SciELO - Scientific Electronic Library Online

 
vol.11 número2El problema de la motivación y desarrollo del capital humano en las pymes de Rosario, Argentina: Una propuesta basada en neurocienciasEstrategias de tic en empresas de Córdoba, Argentina: un modelo estructural índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

  • No hay articulos citadosCitado por SciELO

Links relacionados

  • No hay articulos similaresSimilares en SciELO

Compartir


SaberEs

versión impresa ISSN 1852-4418versión On-line ISSN 1852-4222

Resumen

RIANO, María Eugenia. Imputación de datos faltantes del censo de población y vivienda de Uruguay utilizando técnicas de estadística espacial. SaberEs [online]. 2019, vol.11, n.2, pp.153-169. ISSN 1852-4418.

En general, la calidad y cobertura del Censo de Población y Vivienda de Uruguay del año 2011 fue calificada como positiva. Sin embargo, su implementación no estuvo exenta de inconvenientes. La omisión se concentró en zonas socioeconómicamente más vulnerables, lo que afectaría el mecanismo utilizado por el gobierno para seleccionar la población beneficiaria de programas de transferencias monetarias. El patrón de la población elegible y de la propia  omisión  hace necesaria  una regionalización  previa a la imputación, dada la distribución espacial heterogénea en el mapa de la variable de interés. Las regiones se construyen mediante el algoritmo de árboles oblicuos de decisión. Se ajustan modelos autorregresivos espaciales en cada región que son evaluados utilizando validación cruzada, y se comparan los resultados con el de un modelo global. Los modelos con menor error dentro de cada región muestran un rezago similar medido en distancia, a excepción de un caso. El modelo global presenta un error del mismo orden que los modelos locales, pero presenta autocorrelación espacial en los residuos, por lo que se decide trabajar con los modelos obtenidos por región. Los resultados de la imputación muestran una subestimación de la población elegible de un 5% sobre el total estimado con datos censales.

Palabras clave : Árboles de decisión; Modelos SAR autorregresivos; Validación cruzada.

        · resumen en Inglés     · texto en Español

 

Creative Commons License Todo el contenido de esta revista, excepto dónde está identificado, está bajo una Licencia Creative Commons