Resumen

En este trabajo se plantea el desarrollo de una solución de Inteligencia de Negocios y Sistemas de Información Geográfica (SIG) para gestionar integradamente los datos generados por el Censo Nacional de personas, hogares y viviendas y la Encuesta de Clasificación Económica y Social (CASEN) como una alternativa a los métodos actuales de estimación en área pequeña (SAE) utilizados para obtener indicadores desagregados de bienestar y que estiman, por ejemplo, el ingreso a partir de los atributos del hogar, ignorando la ubicación geográfica de las observaciones de la encuesta.

En este trabajo proponemos un cambio en la lógica tradicional implícita de estos métodos, al estimar el ingreso medio en áreas pequeñas georreferenciando las observaciones de la encuesta mediante el método de emparejamiento conocido como Matching Estimator y luego extrapolando los datos con la técnica de predicción del Kriging. La propuesta plantea el uso de una base de datos integrada de ambas fuentes mediante tecnología ETL (Extract, Transform and Load), permitiendo obtener datos de la encuesta en niveles de desagregación que esta no provee originalmente y que le son transferidos por el emparejamiento con los datos del Censo. Utilizando los códigos de localización espacial incorporados a un SIG, se añaden herramientas de visualización cartográfica que facilitan la observación y análisis de las relaciones espaciales entre las unidades geográficas, así como la observación y análisis de las particularidades en áreas pequeñas. Como aplicación, se describe la desagregación espacial del ingreso per capita de los hogares en las Regiones XIII, VI y VII de Chile.

INTRODUCCIÓN

La información contenida en los Censos Nacionales y en las Encuestas de Hogar ha sido utilizada para la obtención y análisis de indicadores socioeconómicos que definen los niveles de pobreza o riqueza de los hogares [1] y buscan orientar el diseño de políticas públicas de superación de la pobreza, por ejemplo. Los métodos que mezclan información del Censo y Encuestas de hogar da cuenta de al menos tres variantes entre las cuales se destaca "The Empirical Best Predictor (EBP)", de Molina y Rao [2], "The M-quantile approach Chambers y Tzavidis" [3] y "The World Bank Method ELL Elbers" [4], siendo este último utilizado en más de 40 países para construir mapas de pobreza en pequeñas áreas [4-5]. ELL realiza mediante un modelo de predicción espacial para datos de encuesta utilizando un conjunto de otras variables disponibles también en el Censo. La estimación de la distribución conjunta se utiliza posteriormente para extrapolar la distribución de la variable de la encuesta, a cualquier subconjunto de los datos del Censo.

• Materias:Inteligencia computacional Éxito en los negocios Sistema de información geográfica SIG
• Subjects:Computational Intelligence; Sucess in business Geographical information systems GIS
• Palabras claves:Emparejamiento espacial, tecnología ETL, bases de datos espaciales, sistemas de información geográfica, servidores de mapas.
• Keywords:Spatial matching, ETL technology, spatial databases, geographic information systems, map servers.