programas de transferencias monetarias. El patron de la poblacion elegible y de la propia omision hace necesaria una regionalizacion previa a la imputacion, dada la distribucion espacial heterogenea en el mapa de la variable de interes. Las regiones se construyen mediante el algoritmo de arboles oblicuos de decision. Se ajustan modelos autorregresivos espaciales en cada region que son evaluados utilizando validacion cruzada, y se comparan los resultados con el de un modelo global. Los modelos con menor error dentro de cada region muestran un rezago similar medido en distancia, a excepcion de un caso. El modelo global presenta un error del mismo orden que los modelos locales, pero presenta autocorrelacion espacial en los residuos, por lo que se decide trabajar con los modelos obtenidos por region. Los resultados de la imputacion muestran una subestimacion de la poblacion elegible de un 5% sobre el total estimado con datos censales.\",\"PeriodicalId\":40568,\"journal\":{\"name\":\"SaberEs\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":0.2000,\"publicationDate\":\"2019-12-30\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"3\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"SaberEs\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.35305/S.V11I2.202\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q4\",\"JCRName\":\"ECONOMICS\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"SaberEs","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.35305/S.V11I2.202","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"ECONOMICS","Score":null,"Total":0}
Imputación de datos faltantes del Censo de Población y Vivienda de Uruguay utilizando técnicas de estadística espacial
En general, la calidad y cobertura del Censo de Poblacion y Vivienda de Uruguay del ano 2011 fue calificada como positiva. Sin embargo, su implementacion no estuvo exenta de inconvenientes. La omision se concentro en zonas socioeconomicamente mas vulnerables, lo que afectaria el mecanismo utilizado por el gobierno para seleccionar la poblacion beneficiaria de programas de transferencias monetarias. El patron de la poblacion elegible y de la propia omision hace necesaria una regionalizacion previa a la imputacion, dada la distribucion espacial heterogenea en el mapa de la variable de interes. Las regiones se construyen mediante el algoritmo de arboles oblicuos de decision. Se ajustan modelos autorregresivos espaciales en cada region que son evaluados utilizando validacion cruzada, y se comparan los resultados con el de un modelo global. Los modelos con menor error dentro de cada region muestran un rezago similar medido en distancia, a excepcion de un caso. El modelo global presenta un error del mismo orden que los modelos locales, pero presenta autocorrelacion espacial en los residuos, por lo que se decide trabajar con los modelos obtenidos por region. Los resultados de la imputacion muestran una subestimacion de la poblacion elegible de un 5% sobre el total estimado con datos censales.