Aplicación de los modelos lineales generalizados mixtos en el modelamiento de datos de conteo georeferenciados por municipios en el departamento de Antioquía

Autores/as

  • Ricardo Alberto Borda Hernández Universidad El Bosque
  • Rene Iral Palomino Universidad Nacional de Colombia
  • Kenneth Roy Cabrera Universidad Nacional de Colombia

DOI:

https://doi.org/10.18270/cuaderlam.v8i15.1259

Palabras clave:

Datos georeferenciados, Error cuadrático medio, Familia exponencial, Modelos lineales generalizados mixtos, Normalidad

Resumen

Artículo de investigación

El origen de este trabajo se fundamenta en la necesidad de modelar estadísticamente datos de conteo georeferenciados en polígonos irregulares tales como: número de homicidios por barrio, número de habitantes por localidad, enfermos por municipio, entre otros; con el objetivo de encontrar algún tipo de dependencia espacial a partir de la localización geográfica.

El estudio pretendió comparar dos tipos de modelos lineales generalizados mixtos (MLGM), uno cuya estimación de los parámetros del modelo parte de la aplicación de Cadenas de Markov de Monte Carlo (MCMC) y el otro por medio de máxima verosimilitud penalizada; además, se hicieron otras comparaciones con el modelo tradicional auto regresivo simultáneo (SAR) y el modelo auto regresivo condicional (CAR); modelos que parten del supuesto de normalidad, invertibilidad de la matriz de varianzas y covarianzas, y construcción de una matriz de vecindad, supuestos que no necesariamente deben cumplirse con MLGM.

Se encontró, que los MLGM dan indicio de ser una alternativa en el modelamiento de datos de conteo y se comprobó con una aplicación a partir de la georeferenciación por municipio y modelación de los 200 apellidos más frecuentes de Antioquia, en donde igualmente se concluyó que los MLGM muestran el menor error cuadrático medio (ECM).

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Ricardo Alberto Borda Hernández, Universidad El Bosque

. M.Sc. Estadística, Universidad Nacional de Colombia. Especialista Matemática Aplicada, Universidad Sergio Arboleda. Licenciado en Matemática y Estadística., Universidad Pedagógica y Tecnológica de Colombia. Sede Duitama. Docente programa Administración de Empresas, Universidad El Bosque. riabordahe@unal.edu.co , bordaricardo@ unbosque.edu.co

Rene Iral Palomino, Universidad Nacional de Colombia

Magister Universidad Nacional de Colombia - Sede Medellín. Estadística. M.Sc. Estadística Universidad Nacional de Colombia - Sede Medellín, Pregrado Matemática. Universidad Nacional de Colombia - Sede Medellín. Docente programa Estadística, Universidad Nacional de Colombia - Sede Medellín

Kenneth Roy Cabrera, Universidad Nacional de Colombia

M.Sc(c) Estadística Pregrado/Universitario Geología. Universidad Nacional de Colombia - Sede Medellín. Universidad Nacional de Colombia - Sede Medellín

Referencias bibliográficas

BESAG, Julian y GLEAVES, Timothy. On the detection of spatial pattern in plan communities. England: University of Newcastle upon Tyne. Biometrics Vol. 32, No. 3 (Sep. 1976), p. 659-667.

BIVAND, Roger y PEBESMA, Edzer. Applied Spatial Data Analysis with R, Springer, 2011

BORDA, Ricardo; IRAL, Rene y CABRERA, Kenneth. Comparación de las metodologías: Modelo Lineal Generalizado mixto marginal espacial con varianza CAR bajo respuesta Poisson y Modelo Lineal Generalizado Poisson Log-lineal con distribución subyacente gausiana en el estudio de datos de área. Medellín: Universidad Nacional de Colombia, 2011

CHASCO,Coro. Econometría espacial aplicada a la predicción-extrapolación de datos microterritoriales. Madrid: Consejería de Economía e Innovación Tecnológica, 2003.

CRESSIE, Noel. Statistics for Spatial data Revised Edition, New York: John Wiley & Sons, 1993.

DIGGLE, Peter y Ribeiro, Paulo. Model based Geostatistics. Brasil: Springer Series in Statistics, 2007.

GIRALDO, Ramón. Estadística espacial. Bogotá: Universidad Nacional de Colombia, 2009.

GOMEZ, Santiago; HINESTROSA, Paula y MUÑETON, Guberney. Procesos poblacionales en Antioquia, Colombia, a partir de relaciones de parentesco intermunicipales. En: Papeles poblacionales, Julio-septiembre, número 057, Universidad Autónoma del Estado de México, Toluco, p 257-274, 2008.

HAINING, Robert. Spatial data analysis: Theory and practice. Cambridge: University Press, 2003.

MCCULLAGH, P. Y NELDER, J.A. Generalized Linear Models, Second Edition. New York: Chapman and Hall, 1989

ORD, Keith. Spatial autocorrelation. London: Pion, 1973.

PINHEIRO, Jose. y BATES, Douglas. MixwdEffects Models in S and S-Plus. New York: Springer, 2000.

SCHABENBERGER, Oliver y GOTWAY, Carol. Contemporary Statistical Models. Chapman & Hall/CRC Texts in Statistical Science. Boca Raton. Press, 2002.

SCHABENBERGER, Oliver y GOTWAY, Carol A. Statistical Methods for Spatial Data Analysis. Chapman & Hall/CRC Texts in Statistical Science. Boca Raton, 2005.

WITLLE, P. On stationary processes in the plane. Biometrika Vol. 41, No. ¾, P. 434-449, 1954.

WOLFINGER, R.D. y O’CONNELL. M.Generalized linear mixed models: a pseudo likelihood approach. Journal of Statistical Computing and Simulation, 48:233–243, 1993.

Descargas

Publicado

2016-02-07

Cómo citar

Borda Hernández, R. A., Iral Palomino, R., & Roy Cabrera, K. (2016). Aplicación de los modelos lineales generalizados mixtos en el modelamiento de datos de conteo georeferenciados por municipios en el departamento de Antioquía. Cuadernos Latinoamericanos De Administración, 8(15), 69–76. https://doi.org/10.18270/cuaderlam.v8i15.1259

Número

Sección

Articulos