El ndice de activos para datos censales Una

  • Slides: 29
Download presentation
El índice de activos para datos censales: Una aplicación para predecir indicadores educativos en

El índice de activos para datos censales: Una aplicación para predecir indicadores educativos en países en desarrollo Rodrigo Lovatón Dávila, Dorothy Gondwe, Aine Seitz Mc. Carthy, Phatta Kirdruang, and Uttam Sharma Integrated Public Use Microdata Series- International (IPUMS-I)

Indice ØMotivación ØPreguntas de investigación ØRevisión de literatura ØDatos ØMetodología ØResultados ØTrabajo en curso

Indice ØMotivación ØPreguntas de investigación ØRevisión de literatura ØDatos ØMetodología ØResultados ØTrabajo en curso

Motivación ØNecesidad de una medida de nivel socioeconómico (NSE) para investigación económica y demográfica:

Motivación ØNecesidad de una medida de nivel socioeconómico (NSE) para investigación económica y demográfica: Ø Estimación de pobreza e inequidad. Ø Como variable de control en análisis de regresión. ØProblemas con ingresos y gastos en encuestas de hogares: Ø Datos costosos de recolectar. Ø Dificultad para su medición / menor disponibilidad. ØUso de información censal para crear una medida de NSE: Ø Microdatos censales tienen gran cobertura y son accesibles. Ø Datos disponibles a través de IPUMS-International. Ø Aplicación del enfoque basado en activos para crear una medida de NSE.

Preguntas de investigación 1) ¿Es el índice de activos internamente consistente cuando es aplicado

Preguntas de investigación 1) ¿Es el índice de activos internamente consistente cuando es aplicado a microdatos censales? 2) ¿Es el índice de activos una medida válida de nivel socioeconómico (NSE)?

Revisión de literatura Ø El índice de activos es una buena proxy de ingresos

Revisión de literatura Ø El índice de activos es una buena proxy de ingresos y gasto de consumo (Mc. Kenzie, 2005; Sahn y Steifel, 2000). Ø El índice de activos es confiable en la predicción de indicadores educativos, cuando es comparado con gastos (Filmer y Pritchett, 2001). Ø Validación del índice examinando indicadores de salud a través de estratos de NSE (Bollen et al. , 2002; Filmer y Scott, 2008; Sahn y Stiefel, 2003). Ø La Encuesta Demográfica y de Salud Familiar (ENDES) usa un índice basado en activos.

Datos ØMicrodatos censales de IPUMS-International. Ø Mayor archivo de información gratuita y públicamente accesible

Datos ØMicrodatos censales de IPUMS-International. Ø Mayor archivo de información gratuita y públicamente accesible de muestras censales: 211 muestras de 68 países, de 1960 a 2010 Ø Actualmente, no incluye ninguna medida estándar de nivel socioeconómico para el hogar. ØEncuesta Demográfica y de Salud Familiar (ENDES) País IPUMS-I ENDES Brasil 2000 1996 Colombia 2005 Perú 1993 1992 Senegal 2002 2005 Sudáfica 1996 Categoría Ejemplos Activos Teléfono, radio, televisión, refrigerador, computadora, bicicleta, equipo de sonido, lavadora Acceso a servicios Electricidad, agua, saneamiento Características de la vivienda Material predominante en paredes, pisos, techos

Metodología: ACP Ø Supuesto: nivel socioeconómico no observado está reflejado en características de la

Metodología: ACP Ø Supuesto: nivel socioeconómico no observado está reflejado en características de la vivienda, acceso a servicios, y activos. Ø Recodificación de variables categóricas en binarias y cálculo del índice con Análisis de Componentes Principales (ACP). C 1 = b 11(X 1) + b 12(X 2) +. . . b 1 p(Xp) Ø Técnica de reducción de datos que forma un índice a partir de una combinación lineal de todas las variables. Ø Cada variable recibe un peso asignado en función de su contribución a la variabilidad total de los datos. Ø Se asigna a cada hogar un índice de acuerdo con la tenencia de dichas variables. Ø Definición de quintiles basados en el índice de activos.

Metodología: ACP

Metodología: ACP

Metodología 1) Consistencia interna Ø Eliminación de variables por etapas (stepwise), cálculo de correlaciones

Metodología 1) Consistencia interna Ø Eliminación de variables por etapas (stepwise), cálculo de correlaciones y el alpha de Cronbach. Ø Comparación gráfica de distribuciones de riqueza con el índice de la ENDES. 2) Validez Ø Predicción de indicadores educativos (nivel educativo alcanzado y asistencia a la escuela).

Metodología: Consistencia interna (I) ØEliminación de variables por etapas (stepwise), siguiendo el orden de

Metodología: Consistencia interna (I) ØEliminación de variables por etapas (stepwise), siguiendo el orden de los pesos del ACP (menor a mayor) y luego el índice es recalculado con las variables restantes. ØCálculo de correlaciones: verificación de consistencia de los rankings luego de la eliminación de cada variable. Ø Comparación del ranking original de hogares al ranking usando el nuevo grupo de variables. ØAlpha de Cronbach: comparación de la consistencia interna entre índices.

Resultados: Consistencia interna (I) Peru 1993 Ø Colombia 2005 El alpha de Cronbach y

Resultados: Consistencia interna (I) Peru 1993 Ø Colombia 2005 El alpha de Cronbach y las correlaciones calculadas durante el proceso de eliminación de variables muestran que el índice tiene una consistencia interna primero estable o creciente y luego decreciente a partir de cierto punto.

Metodología: Consistencia interna (II) ØComparación gráfica de funciones de densidad kernel entre microdatos censales

Metodología: Consistencia interna (II) ØComparación gráfica de funciones de densidad kernel entre microdatos censales y ENDES. ØSe espera distribuciones similares de NSE, dado que se trata de bases de datos de años similares. ØComparación de estadísticos resumen de distribuciones estandarizadas entre microdatos censales y ENDES. ØPercentiles, sesgo, y curtosis.

Resultados: Consistencia interna (II) Senegal 2002 Ø Brasil 2000 El índice de activos basado

Resultados: Consistencia interna (II) Senegal 2002 Ø Brasil 2000 El índice de activos basado en microdatos censales muestra una similar distribución al correspondiente a la ENDES.

Metodología: Validez Ø Aplicación a indicadores educativos 1. Comparación de distribuciones de asistencia a

Metodología: Validez Ø Aplicación a indicadores educativos 1. Comparación de distribuciones de asistencia a la escuela y nivel educativo según quintiles del índice para microdatos censales y ENDES. 2. Estimación de un modelo probit para asistencia a la escuela, controlando por el índice de activos y otras variables individuales y del hogar: Pr(y=1|X) = Φ(X’β) Donde Pr(y=1|X) es la probabilidad de asistir a la escuela.

Resultados: Validez Modelo probit para asistencia a la escuela usando microdatos censales Ø Variables

Resultados: Validez Modelo probit para asistencia a la escuela usando microdatos censales Ø Variables de control: Sexo, edad y edad al cuadrado para el niño; sexo, edad y edad al cuadrado para el jefe del hogar; nivel educativo del jefe del hogar; residencia en área urbana o rural.

Resultados: Validez Perú 1993 Colombia 2005 Resultados del modelo probit para asistencia educativa durante

Resultados: Validez Perú 1993 Colombia 2005 Resultados del modelo probit para asistencia educativa durante el proceso de eliminación de variables. Ø El efecto marginal del índice de activos y el R 2 son estables inicialmente y luego decrecientes. Ø

Discusión de resultados Ø Procedimiento de eliminación de variables y las distribuciones de densidad

Discusión de resultados Ø Procedimiento de eliminación de variables y las distribuciones de densidad de kernel muestran que se trata de una medida consistente de nivel socioeconómico. Ø El modelo probit indica que el índice de activos tiene un efecto positivo y significativo en la asistencia a la escuela. Ø La metodología permite determinar estándares para el requerimiento de datos para obtener un índice válido. Ø El análisis de más muestras de microdatos censales permitirá obtener resultados más concluyentes respecto al grupo de variables esenciales para el índice.

Cuál es el “mejor” método para ACP? ØEl ACP presentado previamente está basado en

Cuál es el “mejor” método para ACP? ØEl ACP presentado previamente está basado en variables categóricas recodificadas como binarias (“ACP binario”). ØKolenikov y Angeles (2009) sugieren el uso de variables ordinales, las cuales aportan información adicional a través del orden de las categorías. ØMétodos alternativos aplicados a variables ordinales: Ø “ACP policórico”: ACP basado en correlaciones policóricas. Ø “ACP ordinal”: ACP basado en la forma “tradicional” para calcular correlaciones pero aplicado a variables ordinales.

Trabajo en curso (1) Ø Preguntas de investigación: 1. ¿Son los rankings de hogares

Trabajo en curso (1) Ø Preguntas de investigación: 1. ¿Son los rankings de hogares basados en métodos alternativos muy diferentes? 2. ¿Cuál de los métodos para ACP tiene un mejor desempeño para examinar indicadores educativos? (usando quintiles o análisis de regresión)

Trabajo en curso (2) ØMetodología: ØTres métodos para ACP: binario, policórico, ordinal. ØCálculo de

Trabajo en curso (2) ØMetodología: ØTres métodos para ACP: binario, policórico, ordinal. ØCálculo de índices basados en métodos alternativos para 7 muestras de IPUMS-I (incluyendo Cambodia 1998 y Tailandia 2000). ØComparación de los índices usando: 1. Clasificación de hogares según quintiles. 2. Comparación gráfica de densidades kernel. 3. Análisis de regresión para asistencia a la escuela.

Resultados preliminares (1) Clasificación de hogares por quintiles (Colombia 2005) ØLa clasificación de hogares

Resultados preliminares (1) Clasificación de hogares por quintiles (Colombia 2005) ØLa clasificación de hogares por quintiles es más similar entre los métodos aplicados a variables ordinales (ACP policórico y ACP ordinal), respecto del ACP binario.

Resultados preliminares (2) Brasil 2000 Colombia 2005 ØLas distribuciones kernel para los métodos alternativos

Resultados preliminares (2) Brasil 2000 Colombia 2005 ØLas distribuciones kernel para los métodos alternativos muestran similitudes, las cuales son mayores entre los índices aplicados a variables ordinales (forma de la distribución y la concentración de su masa. )

Resultados preliminares (3) Modelo logit para asistencia a la escuela (odd-ratios) ACP binario ACP

Resultados preliminares (3) Modelo logit para asistencia a la escuela (odd-ratios) ACP binario ACP policórico ACP ordinal Brasil 2000 1. 28 1. 48 1. 32 Colombia 2005 1. 24 1. 48 1. 30 Perú 1993 1. 10 1. 20 1. 12 Senegal 2002 1. 12 1. 24 1. 16 Sudáfrica 1996 1. 18 1. 26 1. 23 Cambodia 1998 1. 20 1. 58 1. 34 Tailandia 2000 1. 43 1. 67 1. 54 Muestra Ø Variables de control: Sexo, edad y edad al cuadrado para el niño; sexo, edad y edad al cuadrado para el jefe del hogar; nivel educativo del jefe del hogar; residencia en área urbana o rural.

Discusión de resultados preliminares ØACP policórico y ordinal tienen mayor concordancia en clasificación de

Discusión de resultados preliminares ØACP policórico y ordinal tienen mayor concordancia en clasificación de hogares por quintiles que el ACP binario. ØLos odds-ratios del modelo logit para asistencia a la escuela muestran un patrón en todas las muestras analizadas: ACP policórico > ACP ordinal > ACP binario ØLos resultados preliminares sugieren que el ACP policórico y ordinal tienen un mejor desempeño que el ACP binario como control por nivel socioeconómico. ØSiguientes pasos: inclusión de muestras adicionales y desarrollar un procedimiento de eliminación de variables por etapas.

Gracias.

Gracias.