Curso Internacional ‘Desagregación de Estimaciones en Áreas Pequeñas usando R’

Módulo 5 - Mejor predictor empírico - Tarea 2

Author

Igor Souza

Published

02/12/2023

Sobre

El curso es organizado por la Unidad de Estadísticas Sociales, División de Estadísticas de la Comisión Económica para América Latina y el Caribe (CEPAL) y por el Fondo de Población de las Naciones Unidas (UNFPA).

Al leer el trabajo presentado a continuación, tenga en cuenta que el autor está en proceso de aprendizaje. Se agradecen las críticas y sugerencias.

Tarea

Objetivo: La siguiente tarea tiene como objetivo aplicar los conocimientos aprendidos en los primeros módulos del curso.

Tarea: La idea de esta actividad es estimar el ingreso medio, porcentaje de pobreza (FGT = 0), la brecha de pobreza (FGT = 1) y el Gini, tomando como límite de pobreza 3182 pesos uruguayos en cada sección para los hombres y mujeres (de manera independiente) en Montevideo utilizando el EBP. Recuerde dar una interpretación a cada uno de estos indicadores en el contexto del ejercicio.

Código R

library(tidyverse)
library(emdi)
library(DT)
library(kableExtra)

Importar datos

Encuesta

Censo

Covariables

Para efectos de facilitar la comprensión de la base, a continuación, se hace una breve descripción de las variables:

  • condacto: variable dicotómica que indica si es ocupado o no;

  • condactc: dicotómica sobre la condición cesante;

  • condactj: dicotómica sobre la condición jubilado;

  • alfasi: dicotómica sobre analfabetismo;

  • pobreza: categorías de pobreza.

Ajustar modelo

Para este ejercicio, se utilizará el mejor predictor empírico bajo el modelo con errores anidados propuesto por (Molina and Rao 2010). Para más información, consultar la serie de estudios estadísticos llamada Desagregación de datos en encuestas de hogares: metodologías de estimación en áreas pequeñas1.

Para el ajuste del modelo, se utilizarán estas variables de la base muestral y para el cálculo de los predictores y el EMC estas covariables se tomarán de las bases censales.

Mujeres

ebp_model_f <- ebp(
  fixed          = ing ~ condacto + condactc + condactj + alfasi, 
  pop_data       = census_f,
  pop_domains    = "secc", 
  smp_data       = sample_f,
  smp_domains    = "secc", 
  na.rm          = T, 
  MSE            = T,
  B              = 5,
  threshold      = 3182,
  transformation = "log"
)

Hombres

ebp_model_m <- ebp(
  fixed          = ing ~ condacto + condactc + condactj + alfasi, 
  pop_data       = census_m,
  pop_domains    = "secc", 
  smp_data       = sample_m,
  smp_domains    = "secc", 
  na.rm          = T, 
  MSE            = T,
  B              = 5,
  threshold      = 3182,
  transformation = "log"
)

Estimaciones

Ingreso medio

Tabla 3: Estimaciones de ingreso medio por sección y sexo.
Domain Gender Mean Mean_MSE
1 Mujer 24 667 252 753
1 Hombre 28 273 2 642 459
2 Mujer 17 521 1 891 330
2 Hombre 14 948 566 201
3 Mujer 16 316 990 269
3 Hombre 17 171 3 358 251
4 Mujer 25 301 660 089
4 Hombre 24 293 448 687
5 Mujer 24 053 579 871
5 Hombre 23 612 672 886
6 Mujer 27 920 868 136
6 Hombre 30 182 4 955 986
7 Mujer 21 079 248 859
7 Hombre 21 119 1 013 155
8 Mujer 19 187 312 644
8 Hombre 19 771 1 895 506
9 Mujer 11 648 323 368
9 Hombre 11 924 65 014
10 Mujer 22 427 77 859
10 Hombre 23 698 70 133
11 Mujer 9 649 25 558
11 Hombre 10 326 267 688
12 Mujer 19 725 106 430
12 Hombre 20 124 125 246
13 Mujer 9 446 110 562
13 Hombre 9 441 163 917
14 Mujer 20 793 576 098
14 Hombre 21 292 347 124
15 Mujer 24 859 84 411
15 Hombre 25 821 2 264 861
16 Mujer 9 587 44 738
16 Hombre 10 710 389 036
17 Mujer 9 091 126 558
17 Hombre 9 640 59 946
18 Mujer 34 210 112 344
18 Hombre 36 057 125 837
19 Mujer 16 209 427 121
19 Hombre 17 107 1 977 212
20 Mujer 13 296 10 866
20 Hombre 13 828 884 276
21 Mujer 12 409 202 241
21 Hombre 12 777 160 957
22 Mujer 14 650 427 141
22 Hombre 14 339 101 022
23 Mujer 24 606 266 976
23 Hombre 24 398 649 244
24 Mujer 27 623 64 623
24 Hombre 28 219 86 748
99 Mujer 10 017 275 509
99 Hombre 10 700 247 743

Porcentaje de pobreza

Tabla 4: Estimaciones de porcentaje de pobreza por sección y sexo.
Domain Gender Head_Count Head_Count_MSE
1 Mujer 0,25 0,0000090
1 Hombre 0,18 0,0000515
2 Mujer 1,13 0,0000044
2 Hombre 2,67 0,0000056
3 Mujer 1,35 0,0000677
3 Hombre 1,60 0,0000538
4 Mujer 0,20 0,0000795
4 Hombre 0,39 0,0000018
5 Mujer 0,25 0,0000572
5 Hombre 0,43 0,0000065
6 Mujer 0,12 0,0000127
6 Hombre 0,15 0,0000124
7 Mujer 0,43 0,0000001
7 Hombre 0,70 0,0000198
8 Mujer 0,70 0,0000071
8 Hombre 0,92 0,0000367
9 Mujer 4,67 0,0000050
9 Hombre 5,38 0,0000067
10 Mujer 0,35 0,0000010
10 Hombre 0,44 0,0000023
11 Mujer 8,31 0,0000007
11 Hombre 8,16 0,0000021
12 Mujer 0,62 0,0000026
12 Hombre 0,83 0,0000061
13 Mujer 8,90 0,0000066
13 Hombre 10,29 0,0000002
14 Mujer 0,49 0,0000014
14 Hombre 0,69 0,0000044
15 Mujer 0,21 0,0000032
15 Hombre 0,28 0,0000069
16 Mujer 8,46 0,0000023
16 Hombre 7,48 0,0000026
17 Mujer 9,79 0,0000157
17 Hombre 9,81 0,0000013
18 Mujer 0,04 0,0000005
18 Hombre 0,06 0,0000002
19 Mujer 1,40 0,0000205
19 Hombre 1,57 0,0000050
20 Mujer 2,99 0,0000001
20 Hombre 3,37 0,0000266
21 Mujer 3,85 0,0000025
21 Hombre 4,32 0,0000033
22 Mujer 2,07 0,0000047
22 Hombre 2,94 0,0000095
23 Mujer 0,23 0,0000038
23 Hombre 0,37 0,0001672
24 Mujer 0,12 0,0000030
24 Hombre 0,19 0,0000084
99 Mujer 7,48 0,0000273
99 Hombre 7,41 0,0000078

Brecha de pobreza

Tabla 5: Estimaciones de brecha de pobreza por sección y sexo.
Domain Gender Poverty_Gap Poverty_Gap_MSE
1 Mujer 0,0004198 2,00e-07
1 Hombre 0,0002984 1,17e-05
2 Mujer 0,0020122 3,00e-07
2 Hombre 0,0054846 6,00e-07
3 Mujer 0,0026232 4,20e-06
3 Hombre 0,0030803 2,70e-06
4 Mujer 0,0003462 5,10e-06
4 Hombre 0,0007224 3,00e-07
5 Mujer 0,0003968 3,20e-06
5 Hombre 0,0007811 9,00e-07
6 Mujer 0,0001750 1,10e-06
6 Hombre 0,0002465 3,00e-07
7 Mujer 0,0007299 0,00e+00
7 Hombre 0,0012718 1,10e-06
8 Mujer 0,0012415 3,00e-07
8 Hombre 0,0017574 2,40e-06
9 Mujer 0,0101173 6,00e-07
9 Hombre 0,0123086 2,00e-07
10 Mujer 0,0005868 1,00e-07
10 Hombre 0,0007750 1,00e-07
11 Mujer 0,0195277 0,00e+00
11 Hombre 0,0198419 2,00e-07
12 Mujer 0,0010727 2,00e-07
12 Hombre 0,0015366 3,00e-07
13 Mujer 0,0210426 4,00e-07
13 Hombre 0,0260010 0,00e+00
14 Mujer 0,0008454 1,00e-07
14 Hombre 0,0012527 4,00e-07
15 Mujer 0,0003401 2,00e-07
15 Hombre 0,0004853 7,00e-07
16 Mujer 0,0200389 1,00e-07
16 Hombre 0,0179525 2,00e-07
17 Mujer 0,0236012 1,80e-06
17 Hombre 0,0244877 1,00e-07
18 Mujer 0,0000570 0,00e+00
18 Hombre 0,0000820 0,00e+00
19 Mujer 0,0026530 2,30e-06
19 Hombre 0,0030925 5,00e-07
20 Mujer 0,0061092 0,00e+00
20 Hombre 0,0073193 3,50e-06
21 Mujer 0,0081339 1,00e-07
21 Hombre 0,0096437 2,00e-07
22 Mujer 0,0040853 1,00e-07
22 Hombre 0,0062290 8,00e-07
23 Mujer 0,0003821 1,00e-07
23 Hombre 0,0006581 1,22e-05
24 Mujer 0,0001858 1,00e-07
24 Hombre 0,0003244 8,00e-07
99 Mujer 0,0172265 2,00e-06
99 Hombre 0,0177372 5,00e-07

Coeficiente de Gini

Tabla 6: Estimaciones del coeficiente de Gini por sección y sexo.
Domain Gender Gini Gini_MSE
1 Mujer 0,350 2,24e-05
1 Hombre 0,364 2,23e-05
2 Mujer 0,350 3,70e-05
2 Hombre 0,365 2,93e-05
3 Mujer 0,349 2,14e-05
3 Hombre 0,366 4,04e-05
4 Mujer 0,349 1,83e-05
4 Hombre 0,366 4,22e-05
5 Mujer 0,350 1,33e-05
5 Hombre 0,365 3,68e-05
6 Mujer 0,350 2,21e-05
6 Hombre 0,366 3,31e-05
7 Mujer 0,350 1,41e-05
7 Hombre 0,366 9,70e-06
8 Mujer 0,350 8,60e-06
8 Hombre 0,366 6,00e-06
9 Mujer 0,353 3,30e-06
9 Hombre 0,367 4,70e-06
10 Mujer 0,351 3,90e-06
10 Hombre 0,367 7,80e-06
11 Mujer 0,353 5,00e-06
11 Hombre 0,368 9,00e-07
12 Mujer 0,350 4,30e-06
12 Hombre 0,366 1,20e-05
13 Mujer 0,354 3,10e-06
13 Hombre 0,367 5,90e-06
14 Mujer 0,350 2,60e-06
14 Hombre 0,366 1,44e-05
15 Mujer 0,350 1,80e-06
15 Hombre 0,366 4,30e-06
16 Mujer 0,353 4,50e-06
16 Hombre 0,368 1,05e-05
17 Mujer 0,353 8,10e-06
17 Hombre 0,368 6,00e-06
18 Mujer 0,350 7,50e-06
18 Hombre 0,366 3,10e-06
19 Mujer 0,351 6,10e-06
19 Hombre 0,367 1,15e-05
20 Mujer 0,352 2,50e-06
20 Hombre 0,367 4,50e-06
21 Mujer 0,353 7,50e-06
21 Hombre 0,367 3,20e-06
22 Mujer 0,352 1,07e-05
22 Hombre 0,366 4,10e-06
23 Mujer 0,350 4,70e-06
23 Hombre 0,367 8,00e-06
24 Mujer 0,350 2,80e-06
24 Hombre 0,366 6,20e-06
99 Mujer 0,353 4,70e-06
99 Hombre 0,368 1,80e-06

Visualizar

Ingreso medio

Porcentaje de pobreza

Brecha de pobreza

Coeficiente de Gini

Conclusiones

Los gráficos muestran que, en promedio, los hombres tienen un ingreso medio mayor que las mujeres en las secciones de Montevideo. Sin embargo, cuando se trata de pobreza e desigualdad, las mujeres están en una mejor posición. Algunas pocas secciones muestran una realidad inversa, pero se puede afirmar que son excepciones a la regla.

En cuanto a la calidad de las estimaciones, la precisión de la información referente a las mujeres es mayor para el indicador de ingreso medio y para el coeficiente de Gini, similar para el indicador de porcentaje de pobreza y peor para el indicador de brecha de pobreza (afirmaciones basadas en el ECM).

References

Molina, Isabel, and J. N. K. Rao. 2010. “Small Area Estimation of Poverty Indicators.” Canadian Journal of Statistics 38 (3): 369–85. https://doi.org/10.1002/cjs.10051.

Footnotes

  1. Este material, titulado ‘Desagregación de datos en encuestas de hogares: metodologías de estimación en áreas pequeñas’, está disponible en el siguiente enlace: https://repositorio.cepal.org/items/50e7e098-7f02-4d37-a74c-fbfb88ba49c5. La información contenida en este documento es proporcionada por Isabel Molina.↩︎