Manejo Basico de Redatam Usando R para La Estimacion de Estadisticas Desagregadas

Manejo básico de Redatam usando R para la estimación de estadísticas... https://www.cepal.org/es/enfoques/manejo-basico-redatam-usando-r-la-...
Manejo básico de Redatam

usando R para la estimación
de estadísticas desagregadas
La estimación en áreas pequeñas (SAE, por sus siglas en inglés) es un
conjunto de técnicas estadísticas que permiten obtener estimaciones
desagregadas de parámetros poblacionales y que buscan mejorar la
calidad de la inferencia de las encuestas de hogares que no alcanza los
criterios de calidad adecuados para su publicación y para rescatar
información sobre aquellos subgrupos que no están bien representados en
la encuesta. En este documento se presenta la integración de dos
herramientas computacionales que permiten realizar este tipo de modelos
en un solo ambiente computacional. Por un lado Redatam con un motor de
procesamiento especializado en el manejo de grandes volúmenes de
datos censales, y por otro R, software caracterizado por su versatilidad en
el ajuste de modelos estadísticos complejos.
22 DE NOVIEMBRE DE 2021 | ENFOQUES

Población y desarrollo
INTRODUCCIÓN
Las encuestas de hogares permiten monitorear continuamente los indicadores a lo largo

del tiempo para que los gobiernos puedan adoptar políticas públicas que se centren
primero en los más vulnerables. Sin embargo, la precisión de las estimaciones de las
encuestas de hogares disminuye cuando se trata de hacer inferencias en subgrupos para
los cuales no se diseñó la encuesta. Por otro lado, los censos permiten tener tantas
desagregaciones como se quiera, pero el reducido tamaño de sus cuestionarios y el
largo periodo de más de diez años entre dos realizaciones consecutivas, hacen que se
pierda la posibilidad de generar estadísticas oportunas. Sin embargo, utilizar estas dos
fuentes de información mediante su integración sistemática brinda la posibilidad de
producir estimaciones desagregadas que permitan la toma oportuna de decisiones de
1 de 20 05/05/2022, 13:01
política pública y monitoreo con una precisión estadística adecuada.
El énfasis en la Agenda 2030 para el Desarrollo Sostenible en no dejar a nadie atrás

(mediante el mandato left no one behind) y alcanzar a los más vulnerables primero
presenta a la comunidad estadística muchos desafíos y oportunidades. La
desagregación de datos es esencial para comprender si los frutos del desarrollo están
bene�ciando a todo el espectro de la sociedad, incluidos los más vulnerables y los más
atrasados. Actualmente, producir datos desglosados por diversas características de la
población y por diferentes niveles de geografía representa un desafío para los sistemas
estadísticos nacionales, incluidos los de los países desarrollados. Nuevas y mejores
metodologías estadísticas, técnicas innovadoras y el mayor uso de datos
administrativos se encuentran entre las iniciativas esenciales necesarias para responder
a los enormes desafíos que presenta la necesidad de datos más detallados. Asimismo,
la Agenda 2030 brinda oportunidades para mejorar y optimizar la capacidad estadística
de los países para producir información relevante, actualizada y detallada sobre la
población.
En este documento se describe de forma detallada cómo la integración de dos

soluciones computacionales permite contar con los insumos necesarios para la
generación de este tipo de modelos. Por una parte, Redatam, software especializado en
el manejo de la información censal; y por la otra, R, software que cuenta con ambientes
computacionales pertinentes en la generación de estadísticas que vienen de diseños de
muestreo complejos como los que se tienen en las encuestas de hogares.
Después de una breve introducción, este documento presenta un breve acercamiento a

las etapas que se requieren en la planeación de un sistema de estimación desagregada
basado en metodologías de estimación de áreas pequeñas. La primera etapa de esta
planeación puede ser solventada con el uso de la librería redatam de R, la cual es
presentada en la tercera sección del documento, junto con algunos ejemplos de
procesamientos de tablas de frecuencias y conteos para un caso en particular.
Finalmente, la cuarta sección presenta el cálculo de variables agregadas derivadas para
la creación de covariables en un modelo de estimación SAE.
2 de 20 05/05/2022, 13:01
PROCEDIMIENTO DE ESTIMACIÓN DESAGREGADA
Las técnicas de estimación en áreas pequeñas (Rao & Molina, 2015) permiten condensar
en un solo mapa cientos de estimaciones de ciudades, municipios, comunas, provincias
y departamentos. Por ejemplo, la presentación de las estimaciones de pobreza a nivel
geográ�co no sólo surge como una e�caz herramienta de comunicación, sino que
además amplia el espectro de la audiencia objetivo en la medida en que los mapas
facilitan la interpretación de las relaciones espaciales. Estos nuevos instrumentos para
la toma de decisiones de política pública pueden permitir una mejor comprensión de la
pobreza en los países de América Latina y el Caribe para establecer zonas de atención
prioritaria, focalización geográ�ca del gasto público, mejora de las coberturas de
programas sociales, entre otras medidas de superación de la pobreza.
El proceso de elaboración de mapas de pobreza a nivel subnacional está adquiriendo un

creciente interés en las distintas o�cinas de estadística y demás actores de los sistemas
estadísticos nacionales, puesto que constituyen herramientas apropiadas para que los
gobiernos y las organizaciones internacionales puedan diseñar, aplicar y monitorear de
manera más efectiva las políticas de desarrollo regional, dirigiéndolas a los lugares o
subgrupos de población en donde realmente se necesitan con mayor urgencia.
En general, las metodologías de estimación desagregada basadas en métodos de

estimación en áreas pequeñas necesitan el enlace de información auxiliar - que puede
provenir de un censo – con una encuesta de hogares para realizar estimaciones a nivel
provincial, comunal o municipal, las cuales son, en la mayoría de los casos,
desagregaciones geográ�cas para la cuales las estimaciones directas que provienen de
las encuestas de hogares pierden demasiada precisión (Gutiérrez, 2016).
En términos generales, las etapas generales en un proceso de estimación de la pobreza

a nivel desagregado y posterior proceso de generación de los mapas de pobreza son las
siguientes:
• Etapa 1: estandarización y homologación

de las bases de datos censales y
muestrales. Posterior estimación de
3 de 20 05/05/2022, 13:01
indicadores muestrales relacionados con

desigualdad, ingresos y pobreza.
• Etapa 2: estimación del modelo SAE para
los indicadores relacionados con ingresos,
desigualdad, o pobreza y de�nición de las
interacciones y selección de variables
auxiliares.
• Etapa 3: simulación por Bootstrap
paramétrico para la estimación del error
cuadrático medio (ECM).
• Etapa 4: validación de los supuestos del
modelo y benchmarking con las
publicaciones o�ciales (sobre ingreso y
pobreza)
• Etapa 5: generación de mapas con la
estimación del indicador de ingresos,
desigualdad, o pobreza y del cartograma
con su respectivo ECM estimado.
En la primera etapa del procedimiento se hace necesario aclarar que los modelos SAE se
obtienen desde los datos de las encuestas para posteriormente utilizar estas relaciones
con las estructuras censales respectivas y, por tal motivo, se hace necesario realizar una
homologación entre las encuestas y los censos con el �n de obtener bases de datos
conciliadas cuyas covariables se encuentren estandarizadas. De esta forma, se
descartan posibles sesgos inducidos por las diferentes mediciones en las covariables o
errores en la predicción debido a variables con nombres similares, pero de�nidas con
distintas categorías.
Al homologar las bases de datos se deben generar estructuras preestablecidas y

estandarizadas; además de un glosario de variables que de�na claramente los formatos
y las especi�caciones necesarias para cada tipo de variable registrada en las bases de
datos. Por ejemplo, la variable “años de estudio” es homologada utilizando los procesos
4 de 20 05/05/2022, 13:01
de estandarización del banco de encuestas de hogares BADEHOG de CEPAL. Por tal

razón, requiere de la misma modi�cación según el censo del país para establecer un
mismo tipo de estructura. De la misma manera, las variables encontradas en el
repositorio de censos de CELADE tienen una estandarización apropiada y adecuada que
ayuda a hacer más expeditos estos procesos de conciliación.
En la primera etapa se hace necesario que el manejo de los datos censales se realice de
forma óptima y expedita. En general, obtener tabulados censales utilizando R es posible,
aunque la velocidad de procesamiento decrece a medida que el número de
observaciones crece. Sin embargo, Redatam está precisamente pensado para solventar
este tipo de problemas; puesto que su velocidad de procesamiento con grandes
volúmenes de información es óptima. Por tanto, es una buena idea integrar ambas
soluciones computacionales en un solo ambiente de programación. Las restantes
etapas se llevarán a cabo utilizando únicamente el software estadístico R, que permite
ejecutar modelos estadísticos complejos de estimación y predicción (Molina, 2018).
LA LIBRERÍA REDATAM EN R
En su versión 1.0.1, la librería redatam de R (Salvador, 2020) del software estadístico R

permite realizar consultas para la creación de tablas de frecuencia censales utilizando el
potente motor de procesamiento de Redatam. En general, con esta librería es posible
obtener lo mejor de los dos mundos en una sola plataforma: la velocidad de
procesamiento de Redatam y el poder computacional de R para ajustar modelos
estadísticos complejos.
Para ejempli�car el uso de esta librería y cómo se convierte en una solución plausible en
la primera etapa del desarrollo de un sistema de estimaciones desagregadas, se utilizará
el conjunto de datos correspondiente al Undécimo Censo Nacional de Población y
Séptimo de Vivienda del 2010 de Panamá, ejecutado por el Instituto Nacional de
Estadística y Censo (INEC), de la Contraloría General de la República de Panamá. Este
conjunto de microdatos contiene la información censal en diferentes archivos de
entidades y está disponible en el formato Redatam. En primer lugar es necesario cargar
las librerías necesarias en R para realizar la lectura, uso y manejo de datos en formato
5 de 20 05/05/2022, 13:01
Redatam en el software R.
library(Rcpp)
library(RcppProgress)
library(redatam)
library(dplyr)
library(tidyverse)
library(magrittr)
Para leer el conjunto de datos, se utiliza la función redatam.open, la cual depende del
diccionario censal, el cual es un archivo con extensión *.dicX y que se encuentra en la
carpeta correspondiente. De esta forma, se crea un objeto dentro de R que relaciona el
diccionario con los microdatos de la base de datos censal.
PAN <- redatam.open(".../.../PAN2010.dicx")
A su vez, la función redatam.entities permite veri�car las entidades contenidas en la

información censal. Estas entidades poseen la información correspondiente a la
jerarquía de indexación propia de Redatam. Por ejemplo, para el censo de Panamá, es
posible encontrar las entidades asociadas a las provincias, distritos, corregimientos,
lugares poblados, barriadas, segmentos, viviendas, hogares y personas.
redatam.entities(PAN)
## [1] "PAN2010" "PROVIN" "DISTRITO" "CORREG" "LUGPOB"

"BARRIADA"
## [7] "SEGMENTO" "VIVIENDA" "HOGAR" "PERSONA"
6 de 20 05/05/2022, 13:01
Como es claro para los usuarios habituales de Redatam, a cada entidad en la jerarquía
del censo le corresponden algunas variables en la base de datos. Las variables censales
de cada entidad pueden ser veri�cadas mediante la función redatam.variables. En el
caso de las provincias, existen dos variables asociadas a esta entidad, mientras que en
el caso de las personas, existen 71 variables asociadas.
redatam.variables(PAN, "PROVIN")
## [1] "PROV" "PROVNOMB"
redatam.variables(PAN, "PERSONA")
## [1] "NPERSONA" "P01RELA" "P01RELAO" "P011NUCL"

"P02SEXO" "P03EDAD"
## [7] "P04SEGSOC" "P05ESTC" "P06AOIR" "P06BVER"
"P06CCAMI" "P06DUSARB"
## [13] "P06EHABL" "P06FAPREN" "P07DISCA" "P07DISCO"
"P08INDIG" "P08INDIO"
## [19] "P09AFROD" "P09AFROO" "P10NACI" "P10APERI"
"P11VIVE" "P12VIVIA"
## [25] "P12APERI" "P13ESCU" "P14GRADO" "P15SLYE"
"P16TITUC" "P17TRAB"
## [31] "P18TRAUS" "P19ALGT" "P20BSEM" "P21BMES"
"P22MOTI" "P22MOTIO"
## [37] "P23OCUPC" "P25ACTIC" "P26TRAB" "P27EMPL"
"P28ASUEL" "P28BXIIIM"
## [43] "P28CINDE" "P28DJUBI" "P28EPENS" "P28F1PENS"
"P28F2DINE" "P28F3OTRA"
## [49] "P28F3OTRD" "P28GALQU" "P28HBECA" "P28IAGRO"
7 de 20 05/05/2022, 13:01
"P28JOTRIN" "P28AINGR"
## [55] "P29HIJOS" "P30VIVOS" "P31HU12M" "P32VU12M"
"INGRPER" "RP14GRADO"
## [61] "RP17TRAB" "RP23OCUP" "RP25ACTI" "RP26TRAB"
"RPROVDIST" "RP10NACI"
## [67] "RP11VIVE" "RP12VIVIA" "AAPROB" "RINGRPER"
"EDADQUIN"
Es necesario tener un conocimiento adecuado de las variables existentes en las

jerarquías de la base de datos. De esta forma, es posible utilizar la función
redatam.query, la cual permite realizar tabulados de la información censal disponible en
cada entidad. Para ello, utilizando la programación básica de Redatam se llama a cada
variable anteponiendo el nombre de la entidad. Dicha función genera de forma
automática un objeto en el ambiente computacional de R.
Nótese que, al utilizar esta función se mezclan dos tipos de lenguajes de programación:
por una parte, el de R y por otra el de Redatam. En su última versión, la función en
cuestión tiene dos argumentos principales. El primero, que hace referencia al objeto que
relacionó el diccionario con la base de datos desde R, y el segundo, que contiene la
sintaxis del procesamiento en Redatam. Se da por sentado que el usuario conoce la
programación de este software y sabe que la sintaxis proporciona resultados válidos.
Este segundo argumento debe ir entre comillas dobles. Por ejemplo, la siguiente sintaxis
crea un objeto llamado Tabla1, el cual proporciona el conteo del número de personas por
sexo, con la variable PERSONA.P02SEXO y provincia, con la variable
PROVIN.PROVNOMB.
Tabla1 <- redatam.query(PAN,

"
freq PROVIN.PROVNOMB
by PERSONA.P02SEXO
"
8 de 20 05/05/2022, 13:01
El resultado de la función anterior es un arreglo de datos estructurado en forma

rectangular. En la primera columna se encuentra el identi�cador de la provincia
PROVNOMB1_value, en la segunda columna se encuentra la etiqueta asociada a las
provincias PROVNOMB1_label. Asimismo, en la tercera y cuarta columna se encuentra el
identi�cador de la variable sexo y sus correspondientes etiquetas, P02SEXO2_value
P02SEXO2_label. Finalmente, en la última columna se muestra el conteo censal en cada
uno de los cruces que se generan entre estas dos variables (provincia y sexo). El nombre
de esta columna de conteos es value. A continuación se reproducen los seis primeros
resultados de esta consulta.
head(Tabla1)
## PROVNOMB1_value PROVNOMB1_label P02SEXO2_value
P02SEXO2_label value
## 1 BOCAS DEL TORO BOCAS DEL TORO 1

Hombre 65043
## 2 BOCAS DEL TORO BOCAS DEL TORO 2 Mujer
60418
## 3 CHIRIQUÍ CHIRIQUÍ 1
Hombre 211618
## 4 CHIRIQUÍ CHIRIQUÍ 2 Mujer
205255
## 5 COCLÉ COCLÉ 1
Hombre 119417
## 6 COCLÉ COCLÉ 2 Mujer
114291
9 de 20 05/05/2022, 13:01
Para esta sálida es necesario notar la presencia del su�jo _value, que corresponde al
valor alfanumérico con el cual se codi�có la variable en la base censal, y la del su�jo
_label, que corresponde al nombre de la etiqueta asociado a dicho valor.
Por otro lado, con la sentencia by es posible generar una tabla con mayor cantidad de
desagregaciones. Por ejemplo, la siguiente tabla muestra el número de individuos por
provincia PROVIN.PROVNOMB, según edad quinquenal PERSONA.EDADQUIN para cada
categoría de trabajo PERSONA.RP17TRAB.

"
by PERSONA.EDADQUIN
by PERSONA.RP17TRAB
"
)
A continuación se muestran los seis primeros resultados de esta consulta. Como se

puede observar la estructura sigue la misma estandarización, sin importar cuántas
variables se agreguen a los conteos censales.
head(Tabla2)
## PROVNOMB1_value PROVNOMB1_label EDADQUIN2_value

EDADQUIN2_label
## 1 BOCAS DEL TORO BOCAS DEL TORO 2 10-14
10 de 20 05/05/2022, 13:01
## RP17TRAB3_value RP17TRAB3_label
value
## 1 1110 Ocupado, trabajó la semana de referencia
198
## 2 1211 Desocupado, trabajó antes, buscó trabajo 7
## 3 1212 Desocupado, trabajó antes, espera noticias
4
## 4 1213 Desocupado, trabajó antes, se cansó de
buscar trabajo 1
## 5 1214 Desocupado, trabajó antes, ya consiguió
trabajo 1
## 6 1221 Desocupado, nunca trabajó, buscó trabajo
1
Los nombres de las columnas y los valores que contienen se pueden rescatar con los
comandos names y unique en el ambiente de R.
names(Tabla2)
## [1] "PROVNOMB1_value" "PROVNOMB1_label" "EDADQUIN2_value"

"EDADQUIN2_label"
## [5] "RP17TRAB3_value" "RP17TRAB3_label" "value"
unique(Tabla2$EDADQUIN2_label)
## [1] "10-14" "15-19" "20-24" "25-29" "30-34" "35-39"
11 de 20 05/05/2022, 13:01
## [7] "40-44" "45-49" "50-54" "55-59" "60-64" "65-69"

## [13] "70-74" "75-79" "80-84" "85-89" "90-94" "95-98"
## [19] "99 y más"
Como se puede apreciar en la anterior salida y en la veri�cación que se realiza, no

existen conteos para la categoría de edad quinquenal entre 0 y 9 años; esto se debe a
que, para aquel rango de edad, la pregunta de trabajo se omite por lo que el conteo se
realiza solo sobre los casos válidos. Por esta razón, para hacer un conteo sobre casos
no válidos (NA) se debe añadir la opción tot.omit = FALSE y además realizar un �ltro para
uni�car la estructura de la tabla. En la siguiente sintaxis se muestra el poder de la librería
al mezclar tres ambientes diferentes: el lenguaje nativo de R, la sintaxis de Redatam y los
�ltros de tidyverse (Wickham et al., 2019) para manejo de tablas y bases de datos.

"
by PERSONA.EDADQUIN
by RP17TRAB
",
tot.omit = FALSE) %>%
�lter(PROVNOMB1_label != "__tot__",
EDADQUIN2_label != "__tot__",
RP17TRAB3_label != "__tot__")
A continuación se muestran los primeros seis registros de esta consulta.
head(Tabla3)
## PROVNOMB1_value PROVNOMB1_label PROVNOMB1_mask
12 de 20 05/05/2022, 13:01
EDADQUIN2_value
## 1 BOCAS DEL TORO BOCAS DEL TORO 0 0
## EDADQUIN2_label EDADQUIN2_mask RP17TRAB3_value

## 1 0-4 0 NA
## 2 5-9 0 NA
## 3 10-14 0 NA
## 4 10-14 0 1110
## 5 10-14 0 1211
## 6 10-14 0 1212
## RP17TRAB3_label RP17TRAB3_mask value

## 1 __na__ 2 17884
## 2 __na__ 2 17673
## 3 __na__ 2 10
## 4 Ocupado, trabajó la semana de referencia 0 198
## 5 Desocupado, trabajó antes, buscó trabajo 0 7
## 6 Desocupado, trabajó antes, espera noticias 0 4
Como se aprecia en la anterior salida, al incluir la opción tot.omit = FALSE se calculan

además los totales para cada una de las desagregaciones realizadas. En el caso de las
etiquetas _label, los totales y casos no válidos son etiquetados como __tot__ y __na__,
respectivamente; mientras que la etiqueta _value contendrá los valores NA. Finalmente,
la tabla añade una etiqueta _mask a cada una de las desagregaciones. Esta se
categoriza como 1 cuando se realiza un conteo sobre el total de dicha variable, 2 cuando
13 de 20 05/05/2022, 13:01
se realiza un conteo sobre casos no válidos de la variable y 0 en otro caso.
Para descartar los totales y observar los conteos sobre las desagregaciones de interés
únicamente, se pueden �ltrar los resultados con las columnas _mask o _label. Es
importante notar que al nombre de cada columna resultante en la consulta le sigue un
número que corresponde al orden en el cuál fueron ingresadas las variables.
CÁLCULOS DERIVADOS DE INDICADORES CENSALES
Además de realizar conteos y tablas de frecuencias, con la librería redatam de R es

posible calcular indicadores para cualquier nivel geográ�co. Esta característica resulta
de gran relevancia para los sistemas de estimación basados en metodologías de áreas
pequeñas porque permite incluir, directamente desde el censo, un conjunto de
covariables (información auxiliar) en el ajuste de este tipo de modelos. En particular, para
este ejemplo, se supone que existe una alta correlación entre los indicadores sociales de
una encuesta (por ejemplo, la condición de pobreza) de la persona con su condición de
ocupación, lo que a nivel agregado podría validarse con la cantidad de desempleados
por provincia.
De esta forma, utilizando la variable RP17TRAB contenida en la entidad PERSONA se

calcula la tabla correspondiente.

"
by PERSONA.RP17TRAB
"
)
head(Tabla4)
## PROVNOMB1_value PROVNOMB1_label RP17TRAB2_value
14 de 20 05/05/2022, 13:01

## RP17TRAB2_label value
## 1 Ocupado, trabajó la semana de referencia
32838
## 2 Ocupado, trabajador ocasional
220
## 3 Desocupado, trabajó antes, buscó trabajo
1237
## 4 Desocupado, trabajó antes, espera noticias
513
## 5 Desocupado, trabajó antes, se cansó de buscar trabajo
501
## 6 Desocupado, trabajó antes, ya consiguió trabajo
425
De dicha tabla es posible identi�car mediante _label aquellas etiquetas _value que
corresponden a ocupados y desocupados. Con esta información se pueden generar
nuevas variables que permitan identi�car a la población ocupada y desocupada
mediante variables dicotómicas que harán referencia a estas categorías. En particular,
una persona estará clasi�cada como ocupada si en la codi�cación de la base de datos
original, el valor de la variable RP17TRAB2 es 1110 o 1120. De la misma manera, si la
esta variable toma valores entre 1211 y 1224, la persona se clasi�ca como desocupado.
Con estas nuevas columnas es posible reagrupar este conjunto de datos para obtener
conteos únicos de los individuos en cada categoría. Además, por conveniencia, se
15 de 20 05/05/2022, 13:01
renombra la etiqueta de la columna provincia.
Tabla5 <- Tabla4 %>%

transmute(
provin = PROVNOMB1_value,
ocupados = ifelse(
RP17TRAB2_value %in% c(1110, 1120), 1, 0),
desocupados = ifelse(
RP17TRAB2_value %in% c(1211:1224), 1, 0),
value
) %>%
group_by(provin, ocupados, desocupados) %>%
summarise(value = sum(value)) %>%
as.data.frame()
head(Tabla5)
## provin ocupados desocupados value

## 1 BOCAS DEL TORO 0 0 52040
## 4 CHIRIQUÍ 0 0 176459
## 5 CHIRIQUÍ 0 1 12988
## 6 CHIRIQUÍ 1 0 147147
Note que al ser columnas disjuntas, las variables ocupados y desocupados no podrían
tomar el valor 1 de manera simultanea. Esto es posible comprobarlo en la siguiente
sintaxis, la cual deberá arrojar una �la vacía.
16 de 20 05/05/2022, 13:01
Tabla5 %>%
�lter(ocupados == 1, desocupados == 1)
De la misma manera, utilizando la función pivot_wider de tidyverse es

posible trasponer las �las correspondientes a columnas de acuerdo
con la llave value, con el �n de cambiar la estructura de la consulta
correspondiente.
Tabla6 <- pivot_wider(Tabla5,

names_from = c("ocupados", "desocupados"),
values_from = value,
names_pre�x = c("ocupados")) %>%
as.data.frame()
head(Tabla6)
## provin ocupados0_0 ocupados0_1 ocupados1_0

## 1 BOCAS DEL TORO 52040 3989 33058
## 2 CHIRIQUÍ 176459 12988 147147
## 3 COCLÉ 101052 6080 80603
## 4 COLÓN 90865 9648 90769
## 5 COMARCA EMBERÁ 3872 80 3042
## 6 COMARCA KUNA YALA 14436 444 8831
Nótese que el nombre de las columnas creadas obedece a una lógica de procesamiento
bastante sencilla: el primer dígito corresponde a 1 si está ocupado y el segundo dígito a
1 si está desocupado. De esta forma, ocupados0_0 es el equivalente a inactivos (porque
no está ocupado y no está desocupado), ocupados0_1 es el equivalente de desocupado
(porque no está ocupado, pero sí está desocupado), mientras que ocupados1_0 es el
17 de 20 05/05/2022, 13:01
equivalente de ocupado (porque sí está ocupado, pero no está desocupado).
Finalmente, es posible calcular la tasa de desocupación provincial ponderando las

respectivas columnas de la tabla calculada anteriormente.
Consulta <- Tabla6 %>%

transmute(provin,
tasa_desocupacion =
ocupados1_0/sum(ocupados0_1 + ocupados1_0))
head(Consulta)
## provin tasa_desocupacion
## 1 BOCAS DEL TORO 0.023404772
## 2 CHIRIQUÍ 0.104178776
## 3 COCLÉ 0.057066212
## 4 COLÓN 0.064263650
## 5 COMARCA EMBERÁ 0.002153709
## 6 COMARCA KUNA YALA 0.006252270
CONCLUSIONES
Ante la creciente necesidad de contar con estimaciones desagregadas para monitorear

el progreso de los indicadores más importantes de una sociedad y con el �n de dar
seguimiento al cumplimiento de la Agenda 2030 sin dejar a nadie atrás, es necesario
contar con la implementación de nuevas y mejores metodologías de estimación basadas
en la integración de distintos tipos de información. En particular, teniendo como base
que las encuestas de hogares permiten un seguimiento continuo a lo largo del tiempo de
los fenómenos de interés a nivel nacional, se hace necesario complementar esta
información con datos provenientes de operaciones estadísticas que tengan una
18 de 20 05/05/2022, 13:01
cobertura exhaustiva y completa sobre la población total.
Es así como la unión entre encuestas de hogares y censos de población y vivienda

representa una buena opción en materia de integración de datos con miras a la
construcción de sistemas de estimación a nivel desagregado, que puedan actualizarse
de manera oportuna y que redunden en estimadores con buenas propiedades
estadísticas. Sin embargo, a pesar de contar con la disponibilidad de la información a
nivel de microdatos de las encuestas y de los censos en los países, el manejo de
grandes volúmenes de información (proveniente de los censos), así como el
modelamiento estadístico avanzado no interactuaban en una misma plataforma. Con la
creación de la librería redatam de R, es posible tener en un mismo ambiente
computacional, el poder de Redatam a la hora de procesar datos censales y la
versatilidad de R a la hora de ajustar modelos estadísticos complejos.
BIBLIOGRAFÍA
• Gutiérrez, H. A. (2016). Estrategias de

muestreo: diseño de encuestas y
estimación de parámetros (Segunda
edición). Ediciones de la U.
• Salvador, J. (2020). redatam 1.0.1:
RedatamX interface for R.
• Molina, I. (2018). Desagregación de datos
en encuesta de hogares: metodologías de
estimación en áreas pequeñas. CEPAL.
• Rao, J, & Molina, I. (2015). Small Area
Estimation. Wiley.
• Wickham et al., (2019). Welcome to the
tidyverse. Journal of Open Source
Software, 4(43), 1686, https://doi.org
/10.21105/joss.01686.
AUTOR
19 de 20 05/05/2022, 13:01
Andrés Gutiérrez
Regional Advisor on Social Statistics andres.gutierrez@cepal.org
Stalyn Guerrero Gomez

Consultor, CEPAL guerrerostalyn@gmail.com
Diego Lemus
Consultor, CEPAL d�emusp@gmail.com
Felipe Molina
Consultor, CEPAL statisticsfelipe.molina.de@gmail.com
20 de 20 05/05/2022, 13:01

Manejo Basico de Redatam Usando R para La Estimacion de Estadisticas Desagregadas

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Manejo Basico de Redatam Usando R para La Estimacion de Estadisticas Desagregadas

Cargado por

Copyright:

Formatos disponibles

Manejo básico de Redatam usando R para la estimación de estadísticas... https://www.cepal.org/es/enfoques/manejo-basico-redatam-usando-r-la-...

Manejo básico de Redatam

22 DE NOVIEMBRE DE 2021 | ENFOQUES

Las encuestas de hogares permiten monitorear continuamente los indicadores a lo largo

política pública y monitoreo con una precisión estadística adecuada.

El énfasis en la Agenda 2030 para el Desarrollo Sostenible en no dejar a nadie atrás

En este documento se describe de forma detallada cómo la integración de dos

Después de una breve introducción, este documento presenta un breve acercamiento a

PROCEDIMIENTO DE ESTIMACIÓN DESAGREGADA

El proceso de elaboración de mapas de pobreza a nivel subnacional está adquiriendo un

En general, las metodologías de estimación desagregada basadas en métodos de

En términos generales, las etapas generales en un proceso de estimación de la pobreza

• Etapa 1: estandarización y homologación

indicadores muestrales relacionados con

Al homologar las bases de datos se deben generar estructuras preestablecidas y

de estandarización del banco de encuestas de hogares BADEHOG de CEPAL. Por tal

En su versión 1.0.1, la librería redatam de R (Salvador, 2020) del software estadístico R

PAN <- redatam.open(".../.../PAN2010.dicx")

A su vez, la función redatam.entities permite veri�car las entidades contenidas en la

## [1] "PAN2010" "PROVIN" "DISTRITO" "CORREG" "LUGPOB"

## [1] "PROV" "PROVNOMB"

## [1] "NPERSONA" "P01RELA" "P01RELAO" "P011NUCL"

Es necesario tener un conocimiento adecuado de las variables existentes en las

Tabla1 <- redatam.query(PAN,

El resultado de la función anterior es un arreglo de datos estructurado en forma

## 1 BOCAS DEL TORO BOCAS DEL TORO 1

Tabla2 <- redatam.query(PAN,

A continuación se muestran los seis primeros resultados de esta consulta. Como se

## PROVNOMB1_value PROVNOMB1_label EDADQUIN2_value

## 6 BOCAS DEL TORO BOCAS DEL TORO 2 10-14

## [1] "PROVNOMB1_value" "PROVNOMB1_label" "EDADQUIN2_value"

## [1] "10-14" "15-19" "20-24" "25-29" "30-34" "35-39"

## [7] "40-44" "45-49" "50-54" "55-59" "60-64" "65-69"

Como se puede apreciar en la anterior salida y en la veri�cación que se realiza, no

Tabla3 <- redatam.query(PAN,

A continuación se muestran los primeros seis registros de esta consulta.

## PROVNOMB1_value PROVNOMB1_label PROVNOMB1_mask

## EDADQUIN2_label EDADQUIN2_mask RP17TRAB3_value

## RP17TRAB3_label RP17TRAB3_mask value

Como se aprecia en la anterior salida, al incluir la opción tot.omit = FALSE se calculan

se realiza un conteo sobre casos no válidos de la variable y 0 en otro caso.

CÁLCULOS DERIVADOS DE INDICADORES CENSALES

Además de realizar conteos y tablas de frecuencias, con la librería redatam de R es

De esta forma, utilizando la variable RP17TRAB contenida en la entidad PERSONA se

Tabla4 <- redatam.query(PAN,

## PROVNOMB1_value PROVNOMB1_label RP17TRAB2_value

## 1 BOCAS DEL TORO BOCAS DEL TORO 1110

renombra la etiqueta de la columna provincia.

Tabla5 <- Tabla4 %>%

## provin ocupados desocupados value

De la misma manera, utilizando la función pivot_wider de tidyverse es

Tabla6 <- pivot_wider(Tabla5,

## provin ocupados0_0 ocupados0_1 ocupados1_0

equivalente de ocupado (porque sí está ocupado, pero no está desocupado).

Finalmente, es posible calcular la tasa de desocupación provincial ponderando las

Consulta <- Tabla6 %>%

Ante la creciente necesidad de contar con estimaciones desagregadas para monitorear

cobertura exhaustiva y completa sobre la población total.

Es así como la unión entre encuestas de hogares y censos de población y vivienda

• Gutiérrez, H. A. (2016). Estrategias de

Stalyn Guerrero Gomez

También podría gustarte