Propuesta para recuperar la continuidad del MCS 2015 usando máquinas de soporte vectorial



Título del documento: Propuesta para recuperar la continuidad del MCS 2015 usando máquinas de soporte vectorial
Revista: Realidad, datos y espacio. Revista internacional de estadística y geografía
Base de datos: CLASE
Número de sistema: 000479668
ISSN: 2007-2961
Autores: 1
Instituciones: 1Instituto Nacional de Estadística y Geografía, Aguascalientes. México
Año:
Periodo: Ago
Volumen: 9
País: México
Idioma: Español
Tipo de documento: Artículo
Enfoque: Descriptivo, divulgación
Resumen en español Debido a procesos de mejora llevados a cabo durante el levantamiento de la información del Módulo de Condiciones Socioeconómicas (MCS) 2015, la distribución del ingreso corriente total cambió de manera sustantiva con respecto a lo que se venía observando en levantamientos previos. Esta propuesta intenta recomponer la continuidad, modificando la representatividad que tenía un hogar en el 2015, de acuerdo con su asignación a un decil pronosticado o artificial creado a partir de un conjunto de variables monetarias y no-monetarias. Para asignar un hogar a un decil artificial, se usó una máquina de soporte vectorial. Como conjunto de entrenamiento se usaron los levantamientos ENIGH-MCS 2010, 2012 y 2014. Una vez realizada la imputación de deciles se ajustaron los factores de expansión de cada hogar, esto permite que hogares con ingresos bajos sean sobreexpandidos y que, para hogares con ingresos altos, su factor de expansión sea reducido
Resumen en inglés Due to improvements in the Socio-economic Module’s data collection 2015 (MCS 2015 by its Spanish acronym), the total income distribution shifted from what has been observed in recent years. Consequently, it is no longer possible to make income comparison with previous information. This methodology is intended to recompose continuity by modifying household weights in 2015, according to its classification into some artificial decile generated by monetary and non-monetary variables. To classify a household we use a technique called Support Vector Machine (SVM) and historic data (2010-2014) as a training data set. Once an artificial decile is imputed to a household in the MCS 2015, we modify its weight so that adding them up by decile represent 10 percent. This allows low-income households to be overexpanded and high-income households to be underexpanded
Disciplinas: Demografía
Palabras clave: Censos y estadísticas,
Módulo de condiciones socioeconómicas,
Levantamiento de datos,
Continuidad,
Representatividad,
México
Keyword: Census and statistics,
Socio-economic module,
Data survey,
Continuity,
Representativity,
Mexico
Texto completo: Texto completo (Ver PDF)