Ordinary Least Squares (OLS) linear regression in R.

(This article was first published on Environmental Science and Data Analytics, and kindly contributed to R-bloggers) Ordinary Least Squares (OLS) linear regression is a statistical technique used for the analysis and modelling of linear relationships between a response variable and one or more predictor variables. If the relationship between two variables appears to be linear,…

via Ordinary Least Squares (OLS) Linear Regression in R — R-bloggers

Anuncios

Regresión ridge (regresión contraída) con R

(This article was first published on R – Real Data, and kindly contributed to R-bloggers) In my last post Which linear model is best? I wrote about using stepwise selection as a method for selecting linear models, which turns out to have some issues (see this article, and Wikipedia). This post will be about two…

via Ridge Regression and the Lasso — R-bloggers

ModernDive: A free introduction to statistics and data science with R

(This article was first published on Revolutions, and kindly contributed to R-bloggers) If you’re thinking about teaching a course on statistics and data science using R, Chester Ismay and Albert Kim have created an online, open-source textbook for just that purpose. ModernDive is a textbook for that instructs students how to: use R to explore and visualize…

via ModernDive: A free introduction to statistics and data science with R — R-bloggers

Estimación de la tasa de pobreza en Cantabria en Area pequeña

author: “Francisco Parra Rodríguez” date: “Mayo 1, 2015”

parrafj@unican.es

franciscoparrod@gmail.com

Introduction

La extensa literatura desarrollada recientemente sobre la producción de estadísticas para áreas geográficas pequeñas, sugiere procedimientos para la obtención de estimadores de consumo en función de variables comunes en encuestas de hogares y censos de población (Ghosh y Rao (1994), Rao (1999)). La aplicación de estos métodos al problema específico de los indices de pobreza ha sido desarrollado por:

. Elbers, Lanjouw, Lanjouw, y Leite (2003), auspiciado por el Banco Mundial y aplicado a Africa Sur, Brasil, Panamá, Madagascar y Nicaragua, entre otros.

. Molina y Rao (2009) que estiman la pobreza a través del mejor predictor empírico (EBP).

. Chambers y Tzavidis (2006), que utilizan la aproximación por M-quantiles.

La idea central de la metodología consiste en utilizar la muestra contenida en las encuestas de hogares para estimar un modelo explicativo gasto de consumo o de los ingresos de los hogares si se quiere observar la pobreza por esta otra vía. Si W es un indicador de pobreza o desigualdad basado en la distribución de una variable de interés a nivel de hogar (yh), con la encuesta de hogares se puede estimar la distribución conjunta de yh y un vector de covariables, denotada por xh. Dichas covariables deben de haberse incluido tanto en la encuesta como en el censo o un registro de población, y esta distribución estimada puede usarse para generar la distribución de yh para cualquier subpoblación en el Censo, condicionada a diferentes características observables.

Estás técnicas se van a aplicar para obtener una estimación de tasa de pobreza en una sección censal de la región de Cantabria, utilizando como encuesta la ECV 2011 y como censo el de Población y Vivienda de 2011.

Seguir en R-pub:

Estimación de la tasa de pobreza en Cantabria en Area pequeña

http://rpubs.com/PacoParra/78798