Estimación de los indicadores de Ingreso promedio y la tasa de desempleo municipal en Cundinamarca en el 2017 utilizando áreas pequeñas y transformaciones funcionales

Vista sencilla de ítem
dc.contributor.advisorOrtiz Rico, Andres Felipe
dc.contributor.authorGuerrero Beltran, Jonnathan
dc.contributor.corporatenameUniversidad Santo Tomásspa
dc.contributor.cvlachttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000650579spa
dc.contributor.cvlachttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000085895spa
dc.contributor.googlescholarhttps://scholar.google.com/citations?hl=es&user=OuVxcUgAAAAJspa
dc.coverage.campusCRAI-USTA Bogotáspa
dc.date.accessioned2024-01-23T15:26:24Z
dc.date.available2024-01-23T15:26:24Z
dc.date.issued2023
dc.descriptionLa Estimación en Áreas Pequeñas (SAE) tiene como objetivo mejorar las estimaciones en situaciones donde los errores de muestreo son significativamente altos, lo que dificulta la obtención de conclusiones fiables. En este estudio, se emplea la metodología SAE para estimar el ingreso promedio y la tasa de desempleo a nivel municipal en Cundinamarca, utilizando datos de la encuesta multipropósito 2017. Se aplican transformaciones a los datos y se analizan las ventajas y desventajas de estas transformaciones. Basado en estas transformaciones, se seleccionan las variables auxiliares más pertinentes para cada tipo de transformación, y se evalúa la calidad de las estimaciones mediante el coeficiente de variación. Como resultado, se concluye que el uso del modelo Fay-Herriot con transformaciones en los datos reduce el valor del coeficiente de variación, lo que sugiere que la transformación de los datos es una opción viable para mejorar la calidad de las estimaciones de los indicadores de interés. Además, se utiliza el software estadístico R como entorno de trabajo para el procesamiento de datos.spa
dc.description.abstractSmall Area Estimation (SAE) aims to improve estimates in situations where sampling errors are significantly high, making it difficult to draw reliable conclusions. In this study, the SAE methodology is used to estimate the average income and unemployment rate at the municipal level in Cundinamarca, using data from the 2017 multipurpose survey. Transformations are applied to the data and the advantages and disadvantages of these transformations are analyzed. Based on these transformations, the most relevant auxiliary variables are selected for each type of transformation, and the quality of the estimates is evaluated using the coefficient of variation. As a result, it is concluded that the use of the Fay-Herriot model with transformations in the data reduces the value of the coefficient of variation, which suggests that the transformation of the data is a viable option to improve the quality of the estimates of the indicators of interest. In addition, the statistical software R is used as a work environment for data processing.spa
dc.description.degreelevelMaestríaspa
dc.description.degreenameMagister en Estadística Aplicadaspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.citationGuerrero Beltrán, J. (2023). Estimación de los indicadores de ingreso promedio y la tasa de desempleo municipal en cundinamarca en el 2017 utilizando áreas pequeñas y transformaciones funcionales. [Trabajo de Maestría, Universidad Santo Tomás]. Repositorio Institucional.spa
dc.identifier.instnameinstname:Universidad Santo Tomásspa
dc.identifier.reponamereponame:Repositorio Institucional Universidad Santo Tomásspa
dc.identifier.repourlrepourl:https://repository.usta.edu.cospa
dc.identifier.urihttp://hdl.handle.net/11634/53661
dc.language.isospaspa
dc.publisherUniversidad Santo Tomásspa
dc.publisher.facultyFacultad de Estadísticaspa
dc.publisher.programMaestría Estadística Aplicadaspa
dc.relation.referencesBattese, G. E., Harter, R. M., and Fuller, W. A. (1988). An error-components model for prediction of county crop areas using survey and satellite data. Journal of the American Statistical Association, 83(401):28–36.spa
dc.relation.referencesBell, W. R., Datta, G. S., and Ghosh, M. (2013). Benchmarking small area estimators. Biometrika, 100(1):189–202.spa
dc.relation.referencesBox, G. E. and Cox, D. R. (1964). An analysis of transformations. Journal of the Royal Statistical Society: Series B (Methodological), 26(2):211–243.spa
dc.relation.referencesBurgard, J. P., Esteban, M. D., Morales, D., and Perez, A. (2020). A fay–herriot model when auxiliary variables are measured with error. TEST, 29(1):166–195.spa
dc.relation.referencesCostaJJ, A. and VenturaJJJ, A. S. E. (2001). Estimadores compuestos en estad´ostica regional: Una aplicaciún a la estimaciún de la tasa de variaciún de la ocupaciún en la industriaj.spa
dc.relation.referencesDrew, D., Singh, M., and Choudhry, G. (1982). Evaluation of small area estimation techniques for the canadian labour force survey. Survey Methodology, 8(1):17–47.spa
dc.relation.referencesFay, R. E. and Herriot, R. A. (1979). Estimates of income for small places: An application of james-stein procedures to census data. Journal of the American Statistical Association, 74(366):269–277.spa
dc.relation.referencesFlachaire, E. (2005). Bootstrapping heteroskedastic regression models: wild bootstrap vs. pairs bootstrap. Computational Statistics & Data Analysis, 49(2):361–376.spa
dc.relation.referencesFornieles, A. (2013). Transformaciones de datos en la elaboraci´on de estudios salariales. Revista de Psicolog´ıa del Trabajo y de las Organizaciones, 29(2):75–82.spa
dc.relation.referencesFuller, W. A. (1999). Environmental surveys over time. journal of agricultural. pages 331–345.spa
dc.relation.referencesGhosh, M. and Rao, J. N. K. (1994). Small area estimation: An appraisal. Statistical Science, 9(1):55–76.spa
dc.relation.referencesKordos, J. (2016). Development of small area estimation in official statistics. Statistics in Transition. New Series, 17:105–132 and 157.spa
dc.relation.referencesKreutzmann, A.-K., Pannier, S., Rojas-Perilla, N., Schmid, T., Templ, M., and Tzavidis, N. (2019a). The r package emdi for estimating and mapping regionally disaggregated indicators. Journal of Statistical Software, 91.spa
dc.relation.referencesKreutzmann, A.-K., Pannier, S., Rojas-Perilla, N., Schmid, T., Templ, M., and Tzavidis, N. (2019b). The R package emdi for estimating and mapping regionally disaggregated indicators. Journal of Statistical Software, 91(7):1–33.spa
dc.relation.referencesLehtonen, R. and Veijanen, A. (2009). Design-based methods of estimation for domains and small areas. In Handbook of Statistics. Sample Surveys. Inference and Analysis, volume 29, pages 219–249. Elsevier Scientific Publ. Co.spa
dc.relation.referencesLi, H. and Lahiri, P. (2010a). An adjusted maximum likelihood method for solving small area estimation problems. Journal of multivariate analysis, 101(4):882–892spa
dc.relation.referencesLi, H. and Lahiri, P. (2010b). An adjusted maximum likelihood method for solving small area estimation problems. Journal of Multivariate Analysis, 101(4):882 – 892.spa
dc.relation.referencesLohr, S. L. (2019). Sampling: Design and Analysis: Design And Analysis. CRC Press.spa
dc.relation.referencesMedina, L., Kreutzmann, A.-K., Rojas-Perilla, N., and Castro, P. (2019). The r package trafo for transforming linear regression models. R Journal, 9(2).spa
dc.relation.referencesMolina, I. (2019). Desagregación de datos en encuestas de hogares: metodologías de estimación en áreas pequeñas.spa
dc.relation.referencesMolina, I., Datta, G. S., and Rao, J. (2015). Small area estimation under a Fay-Herriot model with preliminary testing for the presence of random area effects. Statistics Canada.spa
dc.relation.referencesMolina, I. and Rao, J. (2010). Small area estimation of poverty indicators. Canadian Journal of Statistics, 38(3):369–385.spa
dc.relation.referencesMolina, I. and Rao, J. (2013). A review of poverty mapping procedures. Maret, 7:2015.spa
dc.relation.referencesNeira, J. P. F. (2011). Estimación en dominios. Universidad de la república-Uruguay, Facultad deficiencias económicas y de Administración-Licenciatura en estadística, Tutor: Guillermo Zoppolo.spa
dc.relation.referencesPfeffermann, D. (2013). New important developments in small area estimation. Statistical Science, 28(1):40–68.spa
dc.relation.referencesPfeffermann, D. and Sverchkov, M. (2007). Small-area estimation under informative probability sampling of areas and within the selected areas. Journal of the American Statistical Association, 102(480):1427– 1439.spa
dc.relation.referencesPrasad, N. N. and Rao, J. N. (1990). The estimation of the mean squared error of small-area estimators. Journal of the American statistical association, 85(409):163–171.spa
dc.relation.referencesRojas-Perilla, N. (2018). The Use of Data-driven Transformations and Their Applicability in Small Area Estimation. Freie Universitaet Berlin (Germany).spa
dc.relation.referencesRojas-Perilla, N., Pannier, S., Schmid, T., and Tzavidis, N. (2017). Data-driven transformations in small area estimation. Technical report, Diskussionsbeitr‰ ge.spa
dc.relation.referencesRomero, N. A. R., Estrada, J. G. S., and Fernández-Berrocal, P. (2012). Indicadores sociales, condiciones de vida y calidad de vida en jóvenes mexicanos. Revista iberoamericana de psicología, 5(1):71–80.spa
dc.relation.referencesRoyston, P., Lambert, P. C., et al. (2011). Flexible parametric survival analysis using Stata: beyond the Cox model, volume 347. Stata press College Station, TX.spa
dc.relation.referencesSantiago Moreno, A. et al. (2012). Aportaciones a la estimación en áreas pequeñas. Estimación de proporciones. Granada: Universidad de Granada.spa
dc.relation.referencesYang, Z. (2006). A modified family of power transformations. Economics Letters, 92(1):14–19.spa
dc.relation.referencesYbarra, L. M. R. and Lohr, S. L. (2008). Small area estimation when auxiliary information is measured with error. Biometrika, 95(4):919–931.spa
dc.relation.referencesZea, J. F. and Ortiz, F. (2018). Small area estimation methodology (sae) applied on bogota multipurpose survey (emb). Romanian Statistical Review, (1).spa
dc.relation.referencesZhang, H. and Rojas, H. A. G. (2010). Teoría estadística: aplicaciones y métodos. Hugo Andrés Gutíerrez Rojas.spa
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.subject.keywordCoefficient Of Variationspa
dc.subject.keyword2017 Multipurpose Surveyspa
dc.subject.keywordAuxiliary Informationspa
dc.subject.keywordAverage Incomespa
dc.subject.keywordFay-Herriot Modelspa
dc.subject.keywordUnemployment Ratespa
dc.subject.keywordData Transformationspa
dc.subject.lembEstadística Aplicadaspa
dc.subject.lembEstrategíasspa
dc.subject.lembDatos Estadísticosspa
dc.subject.proposalCoeficiente De Variaciónspa
dc.subject.proposalEncuesta Multiproposito 2017spa
dc.subject.proposalInformación Auxiliarspa
dc.subject.proposalIngreso Promediospa
dc.subject.proposalModelo Fay-Herriotspa
dc.subject.proposalTasa De Desempleospa
dc.subject.proposalTransformaciones En Los Datosspa
dc.titleEstimación de los indicadores de Ingreso promedio y la tasa de desempleo municipal en Cundinamarca en el 2017 utilizando áreas pequeñas y transformaciones funcionalesspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.driveinfo:eu-repo/semantics/masterThesis
dc.type.localTesis de maestríaspa
dc.type.versioninfo:eu-repo/semantics/acceptedVersion

Archivos

Bloque original

Mostrando 1 - 3 de 3
Miniatura
Nombre:
2024jonnathanguerrero.pdf
Tamaño:
2.51 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
Thumbnail USTA
Nombre:
carta de aprobacion facultad.pdf
Tamaño:
93.45 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta aprobación Facultad
Descargar
Thumbnail USTA
Nombre:
Carta de derechos de autor .pdf
Tamaño:
346.71 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de derechos de autor
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Thumbnail USTA
Nombre:
license.txt
Tamaño:
807 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría Estadística Aplicada