Análisis de componentes principales con datos georreferenciados. Una aplicación en la construcción de un indicador único de bancarización para la región centro (Argentina)
- Autores
- Fernando, García
- Año de publicación
- 2016
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Fil: García, Fernando. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
En este trabajo se propone la construcción de un indicador único del nivel de bancarización (IUB) para la Región Centro (Argentina). Se utiliza información a nivel departamental del Censo 2010 proporcionada por el Instituto Nacional de Estadísticas y Censos e información sobre el sistema bancario provista por el Banco Central de la República Argentina.En línea con la propuesta seguida por el Grupo de Monitoreo Macroeconómico para el estudio de la bancarización, el indicador considera aspectos referentes a las diferentes dimensiones de análisis: Magnitudes Agregadas, Disponibilidad y Cobertura Geográfica y Utilización y Acceso. Un indicador de este tipo es importante en tanto facilita la comprensión de la bancarización y contribuye a que exista un reconocimiento respecto a su trascendencia como elemento que puede apoyar al crecimiento y desarrollo económico.Como los datos están georreferenciados es importante remarcar que la estructura de co-variación reflejada por un análisis multivariado clásico (Análisis de Componentes Principales (PCA) en este trabajo) puede verse afectada por los patrones espaciales subyacentes en los datos. En tal sentido, resulta adecuado aplicar el método conocido como MULTISPATI, el cual se basa en el PCA pero incorpora la restricción dada por los datos espaciales mediante el cálculo del índice de Moran para medir la dependencia o correlación espacial entre las observaciones. A partir de la agregación (a través de una suma ponderada) de los valores de las dos primeras componentes espaciales (CPs) se definió el indicador sintético, utilizando como ponderación los valores propios asociados a cada componente. Los resultados muestran que las CPs seleccionadas permitirían una visualización mejor de la variabilidad espacial y corroborar que PCA espacial constituye una estrategia superadora en relación a PCA. De esta manera, sería recomendable avanzar en la construcción del Indicador Único de Bancarización a partir de las CPs obtenidas a través de MULTISPATI.
https://jornadaseconometria2016.wordpress.com/trabajos-completos/
publishedVersion
Fil: García, Fernando. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.
Economía, Econometría - Materia
-
Bancarización
Datos georreferenciados
Indicador sintético
MULTISPATI - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- Repositorio
- Institución
- Universidad Nacional de Córdoba
- OAI Identificador
- oai:rdu.unc.edu.ar:11086/20975
Ver los metadatos del registro completo
id |
RDUUNC_3258f83299119269c0b877acdeaa26db |
---|---|
oai_identifier_str |
oai:rdu.unc.edu.ar:11086/20975 |
network_acronym_str |
RDUUNC |
repository_id_str |
2572 |
network_name_str |
Repositorio Digital Universitario (UNC) |
spelling |
Análisis de componentes principales con datos georreferenciados. Una aplicación en la construcción de un indicador único de bancarización para la región centro (Argentina)Fernando, GarcíaBancarizaciónDatos georreferenciadosIndicador sintéticoMULTISPATIFil: García, Fernando. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.En este trabajo se propone la construcción de un indicador único del nivel de bancarización (IUB) para la Región Centro (Argentina). Se utiliza información a nivel departamental del Censo 2010 proporcionada por el Instituto Nacional de Estadísticas y Censos e información sobre el sistema bancario provista por el Banco Central de la República Argentina.En línea con la propuesta seguida por el Grupo de Monitoreo Macroeconómico para el estudio de la bancarización, el indicador considera aspectos referentes a las diferentes dimensiones de análisis: Magnitudes Agregadas, Disponibilidad y Cobertura Geográfica y Utilización y Acceso. Un indicador de este tipo es importante en tanto facilita la comprensión de la bancarización y contribuye a que exista un reconocimiento respecto a su trascendencia como elemento que puede apoyar al crecimiento y desarrollo económico.Como los datos están georreferenciados es importante remarcar que la estructura de co-variación reflejada por un análisis multivariado clásico (Análisis de Componentes Principales (PCA) en este trabajo) puede verse afectada por los patrones espaciales subyacentes en los datos. En tal sentido, resulta adecuado aplicar el método conocido como MULTISPATI, el cual se basa en el PCA pero incorpora la restricción dada por los datos espaciales mediante el cálculo del índice de Moran para medir la dependencia o correlación espacial entre las observaciones. A partir de la agregación (a través de una suma ponderada) de los valores de las dos primeras componentes espaciales (CPs) se definió el indicador sintético, utilizando como ponderación los valores propios asociados a cada componente. Los resultados muestran que las CPs seleccionadas permitirían una visualización mejor de la variabilidad espacial y corroborar que PCA espacial constituye una estrategia superadora en relación a PCA. De esta manera, sería recomendable avanzar en la construcción del Indicador Único de Bancarización a partir de las CPs obtenidas a través de MULTISPATI.https://jornadaseconometria2016.wordpress.com/trabajos-completos/publishedVersionFil: García, Fernando. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina.Economía, Econometría2016info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://hdl.handle.net/11086/20975spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-09-04T12:33:21Zoai:rdu.unc.edu.ar:11086/20975Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-04 12:33:21.273Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse |
dc.title.none.fl_str_mv |
Análisis de componentes principales con datos georreferenciados. Una aplicación en la construcción de un indicador único de bancarización para la región centro (Argentina) |
title |
Análisis de componentes principales con datos georreferenciados. Una aplicación en la construcción de un indicador único de bancarización para la región centro (Argentina) |
spellingShingle |
Análisis de componentes principales con datos georreferenciados. Una aplicación en la construcción de un indicador único de bancarización para la región centro (Argentina) Fernando, García Bancarización Datos georreferenciados Indicador sintético MULTISPATI |
title_short |
Análisis de componentes principales con datos georreferenciados. Una aplicación en la construcción de un indicador único de bancarización para la región centro (Argentina) |
title_full |
Análisis de componentes principales con datos georreferenciados. Una aplicación en la construcción de un indicador único de bancarización para la región centro (Argentina) |
title_fullStr |
Análisis de componentes principales con datos georreferenciados. Una aplicación en la construcción de un indicador único de bancarización para la región centro (Argentina) |
title_full_unstemmed |
Análisis de componentes principales con datos georreferenciados. Una aplicación en la construcción de un indicador único de bancarización para la región centro (Argentina) |
title_sort |
Análisis de componentes principales con datos georreferenciados. Una aplicación en la construcción de un indicador único de bancarización para la región centro (Argentina) |
dc.creator.none.fl_str_mv |
Fernando, García |
author |
Fernando, García |
author_facet |
Fernando, García |
author_role |
author |
dc.subject.none.fl_str_mv |
Bancarización Datos georreferenciados Indicador sintético MULTISPATI |
topic |
Bancarización Datos georreferenciados Indicador sintético MULTISPATI |
dc.description.none.fl_txt_mv |
Fil: García, Fernando. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina. En este trabajo se propone la construcción de un indicador único del nivel de bancarización (IUB) para la Región Centro (Argentina). Se utiliza información a nivel departamental del Censo 2010 proporcionada por el Instituto Nacional de Estadísticas y Censos e información sobre el sistema bancario provista por el Banco Central de la República Argentina.En línea con la propuesta seguida por el Grupo de Monitoreo Macroeconómico para el estudio de la bancarización, el indicador considera aspectos referentes a las diferentes dimensiones de análisis: Magnitudes Agregadas, Disponibilidad y Cobertura Geográfica y Utilización y Acceso. Un indicador de este tipo es importante en tanto facilita la comprensión de la bancarización y contribuye a que exista un reconocimiento respecto a su trascendencia como elemento que puede apoyar al crecimiento y desarrollo económico.Como los datos están georreferenciados es importante remarcar que la estructura de co-variación reflejada por un análisis multivariado clásico (Análisis de Componentes Principales (PCA) en este trabajo) puede verse afectada por los patrones espaciales subyacentes en los datos. En tal sentido, resulta adecuado aplicar el método conocido como MULTISPATI, el cual se basa en el PCA pero incorpora la restricción dada por los datos espaciales mediante el cálculo del índice de Moran para medir la dependencia o correlación espacial entre las observaciones. A partir de la agregación (a través de una suma ponderada) de los valores de las dos primeras componentes espaciales (CPs) se definió el indicador sintético, utilizando como ponderación los valores propios asociados a cada componente. Los resultados muestran que las CPs seleccionadas permitirían una visualización mejor de la variabilidad espacial y corroborar que PCA espacial constituye una estrategia superadora en relación a PCA. De esta manera, sería recomendable avanzar en la construcción del Indicador Único de Bancarización a partir de las CPs obtenidas a través de MULTISPATI. https://jornadaseconometria2016.wordpress.com/trabajos-completos/ publishedVersion Fil: García, Fernando. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina. Economía, Econometría |
description |
Fil: García, Fernando. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina. |
publishDate |
2016 |
dc.date.none.fl_str_mv |
2016 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11086/20975 |
url |
http://hdl.handle.net/11086/20975 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositorio Digital Universitario (UNC) instname:Universidad Nacional de Córdoba instacron:UNC |
reponame_str |
Repositorio Digital Universitario (UNC) |
collection |
Repositorio Digital Universitario (UNC) |
instname_str |
Universidad Nacional de Córdoba |
instacron_str |
UNC |
institution |
UNC |
repository.name.fl_str_mv |
Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba |
repository.mail.fl_str_mv |
oca.unc@gmail.com |
_version_ |
1842349659089010688 |
score |
13.13397 |