De lo Macro a lo Micro: Implementación del NSE a Nivel Local en México
Summary
TLDREl comité aborda el desafío de implementar niveles socioeconómicos en áreas geográficas pequeñas, utilizando datos del censo y de la encuesta de ingreso y gasto. Se exploran metodologías como K medias y análisis discriminantes para estimar variables faltantes, como autos y baños completos. El modelo discriminante se selecciona por su mayor precisión, permitiendo calcular la distribución de siete niveles socioeconómicos. Se accede a datos detallados de INEI para correr modelos y se realizan agregaciones a diferentes niveles geográficos. Los resultados son consistentes con la realidad, permitiendo una planificación y distribución precisa de recursos.
Takeaways
- 😀 El comité se enfoca en implementar el nivel socioeconómico a áreas geográficas pequeñas, un reto constante.
- 📊 La encuesta de ingreso y gasto se utiliza cada dos años para hacer estimaciones a nivel nacional, estatal, urbano y rural.
- 🚗 Existe una limitación debido a la falta de datos sobre el total de automóviles y el número de baños completos en el censo de población y vivienda.
- 🔍 Se revisaron diferentes metodologías para estimar las variables faltantes y aplicar el modelo al censo, utilizando seis variables clave.
- 🏢 Se comparó la información del INE con el censo de 2020, encontrando una alta consistencia en la mayoría de las variables.
- 📉 Se exploraron estrategias como el uso de K medias, análisis discriminantes y offset para estimar las variables faltantes.
- 🏆 El modelo discriminante resultó ser el más preciso para estimar los niveles socioeconómicos y se utilizó para calcular la distribución de los siete niveles.
- 🏢 Se obtuvo acceso a la información de cada registro de las viviendas para correr el modelo y hacer agregaciones a diferentes niveles geográficos.
- 🗺️ Se analizaron las estimaciones a nivel de manzana, ajev, localidad y municipio, y se compararon con la información de la encuesta de ingreso y gasto.
- 🔑 Se resaltan las diferencias menores entre las estimaciones del censo y la encuesta, y se destaca la consistencia en la información a nivel nacional.
Q & A
¿Cuál es el desafío principal mencionado en el comité de niveles socioeconómicos?
-El desafío principal es implementar el nivel socioeconómico para áreas geográficas pequeñas, utilizando la información de la encuesta de ingreso y gasto cada 2 años para hacer estimaciones a diferentes niveles geográficos.
¿Qué información faltante se necesita para estimar los niveles socioeconómicos a nivel local?
-Se necesitan dos variables que no están en el censo de población y vivienda: el total de automóviles y el número de baños completos.
¿Qué metodologías se exploraron para estimar las variables faltantes y aplicar el modelo al censo?
-Se exploraron tres estrategias: la estimación a partir de K medias, la estimación a partir de criterios de similaridad basados en distancias euclidianas y la estimación de las variables que sustituyen a las faltantes con análisis discriminantes y análisis offset.
¿Cuál fue la metodología seleccionada y por qué?
-El modelo discriminante fue seleccionado porque tuvo mayor precisión en las estimaciones y permite calcular la distribución de los siete niveles socioeconómicos, no solo el predominante.
¿Cómo se estimaron los dos variables faltantes, el número de baños completos y el número de automóviles?
-Las dos variables faltantes se estimaron mediante el modelo discriminante, con una coincidencia del 75% para el número de baños completos y casi un 80% para el número de automóviles, comparados con la estimación del INEI.
¿Cómo se utilizó la información de la Ciudad de México para probar las metodologías?
-Se utilizó la Ciudad de México para verificar si las colonias o zonas conocidas coincidían con los niveles socioeconómicos estimados, proporcionando elementos para calificar la bondad de las estimaciones geográficamente.
¿Qué restricciones impone el INEI en la publicación de la información?
-El INEI impone restricciones de confidencialidad que no permiten publicar menos de tres casos en una unidad geográfica, lo que afecta la coincidencia de las agregaciones a niveles superiores.
¿Cuál es la disponibilidad de la información a nivel de manzana y para qué tipo de público está disponible?
-La información a nivel de manzana está disponible solo para socios y a la venta para el público en general, mientras que la información a nivel de ajev y mapas para algunas áreas metropolitanas se pueden descargar en la página de la MAY.
¿Cómo se puede acceder a la información de identificación geográfica y niveles socioeconómicos?
-La información de identificación geográfica y niveles socioeconómicos se encuentra disponible en formato de SPSS y Excel, y se compone de la clave ID entidad, clave de municipio, clave de localidad, clave de ajev y clave de manzana.
¿Cómo se pueden visualizar las diferencias socioeconómicas en la delegación de Benito Juárez y en otras áreas?
-Se pueden visualizar las diferencias socioeconómicas a través de mapas que utilizan colores para representar los diferentes niveles socioeconómicos, permitiendo ver claramente las zonas de alto y bajo nivel en áreas específicas como Benito Juárez, Miguel Hidalgo, Cuauhtémoc, etc.
Outlines
This section is available to paid users only. Please upgrade to access this part.
Upgrade NowMindmap
This section is available to paid users only. Please upgrade to access this part.
Upgrade NowKeywords
This section is available to paid users only. Please upgrade to access this part.
Upgrade NowHighlights
This section is available to paid users only. Please upgrade to access this part.
Upgrade NowTranscripts
This section is available to paid users only. Please upgrade to access this part.
Upgrade NowBrowse More Related Video
Mesas de Trabajo: Futuro de los Niveles Socioeconómicos
Evolucionando en la Medición de Niveles Socioeconómicos
Orígenes y fundamentos de los Niveles Socioeconómicos
Estándares y Desafíos en la Medición de los Niveles Socioeconómicos en Latinoamérica
Intervalos de confianza de la media poblacional con una desviación estándar conocida
Estatística Básica para Ciência de Dados
5.0 / 5 (0 votes)