Professional Documents
Culture Documents
Indicadores Compuestos
Indicadores Compuestos
Indicadores Compuestos
Indicadores compuestos:
Algunas consideraciones metodológicas
Email: andres@schuschny@cepal.org
Comisión Económica para América Latina y el Caribe
División de Recursos Naturales e Infraestructura
(CEPAL, Naciones Unidas)
Simpósio Internacional
Observatorios: de Mudancas
una visión Climáticas
hacia las ciudades e Pobreza na
sostenibles
14 de diciembre, 2012
América do Sul - Universidade de Sao Paulo,
September 2, 2010
Indicadores Compuestos
Indicadores Compuestos
El “indisponibilidad” estadı́stica
Ausencia de información básica
El “indisponibilidad” estadı́stica
Ausencia de información básica
Falta de procedimientos sistemáticos en la generación de la
información
El “indisponibilidad” estadı́stica
Ausencia de información básica
Falta de procedimientos sistemáticos en la generación de la
información
Muy incipiente toma de conciencia (ambiental) =⇒ Limitados
esfuerzos prácticos en la generación de la información
El “indisponibilidad” estadı́stica
Ausencia de información básica
Falta de procedimientos sistemáticos en la generación de la
información
Muy incipiente toma de conciencia (ambiental) =⇒ Limitados
esfuerzos prácticos en la generación de la información
Problemas de aplicabilidad técnica debida a la ausencia de
datos o la disponibilidad de datos inconsistentes o poco
confiables
El “indisponibilidad” estadı́stica
Ausencia de información básica
Falta de procedimientos sistemáticos en la generación de la
información
Muy incipiente toma de conciencia (ambiental) =⇒ Limitados
esfuerzos prácticos en la generación de la información
Problemas de aplicabilidad técnica debida a la ausencia de
datos o la disponibilidad de datos inconsistentes o poco
confiables
Además:
Además:
Además:
2. Seleccionar indicadores
2. Seleccionar indicadores
2. Seleccionar indicadores
2. Seleccionar indicadores
2. Seleccionar indicadores
Análisis factorial
Se usa para agrupar la información y ver si las dimensiones teóricas
coinciden o no con las estadı́sticas
Análisis factorial
Se usa para agrupar la información y ver si las dimensiones teóricas
coinciden o no con las estadı́sticas
Imputación simple
Modelización implı́cita: (i) asignar el dato conforme a
unidades similares; (ii) sustituir con información existente ó
(iii) tomar valores de otras fuentes.
Imputación simple
Modelización implı́cita: (i) asignar el dato conforme a
unidades similares; (ii) sustituir con información existente ó
(iii) tomar valores de otras fuentes.
Modelización explı́cita: sustituir por la media, mediana o la
moda, regresiones o algoritmos de expectación-maximización.
Imputación simple
Modelización implı́cita: (i) asignar el dato conforme a
unidades similares; (ii) sustituir con información existente ó
(iii) tomar valores de otras fuentes.
Modelización explı́cita: sustituir por la media, mediana o la
moda, regresiones o algoritmos de expectación-maximización.
Imputación múltiple
Por ejemplo estimando la matriz de covarianzas y la distribución a
priori a partir de la cual se imputarán valores al azar.
Andrés Schuschny, PhD. Indicadores compuestos: Algunas consideraciones metodológicas
1. Marco metodológico o conceptual
Introducción 2. Seleccionar indicadores
Etapas de su diseño y construcción 3. Análisis multivariado
Visualización y diseminación 4. Imputación de datos perdidos
Compilización de indicadores existentes 5. Normalización y pesado de los datos
6. Análisis de robustez y sensibilidad
Imputación simple
Modelización implı́cita: (i) asignar el dato conforme a
unidades similares; (ii) sustituir con información existente ó
(iii) tomar valores de otras fuentes.
Modelización explı́cita: sustituir por la media, mediana o la
moda, regresiones o algoritmos de expectación-maximización.
Imputación múltiple
Por ejemplo estimando la matriz de covarianzas y la distribución a
priori a partir de la cual se imputarán valores al azar.
Andrés Schuschny, PhD. Indicadores compuestos: Algunas consideraciones metodológicas
1. Marco metodológico o conceptual
Introducción 2. Seleccionar indicadores
Etapas de su diseño y construcción 3. Análisis multivariado
Visualización y diseminación 4. Imputación de datos perdidos
Compilización de indicadores existentes 5. Normalización y pesado de los datos
6. Análisis de robustez y sensibilidad
Estandarización (Z-value)
i
yti = xt −E
σtx
(xt )
. Todas las variables quedan centradas. Conviene
evitar los outliers.
Estandarización (Z-value)
i
yti = xt −E
σtx
(xt )
. Todas las variables quedan centradas. Conviene
evitar los outliers.
Re-escaleo
xti −min∀p (xtio )
yti = max∀p (xtio )−min∀p (xtio )
Ó si se trabaja con registros en varios
xti −min∀t min∀p (xti )
instantes del tiempo: yti = max∀t max∀p (xti )−min∀t min∀p (xti )
∈ [0, 1]
Re-escaleo
xti −min∀p (xtio )
yti = max∀p (xtio )−min∀p (xtio )
Ó si se trabaja con registros en varios
xti −min∀t min∀p (xti )
instantes del tiempo: yti = max∀t max∀p (xti )−min∀t min∀p (xti )
∈ [0, 1]
Algunas consideraciones:
Los datos deben estar normalizados
Todas las dimensiones de análisis (eco/soc/env/inst) deberı́an
tener el mismo número de indicadores
Algunas consideraciones:
Los datos deben estar normalizados
Todas las dimensiones de análisis (eco/soc/env/inst) deberı́an
tener el mismo número de indicadores
No confundir redundancia con correlación. Redundancia
implica correlación pero no viceversa
Algunas consideraciones:
Los datos deben estar normalizados
Todas las dimensiones de análisis (eco/soc/env/inst) deberı́an
tener el mismo número de indicadores
No confundir redundancia con correlación. Redundancia
implica correlación pero no viceversa
Agregación lineal
k
X k
X
It = w i · yti con wi = 1 y 0 ≤ wi ≤ 1
i=1 i=1
k
i k
X
It = Πki=1 (yti )w = [(yt1 )w1 · · · (ytk )w ]con = 1 y 0 ≤ wi ≤ 1
i=1
Propagación de la
variabilidad: Para evaluar
la dispersión resultante
del indicador sintético
Propagación de la
variabilidad: Para evaluar
la dispersión resultante
del indicador sintético
Análisis de sensibilidad:
Para evaluar cuáles son
los factores que afectan
su variabilidad
Propagación de la
variabilidad: Para evaluar
la dispersión resultante
del indicador sintético
Análisis de sensibilidad:
Para evaluar cuáles son
los factores que afectan
su variabilidad
Propagación de la
variabilidad: Para evaluar
la dispersión resultante
del indicador sintético
Análisis de sensibilidad:
Para evaluar cuáles son
los factores que afectan
su variabilidad