Stratification of Census Tracts in the City of Madrid by Applying Various Multivariate Techniques

• Jingyang Zhang ^[1] ; Antonio Bermejo Aguña ^[2]
  1. [1] Universidad Complutense de Madrid

     Universidad Complutense de Madrid

     Madrid, España

     
  2. [2] Subdirección General de Estadística, AYUNTAMIENTO DE MADRID
• Localización: Estudios de economía aplicada, ISSN 1133-3197, ISSN-e 1697-5731, Vol. 41, Nº 1, 2023 (Ejemplar dedicado a: Ciencia de datos para la Economía Aplicada)
• Idioma: inglés
• Títulos paralelos:
  • Estratificación de secciones censales de la ciudad de Madrid aplicando diversas técnicas multivariantes
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    El objetivo principal que se persigue con la elaboración de este trabajo es tratar de construir una estratificación de las secciones censales de la ciudad de Madrid, agrupándolas en función de una serie de características sociodemográficas.Dicho objetivo se realiza en dos pasos. Dado que el número de variables de análisis es elevado, se plantea un primer paso que permita reducir las dimensiones de análisis, para luego utilizar las nuevas dimensiones como información para el proceso de agrupamiento. Partiendo del resultado de la etapa anterior se procede al agrupamiento de las secciones en grupos o clúster. Para el paso 1 se plantea, además, el objetivo de evaluar el resultado obtenido mediante la aplicación de dos técnicas multivariantes: reducir la dimensión de partida mediante un análisis de componentes principales y aplicar como técnica de reducción un escalamiento multidimensional.

  • English

    The main objective of this work is to try to construct a stratification of the census tracts of the city of Madrid, grouping them according to a serie of socio-demographic characteristics. This objective is carried out in two steps. Given that the number of variables to be analysed is high, a first step is proposed to reduce the dimensions of analysis, in order to then use the new dimensions as information for the grouping process. Based on the results of the previous step, the sections are grouped into groups or clusters. For step 1, the objective is also to evaluate the result obtained by applying two multivariate techniques: reducing the starting dimension by means of principal component analysis and apply multidimensional scaling as a reduction technique.