Apeim 2011 PDF

DETERMINACIÓN DE UN NUEVO INDICE DE
NIVEL SOCIO ECONÓMICO

PARA
LIMA METROPOLITANA,
BASADO EN LA INFORMACIÓN DE LA ENAHO – INEI
Elaborado para APEIM por Luis Guillén Grados

Lima noviembre 2010
• Presentación 3
• Introducción 4
• Variables seleccionadas 6
• Técnica utilizada: Componentes Principales No Lineales (PRINCALS). 7
• Método para la asignación de puntajes a las categorías de las variables
que definen el NSE del hogar. 9
• Determinación del Índice de Nivel Socioeconómico 10
• Determinación de los puntos de corte del índice para la clasificación
en NSE 16
• Aplicación del índice de NSE a las Encuestas Nacionales de Hogares
de los años 2008 y 2009 de Lima Metropolitana 18
• Determinación de la distribución socioeconómica de los hogares para
el año 2010 19
• Conclusiones y Recomendaciones 22
• Anexos 22
Anexo Nº 1: Variables de la ENAHO que definen el índice de niveles socioeconómicos
Anexo Nº 2: Sintaxis en SPSS que prepara la matriz de datos para el

cálculo del índice de NSE
Anexo Nº 3: Desarrollo matemático de la determinación del índice de

niveles socioeconómicos y su reescalamiento
Anexo Nº 4: Sintaxis en SPSS que calcula el índice de NSE de cada hogar
Anexo Nº 5: Resultados de la aplicación del análisis de

Componentes Principales No Lineales sobre la matriz de datos de la ENAHO 2009
Introducción
La Asociación Peruana de Investigación de Mercados (APEIM) se ha propuesto

post-clasificar a los hogares en categorías socioeconómicas, haciendo uso de la
Encuesta Nacional de Hogares (ENAHO) que todos los años ejecuta el Instituto
Nacional de Estadística e Informática, con la finalidad de establecer las
distribuciones porcentuales de los hogares por niveles socioeconómicos, lo que
es de utilidad para sus asociadas. La ENAHO recoge una extensa variedad de
información, muchas de ellas referidas a conceptos socio económicos, que muy
bien pueden ser aprovechados para elaborar un indicador que permita dicha
post– clasificación.
Este documento describe una metodología que permite clasificar los hogares
representados por la ENAHO de acuerdo a un conjunto de variables
socioeconómicas, como variables relacionadas con el hogar y la vivienda y
relacionadas con la educación del jefe de hogar. Para tal efecto se trabajó con
los hogares observados por la ENAHO anual correspondiente al año 2009 y las
variables que ya han estado utilizando las empresas de Investigación de
Mercados asociadas a APEIM, de modo que estas mismas variables se
encuentren involucradas en el nuevo indicador de niveles socioeconómicos pero
aplicados a las ENAHO, coherente con las distribuciones históricas que APEIM
determinó en su momento para años anteriores.
Presentación
El presente trabajo describe el Escalamiento Optimo, específicamente el Análisis de

Componentes Principales No Lineal y realiza una aplicación del método en cuestión con
los datos de la Encuesta Nacional de Hogares 2009.
La consultoría surge con la necesidad de crear un mecanismo (indicador) que permita

discriminar a los hogares representados por las encuestas de hogares realizadas por el
INEI, en base a características de condición de vivienda, o por la tenencia de bienes y
educación del jefe del hogar.
Una solución para el manejo de esta información de tipo cualitativa es asignar valores a
cada una de las categorías de las variables y, observar que hogares tienen cualidades
similares con respecto a un conjunto de variables. Esto se puede realizar con un
consenso de expertos y realizar las asignaciones mencionadas, pero esto puede
funcionar en un número reducido de individuos, pero ya dentro de un grupo de hogares
o personas mucho más amplio y con la heterogeneidad que existe en un número
grande de individuos, este tipo de procedimientos pueden llevar a calificaciones
subjetivas o erróneas de la población.
Presentación
Para la clasificación socioeconómica de los hogares se busca perfilar a un hogar de

acuerdo a un conjunto de características (niveles de variables) y clasificarlo en alguna
categoría socioeconómica de acuerdo a un puntaje, de modo que si dos hogares
pertenecen a la misma categoría o posean puntajes similares presenten características
cuanto más homogéneas, y además, la escala o medida de este puntaje sea de tipo por
lo menos ordinal, es decir, tenga un sentido u orden en forma ascendente o
descendente que permita discriminar entre dos hogares cuando sus características
sean lo suficientemente diferentes.
Si se establece a priori un orden en el sentido común de peor a mejor, de menor a

mayor y le damos este sentido a este puntaje de clasificación, podemos entonces
clasificar a los hogares en peores o mejores socioeconómicamente de acuerdo a la
escala de medida de este puntaje. Más importante aún, lo ideal es que este puntaje
esté correlacionado positivamente con las características de los hogares, de manera
que si un hogar presenta en una variable una característica socioeconómica “mejor” que
otro hogar, entonces le corresponda un puntaje de clasificación también “mejor”
(mayor).
Presentación
Otro elemento a tomar en cuenta es el tipo de variables involucradas en el análisis, ya

que mientras unas son de tipo más bien cualitativo, como el nivel de estudio del jefe
de hogar, equipamiento del hogar, otras son de tipo cuantitativo, como el número de
habitaciones en la vivienda.
Es por esto que se utiliza la técnica de Análisis de Componentes Principales No

Lineal que trabaja con variables cualitativas y/o cuantitativas asignando
cuantificaciones numéricas a las categorías, realizando una transformación de dichas
variables con la propiedad de tener la máxima correlación lineal entre las variables
transformadas.
La metodología del Análisis de Componentes para la estimación de parámetros utiliza

el método de Mínimos Cuadrados Alternantes; primero, cuantificando las categorías
de las variables de modo de maximizar la correlación entre las variables y segundo,
utilizando estas cuantificaciones para estimar los parámetros del análisis de
componentes principales lineal.
Presentación
Se presenta entonces una breve descripción del Escalamiento Óptimo y del método
de los Mínimos Cuadrados Alternantes y el método de Análisis de Componentes
Principales No Lineal en su parte teórica, para luego pasar a la manera como se
construyó el indicador socioeconómico, utilizando la información de la ENAHO 2009.
Con respecto a la implementación del modelo, se utiliza el programa estadístico

SPSS, el cual usa el algoritmo llamado PRINCALS desarrollado por el departamento
de Teoría de Datos de la Universidad de Leiden en Holanda, el cual nos entrega las
cuantificaciones o ponderaciones óptimas de cada categoría dentro de cada variable
y teniendo además la posibilidad de transformar dichas cuantificaciones a la escala
que sea más útil, por ejemplo de cero a cierto valor dentro de cada variable, o de cero
a 50 utilizando en conjunto las ponderaciones de todas las variables usadas en el
análisis.
Variables seleccionadas
Prácticamente en casi todos los estudios sobre clasificación socioeconómica las

variables que realmente permiten discriminar a los hogares son las mismas: las
relacionadas con la vivienda (tipo de piso de la vivienda, número de habitaciones,
número de habitaciones exclusivas para dormir, etc.) y las relacionadas con el hogar
y jefe de hogar (años de estudio, nivel educativo alcanzado, ocupación, nivel de
ingresos, hacinamiento, número de personas del hogar, etc.)
En este estudio se consideraron varias variables, unas más significativas y otras

menos pero que igual fueron incluidas ya que permiten al final discriminar entre dos
hogares cuando existe un empate en el puntaje obtenido de las variables más
significativas según el método.
Las variables seleccionadas de la ENAHO, fueron aquellas similares a las que ya

APEIM utiliza para clasificar socioeconómicamente a un hogar en sus diferentes
encuestas que realiza. Un detalle de las variables seleccionadas de la ENAHO se
muestra en el Anexo N°1.
Variables seleccionadas
Es importante mencionar que la variable referida a donde acude la persona en caso

de necesitar atención médica, no ha sido considerada en la propuesta dado que la
ENAHO solo recoge dicha información para las personas que en un periodo de
tiempo determinado (periodo de referencia) han necesitado de dicha atención, lo que
hace que un porcentaje importante de hogares encuestados no cuente con dicha
información.
Las variables seleccionadas para construir el índice de clasificación de niveles

socioeconómicos son:
•Nivel educativo alcanzado por el jefe del hogar

•Material predominante en los pisos de la vivienda
•Habitaciones exclusivas para dormir
•Equipamiento del hogar
•Teléfono fijo, Computadora, Refrigeradora / Congeladora, Lavadora y Horno
Microondas
Técnica utilizada: Componentes Principales No Lineales (PRINCALS)
PRINCALS es un acrónimo para designar el PRINCipal Components Analysis by

Means of Alternating Least Squares (Análisis de Componentes Principal por medio de
Mínimos Cuadrados Alternantes). El input de este procedimiento lo constituye una
matriz de datos en la que las filas están formadas por objetos/sujetos y las columnas
por variables.
La diferencia respecto al análisis de componentes principales tradicional, radica en

que este procedimiento puede llevar a cabo un análisis en que las diferentes variables
pueden tener una relación no lineal y estar medidas en diferentes escalas (nominales,
ordinales, de intervalo y de cociente), en tanto que en el estándar, la relación es lineal
y las variables deben estar medidas en una escala de intervalo o de cociente.
Pueden existir muchos modelos que pueden aplicarse para clasificar

estadísticamente los hogares, pero el modelo a elegir dependerá exclusivamente de
la información disponible, de encuestas complementarias, etc. Más aún, en el caso de
esta encuesta, dado el tipo de variables, y al no contar con una clasificación a priori
para modelar la variable respuesta, optaremos por el método de componentes
principales no lineal, que se desarrolla enseguida.
El PRINCALS utiliza en la estimación de sus parámetros, al igual que en el análisis de

correspondencias múltiples (HOMALS o HOMomogeneity Analysis by means of
Alternating Least Squares), un procedimiento conocido como Alternating Least
Squares o alternancia de mínimos cuadrados.
La estimación de mínimos cuadrados de los valores de los parámetros se realiza en

dos fases, una de estimación del modelo propiamente dicha, y otra de escalamiento
óptimo. Estas dos fases se van alternando iterativamente hasta conseguir una
convergencia determinada.
El proceso que sigue el PRINCALS y la interpretación de sus resultados es muy

similar al de HOMALS, esto es, la finalidad es conseguir cuantificaciones de los
objetos/sujetos (Object Scores) y, por tanto, de las categorías de las variables
(Category Quantificactions) que sean óptimas (Optimal Scores), en el sentido que las
categorías estén lo más separadas unas de otras en las dimensiones estudiadas, y a
su vez, dentro de cada categoría los sujetos estén lo más próximos unos a otros, es
decir, con puntuaciones cuanto más homogéneas entre sí.
Dentro de este procedimiento existen varias alternativas como el número de

dimensiones, que hemos dejado en una dimensión para asignarle puntuaciones
óptimas a los sujetos/objetos, a su vez hemos elegido la opción de normalización
simétrica, en el sentido que maximiza la distancia entre las categorías de las
variables, al mismo tiempo que maximiza las distancias entre los sujetos (hogares)
disímiles.
El método de mínimos cuadrados alternantes genera puntuaciones óptimas para los

sujetos en el sentido descrito anteriormente.
Ahora bien, las puntuaciones individuales en cada dimensión (una en nuestro caso),
promediadas para los individuos de cada categoría en las respectivas variables, son
las que nos proporcionan las Category Quantifications, y que no son otra cosa que los
centroides de cada categoría en cada dimensión, que son asignados a cada categoría
por el propio sistema.
Las puntuaciones de los sujetos en una dimensión determinada es simplemente una

ecuación de regresión lineal, cuyos coeficientes actúan como ponderadores de las
variables en análisis, de modo que tanto los sujetos como las variables pueden ser
representados en esta dimensión, esto es, el puntaje para el K-ésimo sujeto está
dado por:
Donde βj es el coeficiente de regresión o ponderador de la variable y Qj es la

cuantificación obtenida para un determinado nivel o categoría de la variable.
Una vez que se estimó esta ecuación, con los Betas como ponderadores y para cada
categoría de las variables, sus cuantificaciones, se calcula el puntaje para cada
individuo, para posteriormente cuantilizarlo de acuerdo a algún criterio estadístico.
Este problema puede ser resuelto si se cuantifican o valoran las categorías de las
variables cualitativas. En particular, Young, Takane y de Leeuw (1978) desarrollaron
el procedimiento descrito en el punto anterior que realiza el análisis de componentes
principales sobre todo tipo de variables, incluyendo mezcla de variables cuantitativas
y cualitativas.
Método para la asignación de puntajes a las categorías de las variables que
definen el NSE del hogar
Estas estimaciones son denominadas estimaciones mínimos cuadráticas condicionales,

debido a que la naturaleza mínimo cuadrática es condicional sobre los valores de los
parámetros en los otros subconjuntos.
Los componentes principales son variables nuevas generadas como combinaciones

lineales (sumas ponderadas) de las variables originales. Las ponderaciones son
funciones de la estructura de covarianza de las variables y tienen varianza finita. La
primera componente principal es la suma ponderada de las variables originales que tiene
la mayor varianza. La forma del modelo de componentes principales para datos
centrados en media es:
Para i=1, 2,..., Si el número de componentes principales es igual al número de variables,

el modelo es llamado modelo de componentes completo, en otro caso el modelo es
llamado modelo de componentes truncado (Gorsuch, 1983). En un modelo de
componentes completo eij es igual a cero. Los valores de fik son denominados las
“componentes principales”.
Método para la asignación de puntajes a las categorías de las variables que
definen el NSE del hogar
Con la valoración de las categorías con base en este método, se logra maximizar la
correlación lineal entre las variables dadas, consecuentemente se logra transformar
las variables cualitativas en variables cuantitativas, es decir se cuenta con la mejor
combinación lineal posible de las variables tratadas, sirviendo esto, por ejemplo, para
la construcción de modelos de regresión (en donde interesa precisamente la
linealidad), o poder discriminar o caracterizar mejor casos ambiguos, entre muchos
otros análisis que se podrían efectuar.
Este procedimiento no garantiza que se produzcan mejores transformaciones que

otros métodos en el sentido de la optimización como tal; sino que es mejor con
respecto a la función de pérdida elegida para este mecanismo.
Es importante mencionar que a través de las cuantificaciones obtenidas podremos
construir el índice de niveles socioeconómicos que recogerá la información del
conjunto de variables determinadas.
Determinación del índice de NSE
Considerando que se va a clasificar a los hogares de acuerdo a los datos

proporcionados por la Encuesta Nacional de Hogares (ENAHO), lo más aconsejable
es que el índice sea generado a partir de un modelo determinado a partir de esta
base de datos y, por supuesto, las variables sean las mismas o muy próximas a las
que APEIM ha utilizado anteriormente, con todos sus niveles. De esta manera, a
partir de la Encuesta Nacional de Hogares para el año 2009, se estimaron los
parámetros del modelo PRINCALS, clasificando a cada hogar en una categoría de
acuerdo a una escala generada por el puntaje Princals y que además mantenga las
estructuras porcentuales por niveles socioeconómicos que para el año 2009 había
determinado APEIM.
El índice propuesto debe tener las características siguientes:

•Universal (es decir, aplicable a todo tipo de encuestas)
•Simple (es decir, basado en pocas variables y fácil de calcular)
•Objetivo (es decir, basado en variables reproducibles y objetivas)
•Coherente (que al aplicarlo conduzca a un resultado único)
•Consistente con la historia (es decir, que esté basado en los mismos principios
metodológicos del Índice anterior)
En base a lo anterior, se propone un nuevo Índice de clasificación socioeconómica, que

sea generado a partir de la Encuesta Nacional de Hogares que ejecuta el INEI. Este
nuevo índice varía con el utilizado por APEIM en lo que se refiere a los puntajes
asignados a cada categoría de las variables y las variables utilizadas, dado que no todas
las variables que ha venido utilizando APEIM se pueden encontrar en la ENAHO. Este
índice será definido en base a la ENAHO 2009 correspondiente a Lima Metropolitana
(Provincia de Lima y Provincia Constitucional del Callao), luego dicho índice será
calculado en el resto de los hogares (departamentos).
Debe tenerse en cuenta que el “status socioeconómico”, no es una variable observable

directamente; es una variable “latente”, de la cual sólo podemos medir algunas de sus
manifestaciones.
Para la extracción de dicha variable latente, se aplica un método matemático-estadístico

para aproximar variables latentes a partir de sus manifestaciones observables, el análisis
factorial multidimensional, específicamente el Análisis de Componentes Principales No
Lineal.
APEIM viene trabajando con 5 dimensiones para la cuantificación del Índice Socio
Económico, las cuales son:
•Nivel de Instrucción del Jefe de Hogar
•Donde acude el Jefe de Hogar de manera regular para atención médica
•Tenencia de bienes (computadora, lavadora, teléfono fijo, refrigeradora, cocina/leña
•Hacinamiento (miembros del hogar / habitaciones exclusivas para dormir)
•Material predominante en los pisos
Cada categoría de las variables antes descritas, añade un puntaje al Índice

Socioeconómico, dando como valor máximo para dicho índice el valor de 25.
Dichos puntajes asignados a cada categoría, responden a un criterio subjetivo, por lo que
su aplicación directa a la ENAHO, no refleja la estructura socioeconómica que APEIM
viene divulgando a sus asociados
La ENAHO recoge información suficiente para la elaboración de un índice

socioeconómico, que permita definir una regla de imputación de NSE a un hogar
encuestado. Así mismo, la clasificación por NSE de cada hogar encuestado en la
ENAHO, junto a su representatividad, permitiría establecer la estructura socioeconómica
en Lima Metropolitana.
Basado en las características deseables del índice, y buscando la semejanza entre las
variables que utiliza APEIM y las que se miden en la ENAHO, se determinó las variables
siguientes para la construcción del índice socioeconómico.
•Nivel educativo alcanzado por el jefe de hogar
•Material predominante en los pisos
•Habitaciones exclusivas para dormir
•Tenencia de bienes (computadora, lavadora, teléfono fijo, refrigeradora/congeladora,
horno microondas)
Una descripción detallada de estas variables y su ubicación en la base de datos de la

ENAHO se muestra en el Anexo N°1 y, la sintaxis en SPSS que permite generar la
matriz de análisis se detalla en el Anexo Nº 2.
En base a la ENAHO del año 2009 y utilizando todas las variables mencionadas
anteriormente, se cuantificaron óptimamente las categorías de cada una de estas
variables, las cuales fueron transformadas a una escala de puntajes enteros cuya suma
máxima para un hogar es de 49 puntos. En el Anexo N°3 se presentan las salidas de
puntajes óptimos generados por el procedimiento de escalamiento óptimo.
En la tabla N°1 se muestran las puntuaciones óptimas obtenidas por el procedimiento.

Tabla N°1
Puntuaciones Óptimas para las Categorías de las Variables que definen el Índice
Socioeconómico en la ENAHO
Redondeo
Transfor-
Proyecciones Transfor-
Variables mación de Máximos
Optimas maciones de
0 a 50
0 a 50
El material predominante en los pisos es : (p103)a
Otro Material 1 -1.657 0.0000000 0.000
Tierra 2 -1.657 0.0000000 0.000
Cemento 3 -.573 2.0910888 2.000
Madera (entablados) 4 -.573 2.0910888 2.000 6.000
Losetas, terrazos o similares 5 .841 4.8200368 5.000
Láminas asfálticas, vinílicos o similares 6 1.202 5.5163918 6.000
Parquet o Madera Pulida 7 1.627 6.3355761 6.000
Nivel educativo que aprobó (p301a)a
Sin nivel 1 -1.323 0.0000000 0.000
Educación Inicial 2 -1.323 0.0000000 0.000
Primaria incompleta 3 -.907 0.8031708 1.000
Primaria completa 4 -.764 1.0777516 1.000
Secundaria incompleta 5 -.764 1.0777516 1.000
Secundaria completa 6 -.439 1.7055708 2.000 7.000
Sup. no Univ. Incompleta 7 -.399 1.7820292 2.000
Sup. no Univ. Completa 8 .674 3.8536786 4.000
Sup. Univ. Incompleta 9 .686 3.8751012 4.000
Sup. Univ. Completa 10 1.809 6.0418937 6.000
Post-Grado Universitario 11 2.500 7.3760267 7.000
Habitaciones exclusivas para dormir

0–1 1 -1.159 0.0000000 0.000
2 2 -.329 1.6013920 2.000
3 3 .501 3.2027840 3.000
4 4 1.331 4.8041761 5.000
5 5 2.161 6.4055681 6.000
6 6 2.991 8.0069601 8.000 16.000
7 7 3.821 9.6083521 10.000
8 8 4.651 11.2097442 11.000
9 9 5.482 12.8111362 13.000
10 10 6.312 14.4125282 14.000
11 o más 11 7.142 16.0139202 16.000
Computadora
No 1 -.713 0.0000000 0.000
4.000
Si 2 1.414 4.1043254 4.000
Lavadora
No 1 -.768 0.0000000 0.000
4.000
Si 2 1.310 4.0093300 4.000
teléfono fijo
No 1 -1.210 0.0000000 0.000
4.000
Si 2 .822 3.9205737 4.000
refrigeradora / congeladora
No 1 -1.519 0.0000000 0.000
4.000
Si 2 .650 4.1844834 4.000
horno microondas
No 1 -.739 0.0000000 0.000
4.000
Si 2 1.363 4.0557645 4.000
Suma valores
49.000
máximos
En la tabla anterior se muestra las cuantificaciones óptimas de cada una de las

categorías de las variables, estas son llevadas luego a una escala de 0 a 50. Estos
valores de cada categoría, en la escala de 0 a 50, se redondean con la finalidad de
obtener puntajes enteros para cada categoría, dado que se necesita no solo que los
puntajes sean óptimos sino además, sean fáciles de sumar en la práctica, dado que
muchas veces la determinación del nivel socioeconómico de un hogar es realizado en el
mismo operativo de levantamiento de información. Esta escala en valores enteros suma
como mínimo 0 y como máximo 49.
Es necesario entonces saber si las cuantificaciones en la escala en valores enteros, que

va de 0 a 49 nos dará una ordenación de los hogares similar a la escala cuantitativa
continua (escala óptima obtenida por el procedimiento multivariado), ya sea la obtenida
por escalamiento óptimo o la transformada a escala de 0 a 50. Para esto se encuentran
los puntajes para cada hogar, que para el caso de las cuantificaciones óptimas los
puntajes corresponden a los valores de la primera componente extraída por el método de
componentes principales no lineales y, para el caso de las cuantificaciones en la escala
de 0 a 50 es la suma simple de las cuantificaciones de cada una de las categorías de las
variables
Haciendo uso de las tres escalas de puntajes de los hogares, se calculan las
correlaciones lineales entre estos tres puntajes. Dichas correlaciones se muestran en la
tabla N°2
Tabla N° 2
Correlaciones Lineales entre los tres Índices de Nivel Socioeconómico
Indice con
Indice con
Indice con puntajes
puntajes optimos
puntajes enteros continuos (escala
(PRINCALS)
0 a 50)
Correlación de Pearson 1 .999 .996
Indice con puntajes enteros Sig. (bilateral) .000 .000
N 2646 2646 2646
Correlación de Pearson .999 1 .996

Indice con puntajes Sig. (bilateral) .000 .000
continuos (escala 0 a 50)
N 2646 2646 2646
Correlación de Pearson .996 .996 1

Indice con puntajes optimos Sig. (bilateral) .000 .000
(PRINCALS)
N 2646 2646 2646
Se puede afirmar, de los valores altos de las correlaciones y su significancia que, los tres
índices nos darán similares ordenamientos de los hogares, lo cual nos permite establecer
como índice de NSE de los hogares al generado con las cuantificaciones enteras, por
mantener la propiedad de ordenamiento de los hogares y a la vez, ser fácil de calcular.
Un resultado interesante en cuanto al nivel socioeconómico de los hogares, definido por

el índice óptimo generado por el procedimiento multivariado de Compontes Principales
No Lineal, es que el status socioeconómico es una variable absolutamente continua, sin
saltos ni estratos claramente diferenciados. Se observa un continuo que cambia
suavemente de los hogares con menos status a los de mayor status socioeconómico, sin
fronteras precisas entre un grupo y otro. Ver Gráfico N°1.
Gráfico N°1
Distribución Acumulada de los Hogares en base al Índice Socioeconómico Óptimo
De la tabla N°1 se puede observar que los puntajes enteros determinados para cada
categoría de las variables, en varios casos son iguales entre una categoría y otra, lo cual
permite agrupar las categorías de las variables donde sucede dicha igualdad, quedando
entonces las variables y sus categorías con sus respectivos puntajes enteros como se
muestra en la Tabla N°3.
Tabla N°3
Variables del Índice Socioeconómico con Categorías Agrupadas y sus Puntajes
Enteros Correspondientes
PUNTAJES ENTEROS
Suma máxima de puntajes = 49
Material predominante en los pisos Puntaje
Otro material / Tierra 0
Cemento / Madera (entablados 2
Losetas, terrazos o similares 5
Láminas asfálticas, vinílicos o similares / Parquet o madera pulida 6
Nivel educativo alcanzado por el jefe de hogar
Sin Nivel / Educación inicial 0
Primaria incompleta / Primaria completa / Secundaria incompleta 1
Secundaria completa / Sup. No Univ. Incompleta 2
Sup. No Univ. Completa / Sup. Univ. Incompleta 4
Sup. Univ. Completa 6
Post - Grado universitario 7
Tabla N°3
Variables del Índice Socioeconómico con Categorías Agrupadas y sus Puntajes Enteros Correspondientes
Habitaciones exclusivas para dormir
0–1 0
2 2
3 3
4 5
5 6
6 8
7 10
8 11
9 13
10 14
11 o más 16
Computadora
No 0
Sí 4
Lavadora
No 0
Sí 4
Teléfono fijo
No 0
Sí 4
Refrigeradora / Congeladora
No 0
Sí 4
Horno Microondas
No 0
Sí 4
El índice de NSE queda definido entonces por las variables que se muestran en la
tabla Nº 3 y, la suma de los puntajes obtenidos en cada una de estas variables da
como resultado una cuantificación socioeconómica a cada hogar de la muestra, lo
que permite clasificar a cada uno de los hogares en que NSE se encuentra, de
acuerdo a rangos establecidos.
Para un desarrollo matemático del método empleado en la determinación del índice

de niveles socioeconómicos mostrado en este apartado y su forma de
reescalamiento, ver Anexo N°3
Determinación de los puntos de corte del índice para la clasificación en NSE
La clasificación socioeconómica en 5 categorías fue realizada a través de la

determinación de los percentiles que cumplan con las distribuciones de nivel
socioeconómico (NSE) que APEIM determinó para el año 2010. Considerando que el
NSE 2010 de APEIM se obtuvo de un trabajo de campo realizado en el 2009, para el
análisis se trabajó con los datos de ENAHO 2009. En consecuencia, fueron ordenados
todos los hogares de la encuesta ENAHO 2009 de menor a mayor puntaje obtenido para
el índice de nivel socioeconómico, producto de la suma simple de los puntajes de cada
una de las variables que definen el indicador y, esta ordenación se dividió en 5 partes, de
modo que cada punto de corte corresponda a los percentiles muy próximos a: 13.8%,
44.0%, 77.1% y 94.8% que corresponden al acumulado de hogares en la distribución
APEIM 2010. El gráfico Nº 2 muestra dicho arreglo.
Gráfico N°2
Distribución Acumulada de los Hogares en base al Índice Socioeconómico con Puntajes Enteros
Los intervalos de niveles socioeconómicos en base al índice con puntajes enteros queda
determinado como sigue:
Rangos del Indicador de NSE (5 grupos)
Puntaje
NSE
L.Inferior L.Superior
A 35 49
B 27 34
C 15 26
D 6 14
E 0 5
El puntaje mínimo posible que puede obtener un hogar si todas las condiciones
socioeconómicas (medidas de acuerdo al conjunto de variables dadas) le son
desfavorables, es de 0 puntos, mientras que si todas las condiciones socioeconómicas le
son favorables, puede alcanzar 49 puntos.
Aplicación del índice de NSE a las Encuestas Nacionales de Hogares de los
años 2008 y 2009 de Lima Metropolitana
El índice de NSE definido anteriormente, el cual se basa en la suma de puntajes dado

por cada una de las variables involucradas, ha sido elaborado en base a la ENAHO 2009,
y los rangos que definen la pertenencia a un NSE han sido establecidos en coherencia
con las distribuciones por NSE que para el año 2010 estableció APEIM. Esto último
podría hacer pensar que se estaría forzando los rangos del índice de NSE de manera
que refleje dichas distribuciones ya definidas por APEIM.
Por lo expuesto en el párrafo anterior, el índice de NSE se calcula en la ENAHO anual

del año 2008, con la finalidad de observar si es consistente con las distribuciones de NSE
que APEIM determinó para el año 2009. La tabla Nº 4 muestra las distribuciones
porcentuales por NSE para los hogares representados por las ENAHO 2008 y ENAHO
2009 de Lima Metropolitana.
Tabla N°4
Lima Metropolitana: Distribución Porcentual por NSE de los Hogares (ENAHO 2008 y 2009)
Enaho 2008 Enaho 2009

NSE Frecuencia Porcentaje NSE Hogares Porcentaje
A 101834 4.8 A 113960 5.3
B 336542 16.0 B 380613 17.6
C 614455 29.2 C 651343 30.2
D 688351 32.7 D 672446 31.1
E 364566 17.3 E 341798 15.8
Total 2105747 100.0 Total 2160161 100.0
La comparación entre las distribuciones porcentuales por NSE de los hogares de Lima
Metropolitana para el año 2008 y 2009 en base al índice de NSE nuevo y el índice de
NSE utilizado por APEIM, se muestra en la imagen Nº 1.
Imagen N°1
Lima Metropolitana: Distribución por NSE de los hogares en base al Índice Propuesto y APEIM
Índice NSE Propuesto Índice NSE APEIM

Se debe considerar que en el 2008 APEIM realizó un trabajo de campo para obtener la
distribución de NSE válida para el 2009. De igual manera, durante el 2009 se hizo el
trabajo de campo para tener la distribución válida para el 2010. Debido a ello, la
comparación de la distribución de NSE según datos de ENAHO (Indice de NSE
propuesto) con la obtenida por la fórmula actual de APEIM se hace considerando la data
de ENAHO de un año anterior para que la fuente de ambas fórmulas sean iguales (la
situación de la población en un año determinado). En ese sentido, se ha comparado
ENAHO 2008 con APEIM 2009 y ENAHO 2009 con APEIM 2010.
Como se puede observar de la imagen anterior, las distribuciones por NSE de los
hogares elaboradas en base a las ENAHO 2008 y 2009 con el índice de NSE propuesto
y, los determinados por APEIM en base a los datos recogidos esos mismos años (APEIM
2009 y APEIM 2010), muestran una semejanza, no solo para el año 2009 en base al cual
se definió el índice propuesto, sino además, para el año 2008, lo que permite afirmar que
el índice propuesto no está siendo forzado a que represente las distribuciones históricas
y por ende, nos permitirá estimar distribuciones por NSE para los años posteriores al año
2009.
Determinación de la distribución socioeconómica
de los hogares para el año 2011
Para la determinación de la distribución socioeconómica de los hogares de Lima

Metropolitana y departamentos en el año 2011, es necesario contar con la Encuesta
Nacional de Hogares correspondiente al 2010, esto es, la base de datos
correspondiente a los cuatro trimestres en los que se divide dicha encuesta. Sin
embargo, el INEI solo ha puesto a disposición del público, a través de su página web,
los dos primeros trimestres del año, sin información referida al equipamiento del
hogar. Esto debido a que la información del tercer trimestre aún se encuentra en
etapa de consistencia, sobre todo en lo referido a gastos del hogar. La información
correspondiente al cuarto trimestre aún se encuentra en la etapa de trabajo de
campo.
Ante tal inconveniente se realizó las coordinaciones necesarias para poder conseguir la
información sobre equipamiento del hogar de los dos primeros trimestres de la ENAHO
2010 y la data correspondiente al tercer trimestre de la misma encuesta. Sin embargo,
aún estaría faltando la data correspondiente al cuarto trimestre del 2010 para tener la
ENAHO anual, la cual no es posible adquirirla dado que aún no se culmina el operativo
de campo correspondiente.
Dado que no se puede contar con el cuarto trimestre del 2010, se ha considerado
trabajar con los tres primeros trimestres del año 2010 y el cuarto trimestre del año 2009
y, en base a esta data, determinar una aproximación de la distribución por NSE de los
hogares de Lima Metropolitana y departamentos para el año 2011. La imagen Nº 2
esquematiza los periodos de la ENAHO con la cual se estimarán las distribuciones para
el año 2011.
Imagen N°2
Esquema de Periodos de la ENAHO a ser considerados para la determinación de
las distribuciones por niveles socioeconómicos de los hogares para el año 2011
IV trim. I trim. II trim. III trim.

ENAHO 2009 ENAHO 2010
Preparada la matriz de datos correspondiente, se calcula el índice de NSE propuesto,
para cada hogar en la muestra del periodo de la ENAHO descrito anteriormente y se
obtiene las distribuciones por NSE de los hogares como una aproximación para el año
2011, tanto para Lima Metropolitana como para departamentos. La tabla Nº 5 muestra las
distribuciones para Lima Metropolitana y la tabla Nº 6 las distribuciones por
departamentos, desagregado por área urbana.
Tabla N°5
Lima Metropolitana: Distribución Porcentual por NSE de los Hogares, 2011
NSE A 5.1
NSE Hogares Porcentaje NSE B 16.8
A 113113 5.1 55.8
B 375141 16.8
C 757897 34.0 NSE C 34.0
D 699850 31.4
E 286308 12.8
NSE D 31.4
Total 2232308 100.0 12.8
NSE E
2011
2010
Tabla N°6 Departamentos: Distribución Porcentual por NSE de los Hogares, 2011
Departamentos: Distribución Porcentual por NSE de los Hogares, 2011
Urbano
Departamento
A B C D E
Amazonas 0.2 2.2 9.9 38.5 49.1
Ancash 0.4 7.6 28.2 42.3 21.5
Apurimac 0.0 4.0 12.4 29.6 54.0
Arequipa 3.3 12.9 25.1 33.4 25.3
Ayacucho 0.0 4.9 15.4 32.5 47.1
Cajamarca 0.9 8.5 18.0 38.8 33.7
Callao 2.5 16.5 35.3 32.4 13.4
Cusco 1.6 8.5 20.8 30.5 38.6
Huancavelica 0.0 1.7 11.1 41.2 45.9
Huanuco 1.0 4.6 24.6 35.1 34.7
Ica 1.4 7.5 24.9 46.0 20.2
Junin 1.2 3.9 21.1 37.7 36.1
La Libertad 3.0 6.8 23.9 39.7 26.7
Lambayeque 1.4 6.7 21.0 42.5 28.3
Lima 5.1 16.1 33.6 31.8 13.4
Loreto 0.3 5.3 23.3 42.6 28.5
Madre de Dios 0.5 2.7 21.5 44.9 30.4
Moquegua 1.6 11.6 25.7 38.4 22.7
Pasco 0.0 0.7 16.0 41.0 42.3
Piura 0.5 4.5 17.2 40.9 36.9
Puno 0.8 1.2 13.7 38.5 45.8
San Martin 0.3 4.2 17.6 40.0 37.9
Tacna 2.6 6.6 28.7 36.6 25.5
Tumbes 0.4 2.7 17.2 46.3 33.4
Ucayali 0.0 5.5 20.2 40.7 33.5
Fuente: Enaho 2010
El Anexo N° 4 muestra la sintaxis que se utiliza para el cálculo de los puntajes del índice de niveles
socioeconómicos de cada hogar en la muestra.
CONCLUSIONES
Conclusiones
• Para la determinación del índice de niveles socioeconómicos de los hogares, se

ha tenido en cuenta el uso de variables que APEIM ya tenía definido en su
indicador, y los cuales daban a cada hogar un puntaje en la dimensión medida. Es
por esto que, se seleccionaron las variables de la ENAHO que tengan similitud
con las de APEIM.
• El índice de niveles socioeconómicos, ha sido elaborado haciendo uso de de la

técnica de Componentes Principales No Lineales, la que permitió asignar un
puntaje a cada una de las categoría de estas variables, de manera que, estos
valores (puntajes) mantengan la relación multivariada que existe entre dichas
variables, dado que la cuantificación de esta interrelación es la que permite
ordenar a los hogares de menor a mayor nivel socioeconómico.
• El índice encontrado, mantiene la simplicidad de cálculo que el que ya utiliza

APEIM, utilizando las mismas variables, solo que este nuevo índice presenta
diferentes puntajes (óptimos) para cada una de las categorías de las variables.
Además, el rango de valores de este nuevo índice va de 0 a 49 puntos, lo que
permite un mayor matiz para la ordenación de los hogares.
Conclusiones
• Si bien el índice fue calculado sobre la base de los hogares representados en la

ENAHO del año 2009 (para compararlo con APEIM 2010), este ha mostrado ser
consistente al ser aplicado en la ENAHO del año 2008 y reflejar valores muy
próximos a las distribuciones porcentuales por NSE que determinó APEIM para el
2009 en función a datos recogido durante el 2008.
• Este nuevo índice ha permitido determinar, en base a una mixtura entre los tres
primeros trimestres de la ENAHO 2010 y el último trimestre de la ENAHO 2009, la
distribución por niveles socioeconómicos de los hogares para el año 2011. Esta
distribución ha sido elaborada para Lima Metropolitana y Departamentos.
RECOMENDACIONES
Recomendaciones
• Dada la decisión de determinar la distribución por NSE de los hogares en base a

las Encuestas Nacionales de Hogares que ejecuta el INEI, es necesario realizar un
análisis profundo sobre que otras variables, de la ENAHO, podrían tener mayor
poder de discriminación, esto con la finalidad de poder lograr un mayor matiz en la
agrupación de los hogares, por ejemplo, poder lograr la partición de los niveles
socioeconómicos utilizados en este trabajo.
• Generar la distribución de los hogares por NSE con la base de datos anual de la
ENAHO 2010, una vez que el cuarto trimestre esté disponible, esto para validar la
distribución aproximada que se elaboró con la unión de los tres primeros trimestres
de la ENAHO 2010 y el cuarto trimestre de la ENAHO 2009.
• Realizar el mismo procedimiento de escalamiento óptimo de las variables

determinadas, a los hogares del censo del año 2007, para determinar un puntaje
de NSE para cada hogar y en base a este, estratificar las manzanas de la
cartografía digital de las ciudades del país.
Anexos
Anexo 1
ANEXO Nº 1
VARIABLES DE LA ENAHO QUE DEFINEN EL ÍNDICE DE NIVELES
SOCIOECONÓMICOS
Variable Código Capítulo ENAHO
El material predominante en los pisos es : (p103)
Parquet o Madera Pulida 1
Láminas asfálticas, vinílicos o similares 2
Losetas, terrazos o similares 3
ENAHO 100
Madera (entablados) 4
Cemento 5
Tierra 6
Otro Material 7
Nivel educativo que aprobó (p301a)
Sin nivel 1
Educación Inicial 2
Primaria incompleta 3
Primaria completa 4
Secundaria incompleta 5
ENAHO 300
Secundaria completa 6
Sup. no Univ. Incompleta 7
Sup. no Univ. Completa 8
Sup. Univ. Incompleta 9
Sup. Univ. Completa 10
Post-Grado Universitario 11
Habitaciones exclusivas para dormir ENAHO 100
Teléfono Fijo
No 1 ENAHO 100
Sí 2
Anexo 1
Computadora
No 1
Sí 2
Lavadora
No 1
Sí 2
ENAHO 612
Refrigeradora / Congeladora
No 1
Sí 2
Horno Microondas
No 1
Sí 2
Anexo 2
ANEXO Nº 2
SINTAXIS EN SPSS QUE PREPARA LA MATRIZ DE DATOS PARA EL CÁLCULO DEL ÍNDICE
DE NSE
/**********************************************************************.
/* GENERAR ARCHIVO DE EQUIPAMIENTO POR HOGAR.
/* UTILIZANDO EL ARCHIVO ENAHO 612.
/**********************************************************************.
/* SELECCION DE SOLO REGISTROS CON INDICACION DE TENER UN EQUIPAMIENTO.
FILTER OFF.
USE ALL.
SELECT IF (P612 = 1).
EXECUTE.
/* SELECION DE SOLO REGISTROS QUE INDICAN TENER COMPUTADORA,

REFRIGERADORA/CONGELADORA, LAVADORA O HORNO MICROONDAS.
FILTER OFF.
USE ALL.
SELECT IF (P612N = 7 | P612N = 12 | P612N = 13 | P612N = 14).
EXECUTE.
/* GENERACION DE MATRIZ DE HOGARES CON INDICACION DE POSEER O NO

UNO DE LOS EQUIPAMIENTOS.
SORT CASES BY CONGLOME VIVIENDA HOGAR P612N.
CASESTOVARS
/ID=CONGLOME VIVIENDA HOGAR
/INDEX=P612N
/GROUPBY=VARIABLE
/VIND ROOT=equipo_.
SORT CASES BY CONGLOME(A) VIVIENDA(A) HOGAR(A).
SAVE OUTFILE='PATH\Equipamiento_Hogar.sav'
/COMPRESSED.
/***********************************************************************************.
/* GENERAR ARCHIVO DE NIVEL EDUCATIVO DEL JEFE DE HOGAR.
/* UTILIZANDO EL ARCHIVO ENAHO 300 .
/***********************************************************************************.
/* SELECCIONANDO SOLO JEFES DE HOGAR.
FILTER OFF.
USE ALL.
SELECT IF (P203 = 1).
EXECUTE.
SAVE OUTFILE='PATH\Nivel Educativo del Jefe de Hogar.sav'
/COMPRESSED.
/*****************************************************************************************************************
**************.
/* GENERAR ARCHIVO CON TIPO DE PISO, HABITACIONES Y TENENCIA DE TELEFONO FIJO.
/*****************************************************************************************************************
**************.
/* SELECCIONANDO SOLO HOGARES CON RESULTADO FINAL DE LA ENCUESTA :
COMPLETA O INCOMPLETA.
FILTER OFF.
USE ALL.
SELECT IF (RESULT = 1 | RESULT = 2).
EXECUTE.
/*GENERACION DE CONJUNTO DE DATOS CON MATERIAL DE PISOS Y HABITACIONES PARA

DORMIR POR VIVIENDA.
DATASET DECLARE pisos_hdormir.
AGGREGATE
/OUTFILE='pisos_hdormir'
/BREAK=CONGLOME VIVIENDA
/pisos=MAX(P103)
/habitaciones_dormir=MAX(P104A).
/*AÑADIR VARIABLES PISOS Y HABITACIONES PARA DORMIR AL ARCHIVO ENAHO-100.

MATCH FILES /FILE=*
/TABLE='pisos_hdormir'
/BY CONGLOME VIVIENDA.
EXECUTE.
RECODE pisos (SYSMIS=7).
EXECUTE.
RECODE habitaciones_dormir (SYSMIS=0).
EXECUTE.
RECODE pisos (1=7) (2=6) (3=5) (4=4) (5=3) (6=2) (7=1).
EXECUTE.
VALUE LABELS
/pisos
1 "Otro material"
2 "Tierra"
3 "Cemento"
4 "Madera (entablados)"
5 "Losetas, terrazos o similares"
6 "Láminas asfálticas, vinílicos o similares"
7 "Parquet o madera pulida".
execute.
/*DUPLICANDO VARIABLE TELEFONO_FIJO.
COMPUTE telefono_fijo=P1141.
EXECUTE.
RECODE telefono_fijo (0=1) (1=2).
EXECUTE.
VALUE LABELS
/telefono_fijo
1 "No"
2 "Si".
Execute.
/*****************************************************************************************************************
**************.
/* AÑADIR VARIABLE NIVEL EDUCATIVO DEL JEFE HOGAR Y EQUIPAMIENTO AL ARCHIVO
ENAHO 100.
/*****************************************************************************************************************
**************.
/*AÑADIR NIVEL EDUCATIVO DEL JEFE DE HOGAR.
MATCH FILES /FILE=*
/TABLE='PATH\Nivel Educativo del Jefe de Hogar.sav'
/RENAME (D3121C D311B$6 D311B$2 D311B$3 D311B$5 D311B$7 D311B$4 D311B$1 D3122B
D3121B D311D$6
I311D$6 D311D$2 I311D$2 D311D$3 I311D$3 D311D$5 I311D$5 D311D$7 I311D$7 D311D$1
I311D$1 D311D$4
I311D$4 D3122C I3121C I311B$6 I311B$2 I311B$3 I311B$5 I311B$7 I311B$4 I311B$1 I3122B
I3121B I3122C
P307 P302X AÑO P308B P301A1 UBIGEO CODINFOR P300I CODPERSO P300N DOMINIO
P303 P305 P314C P3152
P3151 P3156 P3154 P3153 P3155 P3122 P3121 P314A P314B$1 P314B$2 P314B$5 P314B$3
P314B$4 P302B P302A
P3092A P3091A P311$6 P311$2 P311$3 P311$5 P311$7 P311$1 P311$4 P311N$1
P311N$2 P311N$3 P311N$4
P311N$5 P311N$6 P311N$7 P310 P306 ESTRATO P308C P300A P316A$3 P316A$4
P316A$2 P316A$1 MES P308A
P304A P301A0 T313A P203 P302 P207 P308D P304D P301D P314D P304B P304C
P313A P3122D P3121D P3121C
P3122B P3121B P312T1 P3122A2 P3122A1 P3122A6 P3122A4 P3122A3 P3122A5
P312T2 P3122C P204 P206 P205
P209 P311E$6 P311E$2 P311E$3 P311E$5 P311E$7 P311E$1 P311E$4 D315B
I315B P315B P311B$6 P311B$2
P311B$3 P311B$5 P311B$7 P311B$4 P311B$1 D315A I315A P315A P311T1
P311A2$6 P311A3$6 P311A1$6
P311A7$6 P311A5$6 P311A4$6 P311A6$6 P311A2$2 P311A3$2 P311A1$2
P311A7$2 P311A5$2 P311A4$2 P311A6$2
P311A2$3 P311A3$3 P311A1$3 P311A7$3 P311A5$3 P311A4$3 P311A6$3
P311A2$5 P311A3$5 P311A1$5 P311A7$5
P311A5$5 P311A4$5 P311A6$5 P311A2$7 P311A3$7 P311A1$7 P311A7$7
P311A5$7 P311A4$7 P311A6$7 P311A2$1
P311A3$1 P311A1$1 P311A7$1 P311A5$1 P311A4$1 P311A6$1 P311A2$4 P311A3$4

P311A1$4 P311A7$4 P311A5$4
P311A4$4 P311A6$4 P3121A2 P3121A1 P3121A6 P3121A4 P3121A3 P3121A5
P311C$6 P311C$2 P311C$3 P311C$5
P311C$7 P311C$1 P311C$4 P311T2 P311D$6 P311D$2 P311D$3 P311D$5
P311D$7 P311D$1 P311D$4 P3091C
P3092C P3092B P3091B P208a P316$7 P316$3 P316$2 P316$5 P316$1 P316$4
P316$6 P301B P301C = d0 d1 d2
d3 d4 d5 d6 d7 d8 d9 d10 d11 d12 d13 d14 d15 d16 d17 d18 d19 d20 d21 d22 d23 d24
d25 d26 d27 d28
d29 d30 d31 d32 d33 d34 d35 d36 d37 d38 d39 d40 d41 d42 d43 d44 d45 d46 d47 d48
d49 d50 d51 d52 d53
d74 d75 d76 d77 d78
d99 d100 d101 d102
d103 d104 d105 d106 d107 d108 d109 d110 d111 d112 d113 d114 d115 d116 d117
d118 d119 d120 d121 d122
d138 d139 d140 d141 d142
d143 d144 d145 d146 d147 d148 d149 d150 d151 d152 d153 d154 d155 d156 d157 d158
d159 d160 d161 d162
d178 d179 d180 d181 d182
d198 d199 d200 d201 d202
d218 d219 d220 d221 d222
d223 d224 d225 d226 d227 d228)
/BY CONGLOME VIVIENDA HOGAR
/DROP= d0 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10 d11 d12 d13 d14 d15 d16 d17 d18 d19 d20
d21 d22 d23 d24
d45 d46 d47 d48 d49
d70 d71 d72 d73 d74
d95 d96 d97 d98 d99
d115 d116 d117 d118 d119
d135 d136 d137 d138 d139
d155 d156 d157 d158 d159
d175 d176 d177 d178 d179
d195 d196 d197 d198 d199
d215 d216 d217 d218 d219
d220 d221 d222 d223 d224 d225 d226 d227 d228.
EXECUTE.
/*AÑADIR EQUIPAMIENTO DEL HOGAR.

MATCH FILES /FILE=*
/FILE='PATH\Equipamiento_Hogar.sav'
/RENAME (AÑO UBIGEO DOMINIO ESTRATO FACTOR MES P612A.12 P612A.13
P612A.14 P612A.7 P612B.12
P612B.13 P612B.14 P612B.7 P612C.12 P612C.13 P612C.14 P612C.7 P612G.12
P612G.13 P612G.14 P612G.7
P612H.12 P612H.13 P612H.14 P612H.7 P612 = d0 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10 d11

d12 d13 d14 d15 d16
d17 d18 d19 d20 d21 d22 d23 d24 d25 d26)
/BY CONGLOME VIVIENDA HOGAR
/DROP= d0 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10 d11 d12 d13 d14 d15 d16 d17 d18 d19 d20
d21 d22 d23 d24
d25 d26.
EXECUTE.
RECODE equipo_7 equipo_12 equipo_13 equipo_14 (SYSMIS=0).
EXECUTE.
RECODE equipo_7 equipo_12 equipo_13 equipo_14 (0=1) (1=2).
EXECUTE.
VALUE LABELS
/equipo_7 equipo_12 equipo_13 equipo_14
1 "No"
2 "Si".
execute.
/*****************************************************************************************************
***************************.
/* RENOMBRANDO NOMBRE DE VARIABLES PARA EL CALCULO DEL INDICADOR
DE NSE.
/*****************************************************************************************************
***************************.
RENAME VARIABLES (pisos=v2_material_pisos)
(habitaciones_dormir=v3_habitaciones_dormir_vivienda)
(telefono_fijo=v4_4_telefono_fijo) (p301a=v1_nivel_educativo_aprobado)
(equipo_7=v4_5_computadora)
(equipo_12=v4_1_refrig_conge) (equipo_13=v4_2_lavadora)
(equipo_14=v4_3_horno_microondas).
execute.
/*****************************************************************************************************
***************************.
/* CREANDO VARIABLE AREA = URBANO/RURAL.
/*****************************************************************************************************
***************************.
COMPUTE area=ESTRATO <= 5.
EXECUTE.
VALUE LABELS
/area
0 "Rural"
1 "Urbano".
EXECUTE.
/*****************************************************************************************************
***************************.
/* CREANDO VARIABLE CODIGO DE DEPARTAMENTO UTILIZANDO EL ARCHIVO
ENAHO 100.
/*****************************************************************************************************
***************************.
STRING cod_dep (A2).
COMPUTE cod_dep=substr(UBIGEO,1,2).
VARIABLE LABELS cod_dep 'codigo departamento'.
EXECUTE.
VALUE LABELS
/cod_dep
01 "Amazonas"
02 "Ancash"
03 "Apurimac"
04 "Arequipa"
05 "Ayacucho"
06 "Cajamarca"
07 "Callao"
08 "Cusco"
09 "Huancavelica"
10 "Huanuco"
11 "Ica"
12 "Junin"
13 "La Libertad"
14 "Lambayeque"
15 "Lima"
16 "Loreto"
17 "Madre de Dios"
18 "Moquegua"
19 "Pasco“
20 "Piura"
21 "Puno"
22 "San Martin"
23 "Tacna"
24 "Tumbes"
25 "Ucayali".
EXECUTE.
/* Imputacion de nivel educativo en missing value.

IF (v1_nivel_educativo_aprobado = 99 & v2_material_pisos = 7) v1_nivel_educativo_aprobado=10.
EXECUTE.
Anexo 3
ANEXO Nº 3
DESARROLLO MATEMÁTICO DE LA DETERMINACIÓN DEL ÍNDICE DE NIVELES
SOCIOECONÓMICOS Y SU REESCALAMIENTO
Las cuantificaciones obtenidas por Componentes Principales No Lineales, para cada una
de las categorías de una variable, nos permiten construir indicadores con base en un
conjunto de variables nominales u ordinales; para esto sean las cuantificaciones
categóricas óptimas de las J variables con j=1,……...…, m y de la K-ésima categoría
dentro de cada variable, es decir que por ejemplo la cuantificación es la cuantificación de
la variable uno y de la cuarta categoría u orden de la misma.
Entonces se obtiene un vector que está formado por las cuantificaciones más
claramente se tendrá:
Anexo 3
Ahora bien analicemos el caso de la primera variable y para esto supongamos que la
variable en cuestión tiene s1 categorías es decir nuestro vector de cuantificaciones para
la primera variable estaría dado por:
Dentro de cada variable podemos definir un orden de las ponderaciones ya que no

necesariamente la cuantificación de la primera categoría será inferior a las demás; para
esto podemos también definir un mínimo dentro de las cuantificaciones óptimas así:
Y el valor de la siguiente cuantificación al mínimo estará dado por:

Anexo 3
Donde es un escalar que mide la diferencia entre una cuantificación menor y otra más
grande con i=1, …., k-1 es decir por ejemplo mide la diferencia que existe entre el
mínimo y la segunda cuantificación con respecto a los valores dados por el algoritmo.
Es decir nuestro vector de cuantificaciones estaría dado por:
Se puede entonces realizar una transformación restando el mínimo de cada variable a las
cuantificaciones de las mismas y así se consigue cambiar las puntuaciones a una escala
que va de cero que, correspondería al valor mínimo hasta un valor dado por
transformación ya que ; por lo que se tendría y de este modo se logra obtener una
escala que va desde cero hasta cierto valor que sería el máximo menos el mínimo; así
nuestras cuantificaciones estarían dadas por:
Anexo 3
Dadas las cuantificaciones en la escala de cero a un valor máximo dentro de la variable,

debemos ahora realizar la suma de dichos máximos, para esto tenemos:
Adicionalmente nosotros podemos calcular la suma de los valores máximos de la

siguiente manera:
obteniendo el mayor valor posible que puede tener un individuo con respecto a las
variables de interés, de este modo se puede obtener un factor de escalamiento que no
es sino el valor de una escala z deseada (por ejemplo diez o cien) dividido por el valor ,
es decir tendríamos que nuestro factor de escalamiento estaría dado por:
Anexo 3
Así transformamos nuestras cuantificaciones óptimas a la escala deseada con lo que se

tendría:
Finalmente se obtiene el indicador imputando a las categorías la puntuación

correspondiente y para cada individuo se suman las cuantificaciones producto del ajuste
por el factor de escalamiento es decir, nuestro indicador T estará dado por:
Anexo 4
ANEXO Nº 4
SINTAXIS EN SPSS QUE CALCULA EL ÍNDICE DE NSE DE CADA HOGAR
/* Calculo Puntajes Enteros (Max=49).

if (v2_material_pisos=1) x_nse_material_pisos=0.
if (v1_nivel_educativo_aprobado=1) x_nse_nivel_educativo_aprobado=0.
Anexo 4
if (v3_habitaciones_dormir_vivienda<=1) x_nse_habitaciones_dormir_vivienda=0.
if (v3_habitaciones_dormir_vivienda=2) x_nse_habitaciones_dormir_vivienda=2.
if (v3_habitaciones_dormir_vivienda>=11) x_nse_habitaciones_dormir_vivienda=16.
if (v4_5_computadora=1) x_nse_computadora=0.
if (v4_5_computadora=2) x_nse_computadora=4.
if (v4_2_lavadora=1) x_nse_lavadora=0.
if (v4_2_lavadora=2) x_nse_lavadora=4.
if (v4_4_telefono_fijo=1) x_nse_telefono_fijo=0.
if (v4_4_telefono_fijo=2) x_nse_telefono_fijo=4.
if (v4_1_refrig_conge=1) x_nse_refrig_conge=0.
if (v4_1_refrig_conge=2) x_nse_refrig_conge=4.
if (v4_3_horno_microondas=1) x_nse_horno_microondas=0.
if (v4_3_horno_microondas=2) x_nse_horno_microondas=4.
Anexo 4
ANEXO Nº 5
RESULTADOS DE LA APLICACIÓN DEL ANÁLISIS DE COMPONENTES PRINCIPALES
NO LINEALES SOBRE LA MATRIZ DE DATOS DE LA ENAHO 2009
•Sintaxis en SPSS que genera el modelo de Componentes Principales No Lineal

CATPCA VARIABLES=v1_nivel_educativo_aprobado v2_material_pisos
v3_habitaciones_dormir_vivienda
v4_1_refrig_conge v4_2_lavadora v4_3_horno_microondas v4_4_telefono_fijo
v4_5_computadora
/ANALYSIS=v1_nivel_educativo_aprobado(WEIGHT=1,LEVEL=ORDI)
v2_material_pisos(WEIGHT=1,LEVEL=ORDI)
v3_habitaciones_dormir_vivienda(WEIGHT=1,LEVEL=NUME)
v4_1_refrig_conge(WEIGHT=1,LEVEL=ORDI)
v4_2_lavadora(WEIGHT=1,LEVEL=ORDI)
v4_3_horno_microondas(WEIGHT=1,LEVEL=ORDI)
v4_4_telefono_fijo(WEIGHT=1,LEVEL=ORDI) v4_5_computadora(WEIGHT=1,LEVEL=ORDI)
/MISSING=v1_nivel_educativo_aprobado(PASSIVE,MODEIMPU)
v2_material_pisos(PASSIVE,MODEIMPU)
v3_habitaciones_dormir_vivienda(PASSIVE,MODEIMPU)
v4_1_refrig_conge(PASSIVE,MODEIMPU)
v4_2_lavadora(PASSIVE,MODEIMPU) v4_3_horno_microondas(PASSIVE,MODEIMPU)
v4_4_telefono_fijo(PASSIVE,MODEIMPU) v4_5_computadora(PASSIVE,MODEIMPU)
Anexo 4
/DIMENSION=1
/NORMALIZATION=SYMMETRICAL
/MAXITER=100
/CRITITER=.00001
/PRINT=CORR LOADING QUANT(v1_nivel_educativo_aprobado v2_material_pisos
v3_habitaciones_dormir_vivienda v4_1_refrig_conge v4_2_lavadora
v4_3_horno_microondas
v4_4_telefono_fijo v4_5_computadora) VAF
/PLOT=OBJECT (20) JOINTCAT(v1_nivel_educativo_aprobado v2_material_pisos
v3_habitaciones_dormir_vivienda v4_1_refrig_conge v4_2_lavadora
v4_3_horno_microondas
v4_4_telefono_fijo v4_5_computadora) (20)
/SAVE=OBJECT.
La sintaxis anterior corre bajo el software estadístico IBM SPSS Statistics versión 18.
Dicha sintaxis corresponde a la técnica multivariada de Componentes Principales No
Lineales o Categóricos.
Anexo 5
• Resultados de la aplicación de la técnica de Componentes Principales No Lineal
Historial de iteraciones
Número de iteraciones Varianza explicada Pérdida
Restricción del
centroide a las
Coordenadas coordenadas
Total Incremento Total de centroide del vector
0a 3,416109 ,000008 4,583891 4,511746 ,072145
dimension0
5b 3,469494 ,000005 4,530506 4,497868 ,032638
a. La iteración 0 muestra los estadísticos de la solución con todas las variables, excepto las
variables con un nivel de escalamiento óptimo nominal múltiple, consideradas como numéricas.
b. Se ha detenido el proceso de iteración debido a que se ha alcanzado el valor de la prueba para
la convergencia.
Resumen del modelo
Dimensión Varianza
explicada
Total
Alfa de Cronbach (Autovalores)
1 ,813 3,469
Total ,813 3,469

di mension0
Anexo 5
• Cuantificaciones
Nivel educativo que aprobó (p301a)a
Categoría Coordenadas Coordenadas
de centroide del vector
Frecuencia Dimensión Dimensión
ponderada Cuantificación 1 1
1 Sin nivel 46031,000 -1,323 -,650 -,991
2 Educación Inicial 1887,110 -1,323 -,717 -,991
3 Primaria incompleta 187314,210 -,907 -,447 -,679
4 Primaria completa 194878,450 -,764 -,306 -,573
5 Secundaria incompleta 310355,650 -,764 -,422 -,573
6 Secundaria completa 634815,380 -,439 -,217 -,329
7 Sup. no Univ. 97412,930 -,399 -,197 -,299
Incompleta
8 Sup. no Univ. 232575,700 ,674 ,333 ,505
Completa
9 Sup. Univ. Incompleta 105103,650 ,686 ,338 ,514
10 Sup. Univ. Completa 286124,080 1,809 ,892 1,355
11 Post-Grado 63662,520 2,500 1,234 1,873
Universitario
Normalización simétrica.
a. Nivel de escalamiento óptimo: Ordinal.
Anexo 5
Cuántas habitaciones para dormir (p104a)a

Categoría Coordenadas de Coordenadas del
centroide vector
1 375303,760 -1,159 -,545 -,573
2 668400,520 -,329 -,095 -,163
3 561784,190 ,501 ,338 ,248
4 267054,950 1,331 ,422 ,658
5 88048,520 2,161 ,490 1,069
dimension0
6 33711,410 2,991 ,578 1,480
7 9972,000 3,821 ,823 1,890
8 3067,870 4,651 ,234 2,301
10 1115,970 6,312 2,044 3,122
Perdidos 151701,490
a. Nivel de escalamiento óptimo: Numérico.
v4_1_refrig_congea
centroide vector
1 No 661872,450 -1,519 -,755 -1,147
dimension0
2 Sí 1498288,230 ,650 ,323 ,491
Anexo 5
v4_2_lavadoraa
centroide vector
1 No 1373816,410 -,768 -,474 -,720
dimension0
2 Sí 786344,270 1,310 ,808 1,228
v4_3_horno_microondasa
centroide vector
1 No 1413086,570 -,739 -,431 -,654
dimension0
2 Sí 747074,110 1,363 ,794 1,206
Anexo 5
v4_4_telefono_fijoa
centroide vector
1 No 888067,160 -1,210 -,641 -,973
dimension0
2 Sí 1272093,520 ,822 ,435 ,661
v4_5_computadoraa
centroide vector
1 No 1448484,800 -,713 -,421 -,640
dimension0
2 Sí 711675,880 1,414 ,836 1,269
Anexo 5
Saturaciones en componentes
Dimensión
1
Nivel educativo que aprobó (p301a) ,749
El material predominante en los pisos es : (p103) ,883
¿ Cuántas habitaciones para dormir (p104a) ,495
v4_1_refrig_conge ,755
v4_2_lavadora ,937
v4_3_horno_microondas ,885
v4_4_telefono_fijo ,804
v4_5_computadora ,897
Anexo 5
Gráfico
Puntos de categoría
Anexo 5
Varianza explicada
Total (coordenadas del
Coordenadas de centroide vector)
Dimensión Dimensión
1 Media 1 Total
Nivel educativo que aprobó (p301a) ,371 ,371 ,370 ,370
El material predominante en los pisos es : (p103) ,514 ,514 ,513 ,513
¿ Cuántas habitaciones para dormir (p104a) ,192 ,192 ,161 ,161
v4_1_refrig_conge ,375 ,375 ,375 ,375
v4_2_lavadora ,578 ,578 ,578 ,578
v4_3_horno_microondas ,516 ,516 ,516 ,516
v4_4_telefono_fijo ,426 ,426 ,426 ,426
v4_5_computadora ,530 ,530 ,530 ,530
Total activo 3,502 3,502 3,469 3,469
Cuadros adicionales
Departamentos: Distribución Porcentual de Hogares por Area Urbana y Total ENAHO 2010
Urbano Rural Total

Departamento
Hogares % Hogares % Hogares %
Total 5 173 039 70.4 2 175 310 29.6 7 348 349 100.0
Amazonas 34 780 32.6 71 836 67.4 106 616 100.0
Ancash 153 432 53.2 134 910 46.8 288 342 100.0
Apurimac 33 272 26.8 90 749 73.2 124 021 100.0
Arequipa 288 437 83.4 57 298 16.6 345 735 100.0
Ayacucho 71 239 40.9 102 777 59.1 174 015 100.0
Cajamarca 93 900 25.9 268 996 74.1 362 896 100.0
Callao 232 121 100.0 0.0 232 121 100.0
Cusco 144 814 44.5 180 623 55.5 325 437 100.0
Huancavelica 22 460 18.6 98 490 81.4 120 950 100.0
Huanuco 67 712 35.3 123 867 64.7 191 579 100.0
Ica 164 349 82.4 34 989 17.6 199 338 100.0
Junin 188 220 59.5 128 294 40.5 316 513 100.0
La Libertad 290 307 72.2 111 831 27.8 402 138 100.0
Lambayeque 223 977 79.7 56 893 20.3 280 870 100.0
Lima 2 156 741 96.1 87 760 3.9 2 244 501 100.0
Loreto 123 415 64.1 69 002 35.9 192 417 100.0
Madre de Dios 17 637 58.7 12 434 41.3 30 070 100.0
Moquegua 43 022 76.3 13 350 23.7 56 372 100.0
Pasco 44 086 57.2 33 004 42.8 77 090 100.0
Piura 302 193 71.1 122 695 28.9 424 888 100.0
Puno 150 008 38.0 245 115 62.0 395 123 100.0
San Martin 118 690 61.1 75 639 38.9 194 329 100.0
Tacna 83 585 84.7 15 108 15.3 98 693 100.0
Tumbes 49 162 86.5 7 704 13.5 56 866 100.0
Ucayali 75 482 70.3 31 947 29.7 107 429 100.0
Fuente: Enaho 2010
Anexo 6
Perú: Distribución Porcentual de los Hogares por Área Urbana, 2011
Niveles Socioeconómicos
Area
A B C D E
Urbano 2.9 10.9 27.0 35.7 23.5
Fuente: Enaho 2010

Anexo 6
BIENES Y SERVICIOS (Lima Metropolitana)
ENAHO 2010
NIVEL SOCIOECONÓMICO
NSE A NSE B NSE C NSE D NSE E

Computadora 99.1 86.0 35.5 6.4 0.0
Refrigeradora / Congeladora 100.0 99.7 85.0 55.3 2.8
Lavadora 100.0 88.6 46.7 5.0 0.5
Horno Microondas 97.9 86.9 43.0 5.1 0.5
Teléfono Fijo 99.6 91.1 74.7 31.2 1.1
Celular 94.4 91.6 85.1 79.7 69.5
TV. cable 92.7 76.4 52.4 30.1 14.6
Internet 93.1 63.8 22.8 4.7 0.1
Alumbrado por electricidad 100.0 100.0 100.0 99.3 96.2
Electricidad para cocinar 37.2 27.5 15.4 4.4 0.9
Fuente: Enaho 2010

Anexo 6 PERSONAS
LIMA METROPOLITANA: DISTRIBUCIÓN DE POBLACIÓN POR NIVELES

SOCIOECONÓMICOS (PERSONAS) 2011
APEIM 2011: PERSONAS LIMA MET

Niveles Socioeconómicos (5 grupos)
Porcentaje
Población Porcentaje Porcentaje válido
acumulado
A 469588 5,3 5,3 5,3
B 1536323 17,2 17,2 22,5
C 3229680 36,2 36,2 58,8
D 2753601 30,9 30,9 89,7
E 922026 10,3 10,3 100,0
Total 8911218 100,0 100,0
Fuente: Enaho 2010

Anexo 6 (poblacion urbana)
Niveles Socioeconómicos personas

Total
Departamento A B C D E
Población % Población % Población % Población % Población % Población %
Total 648756 3.1 2309386 11.1 5969310 28.8 7415760 35.8 4371527 21.1 20,714,740 100.0
Amazonas 77 .1 4601 3.3 13509 9.6 54185 38.5 68283 48.5 140654 100.0
Ancash 3822 .6 52955 8.7 179585 29.6 251372 41.4 118905 19.6 606639 100.0
Apurimac 0 .0 3778 2.8 17727 13.1 41397 30.5 72731 53.6 135632 100.0
Arequipa 41668 3.8 147917 13.3 307187 27.7 376582 34.0 234939 21.2 1108293 100.0
Ayacucho 0 .0 16841 6.1 43715 15.9 95680 34.8 119087 43.3 275324 100.0
Cajamarca 3960 1.1 38389 10.4 71400 19.3 138433 37.4 117758 31.8 369941 100.0
Callao 27681 3.0 160394 17.1 343894 36.7 297588 31.8 107210 11.4 936767 100.0
Cusco 11163 2.0 46823 8.4 126222 22.6 177662 31.9 195716 35.1 557585 100.0
Huancavelica 0 .0 1651 2.1 11072 14.0 29248 37.1 36872 46.8 78843 100.0
Huanuco 4857 1.8 11837 4.3 66934 24.3 97505 35.4 94290 34.2 275423 100.0
Ica 11954 1.8 53183 8.1 189244 29.0 289698 44.3 109269 16.7 653349 100.0
Junin 11041 1.4 28100 3.6 172841 21.9 315119 39.9 262618 33.3 789719 100.0
La Libertad 36128 3.2 85351 7.6 292660 26.2 440660 39.5 261483 23.4 1116280 100.0
Lambayeque 15760 1.7 55287 5.8 211095 22.3 416100 44.0 248229 26.2 946470 100.0
Lima 450211 5.2 1420707 16.5 3095116 36.0 2675674 31.2 946641 11.0 8588348 100.0
Loreto 2095 .3 26884 4.4 138576 22.5 253590 41.2 194071 31.5 615216 100.0
Madre de Dios 359 .5 2319 3.5 16376 24.8 30808 46.7 16084 24.4 65945 100.0
Moquegua 2843 1.9 19512 12.9 41406 27.4 58182 38.4 29389 19.4 151332 100.0
Pasco 0 .0 803 .5 28122 17.3 70431 43.3 63208 38.9 162565 100.0
Piura 8671 .7 58014 4.7 231666 18.9 527048 42.9 403270 32.8 1228670 100.0
Puno 4700 .8 9091 1.5 86844 14.2 237778 39.0 271220 44.5 609633 100.0
San Martin 1865 .4 22657 4.8 85142 17.9 194670 40.9 171176 36.0 475509 100.0
Tacna 9290 3.2 18636 6.3 87851 29.8 111726 38.0 66818 22.7 294321 100.0
Tumbes 611 .3 5827 3.0 37394 19.1 91999 47.0 59762 30.6 195592 100.0
Ucayali 0 .0 17831 5.3 73732 21.9 142627 42.4 102499 30.4 336689 100.0
Fuente: Enaho 2010
Anexo 6 Rangos 8 Grupos
Rangos del Indicador de NSE (8 grupos)
Puntaje
NSE
L.Inferior L.Superior
A1 38 49
A2 35 37
B1 31 34
B2 27 30
C1 20 26
C2 15 19
D 6 14
E 0 5
Anexo 6 Definición de rural
El INEI ya tiene definido que centro poblado es urbano y cual es rural, y esto se hace en base
a los tamaños de vivienda o poblacion de los mismos.
Esta definición la utiliza tanto para sus encuestas (caso de la ENAHO) y los censos.
En los archivos ENAHO no se encuentra una variable que diga a que área pertenece pero la
variable estratificación permite identificar a que área (urbana/rural) pertenece el hogar:
Los 5 primeros estratos corresponden a aéreas urbanas, mientras que los estratos 6, 7 y 8
corresponden a aéreas rurales.
1. Mayor de 100,000 viviendas

2. De 20,001 a 100,000 viviendas
3. De 10,001 a 20,000 viviendas
4. De 4,001 a 10,000 viviendas
5. 401 a 4,000 viviendas
6. Menos de 401 viviendas
7. Área de Empadronamiento Rural - AER Compuesto
8. a de Empadronamiento Rural - AER Simple

Apeim 2011 PDF

Загружено:

Сведения о документе

Исходное описание:

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Apeim 2011 PDF

Загружено:

Авторское право:

Доступные форматы

DETERMINACIÓN DE UN NUEVO INDICE DE

NIVEL SOCIO ECONÓMICO

Elaborado para APEIM por Luis Guillén Grados

Anexo Nº 2: Sintaxis en SPSS que prepara la matriz de datos para el

Anexo Nº 3: Desarrollo matemático de la determinación del índice de

Anexo Nº 4: Sintaxis en SPSS que calcula el índice de NSE de cada hogar

Anexo Nº 5: Resultados de la aplicación del análisis de

La Asociación Peruana de Investigación de Mercados (APEIM) se ha propuesto

El presente trabajo describe el Escalamiento Optimo, específicamente el Análisis de

La consultoría surge con la necesidad de crear un mecanismo (indicador) que permita

Para la clasificación socioeconómica de los hogares se busca perfilar a un hogar de

Si se establece a priori un orden en el sentido común de peor a mejor, de menor a

Otro elemento a tomar en cuenta es el tipo de variables involucradas en el análisis, ya

Es por esto que se utiliza la técnica de Análisis de Componentes Principales No

La metodología del Análisis de Componentes para la estimación de parámetros utiliza

Con respecto a la implementación del modelo, se utiliza el programa estadístico

Prácticamente en casi todos los estudios sobre clasificación socioeconómica las

En este estudio se consideraron varias variables, unas más significativas y otras

Las variables seleccionadas de la ENAHO, fueron aquellas similares a las que ya

Es importante mencionar que la variable referida a donde acude la persona en caso

Las variables seleccionadas para construir el índice de clasificación de niveles

•Nivel educativo alcanzado por el jefe del hogar

PRINCALS es un acrónimo para designar el PRINCipal Components Analysis by

La diferencia respecto al análisis de componentes principales tradicional, radica en

Pueden existir muchos modelos que pueden aplicarse para clasificar

El PRINCALS utiliza en la estimación de sus parámetros, al igual que en el análisis de

La estimación de mínimos cuadrados de los valores de los parámetros se realiza en

El proceso que sigue el PRINCALS y la interpretación de sus resultados es muy

Dentro de este procedimiento existen varias alternativas como el número de

El método de mínimos cuadrados alternantes genera puntuaciones óptimas para los

Las puntuaciones de los sujetos en una dimensión determinada es simplemente una

Donde βj es el coeficiente de regresión o ponderador de la variable y Qj es la

Estas estimaciones son denominadas estimaciones mínimos cuadráticas condicionales,

Los componentes principales son variables nuevas generadas como combinaciones

Para i=1, 2,..., Si el número de componentes principales es igual al número de variables,

Este procedimiento no garantiza que se produzcan mejores transformaciones que

Considerando que se va a clasificar a los hogares de acuerdo a los datos

El índice propuesto debe tener las características siguientes:

En base a lo anterior, se propone un nuevo Índice de clasificación socioeconómica, que

Debe tenerse en cuenta que el “status socioeconómico”, no es una variable observable

Para la extracción de dicha variable latente, se aplica un método matemático-estadístico

Cada categoría de las variables antes descritas, añade un puntaje al Índice

La ENAHO recoge información suficiente para la elaboración de un índice

Una descripción detallada de estas variables y su ubicación en la base de datos de la

En la tabla N°1 se muestran las puntuaciones óptimas obtenidas por el procedimiento.

Habitaciones exclusivas para dormir

En la tabla anterior se muestra las cuantificaciones óptimas de cada una de las

Es necesario entonces saber si las cuantificaciones en la escala en valores enteros, que

Correlación de Pearson 1 .999 .996

Indice con puntajes enteros Sig. (bilateral) .000 .000

N 2646 2646 2646

Correlación de Pearson .999 1 .996

Correlación de Pearson .996 .996 1

Un resultado interesante en cuanto al nivel socioeconómico de los hogares, definido por

Para un desarrollo matemático del método empleado en la determinación del índice

La clasificación socioeconómica en 5 categorías fue realizada a través de la

Rangos del Indicador de NSE (5 grupos)

El índice de NSE definido anteriormente, el cual se basa en la suma de puntajes dado

Por lo expuesto en el párrafo anterior, el índice de NSE se calcula en la ENAHO anual

Enaho 2008 Enaho 2009

Índice NSE Propuesto Índice NSE APEIM

Para la determinación de la distribución socioeconómica de los hogares de Lima