Skip to main content

Cómo funciona Calcular tasas

La herramienta Calcular tasas calcula una variedad de tasas. Puede utilizar la herramienta para calcular porcentajes, relaciones, tasas de incidencia y tasas suavizadas. Las tasas suavizadas se pueden calcular mediante el uso de los métodos de Bayes empírico global, Bayes empírico local, promedio ponderado localmente o mediana ponderada localmente.

El método de tasa bruta se puede utilizar para calcular porcentajes, relaciones y tasas de incidencia. Sin embargo, si las entidades tienen un recuento o una población reducidos, un método de suavizado resulta más adecuado. Los métodos de suavizado utilizan información de los vecinos espaciales de una entidad o de una tasa de referencia para ajustar la tasa bruta de cada entidad. La herramienta incluye los siguientes métodos de suavizado:

  • Bayes empírico global: ajusta la tasa bruta de cada entidad para que se acerque a la tasa de referencia global. El tamaño de población de la entidad afecta al grado del ajuste. Utilice esta opción si cree que existe un riesgo subyacente constante en todas las entidades.

  • Bayes empírico local: ajusta la tasa bruta de cada entidad para que se acerque a la tasa de referencia local. Utilice esta opción si cree que existe variabilidad espacial en el riesgo.

  • Promedio ponderado localmente: determina la tasa de cada entidad mediante el uso de la tasa promedia ponderada de su vecindad.

  • Mediana ponderada localmente: determina la tasa de cada entidad mediante el uso de la tasa mediana ponderada de su vecindad.

Potenciales aplicaciones

Las tasas se calculan en las siguientes situaciones:

  • Calcular porcentajes simples. Por ejemplo, el porcentaje de personas en edad laboral que están desempleadas.

  • Calcular relaciones. Por ejemplo, la relación de mujeres y hombres de cada condado.

  • Calcular tasas de incidencia. Por ejemplo, las tasas de cáncer de esófago en mujeres. Esta tasa es una estimación de la probabilidad de observar un evento por individuo en la población durante un período determinado. Representa la probabilidad de que el evento ocurra durante ese período para un individuo seleccionado al azar de esa población. En este escenario, la tasa es un número entre 0 y 1, y los recuentos son un subconjunto de los individuos de la población.

  • Para medir la intensidad de la ocurrencia de un evento con respecto a una unidad de referencia. Por ejemplo, la intensidad de los tweets publicados por individuo durante 2020. En este caso, la tasa puede exceder uno porque los recuentos no son necesariamente un subconjunto de la población.

Conceptos de fondo

La herramienta Calcular tasas puede calcular una tasa mediante uno de los siguientes métodos: Tasa bruta, Bayes empírico global, Bayes empírico local, Promedio ponderado localmente o Mediana ponderada localmente. La tasa bruta es el método más simple y calcula la relación entre los recuentos de un evento y la población durante un período específico.

Por ejemplo, para entender las tasas de mortalidad infantil, puede empezar el análisis utilizando el método de tasa bruta con el fin de calcular una relación simple. El gráfico siguiente muestra la tasa de mortalidad infantil en 728 entidades espaciales dividiendo el número de muertes infantiles en 2020 por el número total de niños nacidos en 2020. Los datos incluyen algunas ciudades grandes intercaladas con numerosos pueblos pequeños. Existe una varianza considerable en el tamaño de la población y en el número de niños nacidos, en las entidades espaciales.

Un gráfico que muestra las limitaciones del método de tasa bruta

El gráfico se caracteriza por una variabilidad significativa en las tasas cuando el número de niños nacidos es pequeño y una variabilidad relativamente pequeña cuando el número de niños nacidos es grande. Para áreas con menos de 100 nacimientos en un año, las tasas varían desde 0 (el valor más bajo posible) hasta 0,20. Un tasa de mortalidad infantil estimada del 0,20 o de 2 de cada 10 niños nacidos no se observa ni siquiera en las regiones empobrecidas del mundo. En cambio, no hay tasas inferiores al 0,02 ni superiores al 0,08 en zonas con al menos 1.000 nacimientos. Esto puede sugerir que las tasas de mortalidad infantil altas son más probables en áreas con poblaciones más pequeñas. Sin embargo, la causa principal es la mayor varianza de las tasas en áreas pequeñas, lo que da como resultado tasas menos fiables que las calculadas para regiones más pobladas.

La mayor variabilidad se debe a la extrema sensibilidad de las tasas al tamaño de la población, más que a diferencias reales en las probabilidades de muerte en las áreas. Este problema está relacionado con lo que se ha denominado el problema de los números bajos. Este problema tiene lugar cuando se calculan porcentajes, relaciones, proporciones o tasas de áreas geográficas en las que la población está dispersa o donde el evento es excepcional. En estas situaciones, las pequeñas fluctuaciones aleatorias en el recuento de eventos pueden causar grandes fluctuaciones en los valores de tasa resultantes. En el ejemplo anterior, 15 áreas tuvieron menos de 30 nacimientos y no experimentaron muertes. Si ocurriera una sola muerte en estas áreas, las tasas aumentarían de 0 a un valor entre 0,05 y 0,42 (o una probabilidad de mortalidad del 42 por ciento).

Al calcular tasas, le interesa comprender cómo varía la probabilidad de un evento o, en este ejemplo, la mortalidad infantil, en el espacio. Sin embargo, parte de la variación de las tasas brutas se debe a fluctuaciones que no están asociadas con la probabilidad subyacente del evento. Esta variación es mayor para entidades con poblaciones más pequeñas, lo que hace que sus tasas sean menos fiables que las tasas calculadas para entidades con poblaciones grandes. Para superar esta limitación del método de tasa bruta, puede utilizar otro método de cálculo de tasas disponible en la herramienta Calcular tasas.

Los métodos Bayes empírico local y Bayes empírico global abordan la variabilidad en las tasas brutas de entidades con población pequeña ajustando la tasa bruta de cada entidad hacia una tasa de referencia. El alcance del ajuste depende del tamaño de la población: las poblaciones más grandes experimentan cambios mínimos entre su estimación de tasa bruta y su estimación empírica de Bayes, y las poblaciones más pequeñas experimentan ajustes más notables.

Más información sobre Bayes empírico global

Más información sobre Bayes empírico local

Los métodos de promedio ponderado localmente, mediana ponderada localmente y Bayes empírico local aplican suavizado espacial para calcular las tasas. La tasa de cada entidad se calcula utilizando la tasa de su vecindad. Una vez que se identifican los vecinos y las ponderaciones de los vecinos de cada entidad, las tasas de entidad se calculan utilizando el parámetro Método de tasas. La tasa de cada entidad es una de las siguientes:

Entradas de herramienta

La herramienta incluye varios parámetros para definir y configurar las tasas.

Campos de tasas

El parámetro Campos de tasa especifica los campos que se utilizan para calcular las tasas. El parámetro incluye un valor de Campo de recuento, que especifica el campo en la capa de entrada con los recuentos de eventos, y un valor de Campo de población, que especifica el campo en la entrada con datos de población que corresponden al campo de recuento seleccionado.

Puede calcular una tasa única o varias tasas. Para calcular varias tasas, proporcione múltiples valores de Campo de recuento y Campo de población. Por ejemplo, si la clase de entidad contiene un campo para recuentos de muertes por cáncer en 2014, 2020 y 2024 y un campo de población para esos mismos años, podría calcular tres tasas de muerte por cáncer. Si calcula varias tasas, se aplicarán los valores de los parámetros Método de tasas y Multiplicador de tasas especificados para calcular cada tasa.

Método de tasas

El parámetro Método de tasas especifica el método utilizado para calcular las tasas.

índice bruto

La estimación de la tasa bruta se calcula de la siguiente manera:

\[ r_i=\frac{Y_i}{n_i} \]

donde \(r_i\) es la tasa bruta, \(n_i\) es la población y \(y_i\) es el recuento de la entidad espacial ith. La tasa bruta se calcula para cada entidad; sin embargo, las entidades con un recuento menor que cero o una población menor o igual a cero recibirán una tasa nula. Puede evaluar la fiabilidad de cada estimación de tasa bruta utilizando los campos Intervalo de confianza: superior al 95 %, Intervalo de confianza: inferior al 95 % y Fiable que se incluyen en la tabla o clase de entidad de salida. Si muchas entidades tienen intervalos de confianza o valores de fiabilidad grandes, considere usar un método de tasas diferente.

Más información sobre los valores de Intervalo de confianza

Más información sobre valores de Fiables

Bayes empírico global

El método de tasas Bayes empírico global estima las tasas tomando un promedio ponderado de la tasa bruta y una tasa de referencia. El método se calcula de la siguiente manera:

\[ \hat{\pi}_i^{\text{GEB}}=C_i \hat{\pi}_i + (1 - C_i)\mu \]

donde \(i\) es la entidad espacial, \(\hat{\pi}_i^{\text{GEB}}\) es la estimación Bayes empírica global, \(C_i\) es una ponderación con un valor comprendido entre 0 y 1, \(\hat{\pi}_i\) es la estimación de la tasa bruta de la entidad i y \(\mu\) es la tasa de referencia.

La tasa de referencia es la tasa promedia de todas las entidades. La tasa de referencia se calcula dividiendo la suma de todos los recuentos de entidades entre la suma de todas las poblaciones de entidad de la siguiente manera:

\[ \mu=\frac{\sum_i Y_i}{\sum_i n_i} \]

donde \(\mu\) es la tasa de referencia, Yi es la población de la entidad ith y ni es su recuento. La ponderación, Ci, varía entre entidades y se ve afectado por el tamaño de la población de la entidad. Si una entidad tiene una población grande, la ponderación se acerca mucho a 1 y la estimación de la tasa de Bayes empírico global de una entidad es prácticamente idéntica a la estimación de su tasa bruta. Si la población es pequeña, el índice bruto se reduce hacia el índice de referencia porque la ponderación Ci, será menor que 1 y la estimación del índice Bayes empírico global será un promedio ponderado del índice bruto y el índice de referencia.

Si el parámetro Método de tasas está establecido en Bayes empírico global o Bayes empírico local, también debe especificar un valor para el parámetro Distribución de probabilidad. La distribución de probabilidad es la distribución que se supone para modelar los valores de recuento observados. El parámetro Distribución de probabilidad incluye dos opciones: Poisson y Binomial. La opción predeterminada es Poisson, una distribución ampliamente utilizada para modelar tasas. Esta opción se puede utilizar al estimar la intensidad o la probabilidad de que ocurra un evento. El modelo de distribución de probabilidad binomial supone lo siguiente:

  • Los recuentos de eventos (numerador) son un subconjunto de la población (denominador).

  • Cada evento es independiente de los demás eventos.

  • La probabilidad de que ocurra un evento es la misma para todos los eventos.

Si alguno de estos supuestos no se cumple, la distribución binomial no es un modelo adecuado. Se recomienda seleccionar la distribución binomial solo cuando se cumplan estos supuestos y la probabilidad del evento no sea rara.

Bayes empírico local

La estimación de la tasa Bayes empírico local de una entidad es el promedio ponderado de la tasa bruta de la entidad focal y la tasa promedia ponderada de su vecindad. La tasa de Bayes empírico local se calcula de la siguiente manera:

\[ \hat{\pi}_i^{\text{LEB}} = C_i \hat{\pi}_i + (1 - C_i)\bar{\pi}_i \]

donde i es la entidad de interés, \(\hat{\pi}_i^{\text{LEB}}\) es la estimación de la tasa Bayes empírica local, Ci es la ponderación, \(\bar{\pi}_i\) es la tasa media ponderada de la entidad i y sus vecinas, y $\hat{\pi}_i $ es la tasa bruta de la entidad focal.

La tasa promedio de una vecindad de entidades, \(\bar{\pi}_i\), viene determinada por los valores de los parámetros Tipo de vecindad y Esquema de ponderación local. El parámetro Tipo de vecindad especifica el método que se utilizará para identificar los vecinos de cada entidad. A cada vecino se le asigna una ponderación basada en el valor del parámetro Tipo de vecindad o Esquema de ponderación local. Luego, la herramienta calcula la tasa promedia ponderada localmente de cada vecindad de la siguiente manera:

\[ \bar{\pi}_i = \frac{\sum_j w_{ij} \hat{\pi}_j}{\sum_j w_{ij}} \]

donde i es la característica de interés, \(\bar{\pi}_i\)! es la tasa promedia ponderada localmente en i, j es el vecino, wij es la ponderación del vecino j, y \(\hat{\pi}_j\) es la estimación de la tasa bruta del vecino j.

Promedio ponderado localmente

El método de tasa promedia ponderada localmente estima la tasa de una entidad calculando la tasa promedia ponderada de su vecindad. Para estimar las tasas promedias ponderadas localmente, la herramienta primero aplica el valor del parámetro Tipo de vecindad para identificar los vecinos de cada entidad. A continuación, a cada vecino se le asigna una ponderación basada en el valor del parámetro Tipo de vecindad o Esquema de ponderación local. La tasa promedia ponderada localmente de cada entidad se calcula de la siguiente manera:

\[ \bar{\pi}_i = \frac{\sum_j w_{ij} \hat{\pi}_j}{\sum_j w_{ij}} \]

donde i es la entidad de interés, \(\bar{\pi}_i$\) es la tasa promedio ponderada localmente en i, j es el vecino, \(w_j\) es el peso del vecino j, y \(\hat{\pi}_j\) es la estimación del índice bruto del vecino j.

Mediana ponderada localmente

El método de tasas Mediana ponderada localmente estima la tasa de una entidad calculando la tasa de mediana ponderada de su vecindad.

Métodos locales

Los métodos locales utilizan los vecinos de una entidad para estimar su índice. Los vecinos se identifican usando el valor especificado del parámetro de Tipo de vecindad y luego a cada vecino se le asigna un peso.

Más información sobre los tipos de vecindades

Las ponderaciones de los vecinos pueden no estar ponderadas o calcularse mediante una función de ponderación geográfica (kernel). El parámetro Esquema de ponderación local admite las siguientes opciones de ponderación de vecinos: No ponderado, Gaussiano y Bicuadrado. Utilice el esquema de ponderación que mejor refleje la influencia que tienen los recuentos de eventos vecinos en los recuentos de eventos de una entidad focal. Si todos los vecinos influyen en la entidad focal, independientemente de la distancia, utilice la opción Sin ponderar .

Si la influencia de un vecino depende de la distancia, los vecinos más alejados de la entidad focal deberían tener menos ponderación y menos influencia en la tasa estimada de la entidad focal. Los vecinos que están más cerca de la entidad focal deberían tener mayor ponderación y mayor influencia en la tasa estimada. En este caso, utilice la opción Gaussiano o Bicuadrado. Estas opciones calculan las ponderaciones utilizando un kernel, que es una función que determina la rapidez con la que las ponderaciones disminuyen a medida que aumentan las distancias. Tanto la función kernel gaussiana como la bicuadrada asignan una ponderación de uno a la entidad focal y disminuyen gradualmente la ponderación a medida que aumenta la distancia desde la entidad focal. Si se compara un esquema de ponderación bicuadrado con un esquema de ponderación Gaussiano con las mismas especificaciones de vecindad, las ponderaciones disminuirán más rápidamente con el bicuadrado.

Si se especifican las opciones Gaussiano o Bicuadrado, también debe establecer el parámetro Ancho de banda kernel. Defina un ancho de banda kernel adecuado en función de sus datos. Si no proporciona un valor, se estima un valor predeterminado.

Más información sobre cómo funciona Densidad kernel

Multiplicador de índice

Cada índice es un valor entre 0 y 1. Si el tamaño de la población es grande o el evento de interés es raro, las tasas resultantes serán pequeñas. Las tasas incluirán muchos ceros a la izquierda, lo que puede dificultar la interpretación de las tasas. El parámetro Multiplicador de tasas es un valor entero que escala las tasas, por lo que son más significativos y más fáciles de interpretar. Establecer el multiplicador de la tasa en 100 calcula un porcentaje. Una buena regla general es utilizar el valor de tasa más pequeño para determinar el multiplicador de tasas. Por ejemplo, si la tasa más pequeña tiene tres ceros a la izquierda, el valor de Multiplicador de tasas debe ser 10.000 o más. El índice mínimo que no sea 0, será mayor que 1.

Cuando configura el valor de Multiplicador de tasas, las tasas se expresan como recuento previsto por unidades de multiplicador de tasas. Por ejemplo, si calcula la tasa de mortalidad por cáncer de páncreas y configura el valor de Multiplicador de tasas en 100.000, las tasas resultantes serán el recuento previsto por 100.000 personas. Una entidad con un índice de 144 indicaría que se espera que se produzcan 144 muertes por cáncer de páncreas al año en cada grupo de 100.000 personas.

Salidas de herramientas

La herramienta produce una clase de entidad o tabla de salida, una capa de grupo de salida y mensajes de geoprocesamiento.

Entidades o tabla de salida

La clase de entidades o tabla de salida incluye varios campos.

Tasa excedente

El campo Tasa excedente compara la tasa de una entidad con la tasa promedia de todas las entidades. La tasa excedente se calcula dividiendo la tasa observada de una entidad por la tasa promedia de todas las entidades. La tasa excedente puede ser cualquier valor positivo mayor o igual a cero. Los valores de tasa excedente cercanos a uno indican que la tasa estimada es similar a la tasa promedia. Si la tasa excedente es menor que uno, la tasa estimada de la entidad es menor que la tasa promedia. Si la tasa excedente es mayor que uno, la tasa estimada de la entidad es mayor que la tasa promedia. Por ejemplo, si una entidad tiene una tasa excedente de 1,25, su tasa es un 25 por ciento mayor que la tasa promedia. Por el contrario, si una entidad tiene un índice excedente igual a 0,75, su índice es un 25 por ciento menor que el índice promedio.

Tasa estandarizada

El campo Tasa Estandarizada muestra cuánto se desvió la tasa de una entidad de la tasa media. La tasa estandarizada se calcula de la siguiente manera:

\[ z=\frac{\hat{\pi} - \mu}{\sigma} \]

donde z es la tasa estandarizada, \(\hat{\pi}\) es la estimación de la tasa, \(\mu\) es la tasa media y \(\sigma\) es la desviación estándar. Las entidades con tasas estandarizadas negativas tienen tasas menores que la tasa media. Las entidades con tasas estandarizadas positivas tienen tasas mayores que la tasa media. Cuanto más negativo es el valor de una tasa estandarizada, más se desvía por debajo de la media. Cuanto mayor es el valor de una tasa estandarizada positiva, más se desvía por encima de la media. Las entidades con índices estandarizados mayores que 3 o menores que –3 se consideran valores atípicos.

Intervalos de confianza

Si el valor del parámetro Método de tasas se establece en Tasa bruta, la tabla o clase de entidad de salida incluirá los campos Intervalo de confianza : superior al 95 % e Intervalo de confianza : inferior al 95 %. El intervalo de confianza del 95 por ciento se calcula utilizando la metodología propuesta por el Centro para el Control de Enfermedades (CDC) del Centro Nacional de Estadísticas Sanitarias. Si el recuento de una entidad es mayor o igual a 100, una aproximación gaussiana es apropiada y, como resultado, el intervalo de confianza del 95 por ciento para el índice bruto se calcula de la siguiente manera:

\[ r_i \pm \frac{1.96}{\sqrt{Y_i}} \]

donde ri es la tasa bruta e Yi es el recuento.

Si el número de recuentos es inferior a 100, el intervalo de confianza del 95 por ciento se calcula utilizando un método propuesto por K. Ulm en Un método sencillo para calcular el intervalo de confianza de una tasa de mortalidad estandarizada (SMR). En este caso, la aproximación gaussiana de Poisson no es apropiada y se utiliza una identidad entre las probabilidades acumuladas de Poisson y la distribución chi cuadrado. Sea qgamma(p,x) el cuantil asociado con la probabilidad, p, de una distribución gamma con el parámetro de forma x y el parámetro de tasa 1. Luego, el intervalo de confianza del 95 por ciento se calcula de la siguiente manera:

\[ \left( \frac{\mathrm{qgamma}(0.025, Y_i)}{n_i}, \; \frac{\mathrm{qgamma}(0.975, Y_i)}{n_i} \right) \]

Fiable

Los valores del campo Fiable reflejan la fiabilidad de la estimación de la tasa. Este campo se incluye en la tabla o las entidades de salida si el valor del parámetro Método de tasas está establecido en Tasa bruta. El cálculo sigue el método descrito por el CDC en su manual de referencia. Cuando el valor fiable es grande, la estimación de la tasa bruta es imprecisa y la tasa bruta se considera poco fiable. A partir de 1989, el CDC en su Centro Nacional de Estadísticas Sanitarias consideraron que cualquier tasa bruta que se basara en menos de 20 recuentos era estadísticamente poco fiable. Esto equivale a un valor fiable mayor o igual a 22,94.

La fiabilidad se mide a través del error estándar relativo (RSE), también conocido como coeficiente de variación. El RSE es la relación entre el error estándar de la tasa y la estimación de la tasa multiplicada por 100. La varianza del índice se calcula de la siguiente manera:

\[ \mathrm{Var}(r_i) = \mathrm{Var}!\left(\frac{Y_i}{n_i}\right) = \mathrm{Var}!\left(\frac{Y_i}{n_i^2}\right) = \frac{n_i \pi_i}{n_i^2} = \frac{\pi_i}{n_i} \]

and, assuming a nonzero count, the RSE is calculated as follows:

\[ \mathrm{RSE}_i = \frac{100}{\sqrt{Y_i}} \]

RSE solo depende de los recuentos (Yi). Aunque la fórmula del RSE no depende directamente del tamaño de la población, las poblaciones grandes tienden a tener un mayor número de recuentos, por lo que existe un efecto indirecto.

Número de vecinos no nulos

El campo Número de vecinos no nulos enumera la cantidad de vecinos, incluida la entidad focal, que no tienen una tasa nula. Las entidades con un valor negativo o nulo en los valores del parámetro Campo de población o Campo de recuento tienen una tasa nula.Los métodos de suavizado espacial utilizan la vecindad de una entidad para determinar la tasa de esa entidad. El campo Número de vecinos no nulos revela la cantidad de vecinos que se utilizaron para suavizar la tasa de la entidad focal. Este campo se incluye en la tabla o clase de entidad de salida si el valor del parámetro Método de tasas es Promedio ponderado localmente, Mediana ponderada localmente o Bayes empírico local.

Rellenar valor faltante

El campo Rellenar valor faltante es un campo booleano que indica si se imputó una tasa para la entidad. Las entidades con un valor negativo o nulo en el valor del parámetro Campo de recuento o un valor negativo o nulo en el valor del parámetro Campo de población tendrán una tasa nula. Sin embargo, si el valor de Método de tasas es Promedio ponderado localmente o Mediana ponderada localmente, se puede imputar una tasa para una entidad con una tasa nula. Si la entidad tiene vecinos no nulos, la tasa nula será reemplazada por el promedio ponderado localmente o la estimación de mediana ponderada localmente de su vecindad.

Capa de grupo y simbología

La herramienta agrega una capa de grupo al panel Contenido y una subcapa para cada tasa. Si se calculan más de 10 tasas, solo las primeras 10 tasas se agregarán como subcapas.

Cada subcapa es un mapa de desviación estándar. Las tasas se dividen en bins según su desviación estándar. Cada bin está etiquetado con la tasa de desviación estándar y, entre paréntesis, el intervalo de tasas correspondiente. La rampa de colores incluye tres colores: verde, blanco en el medio y marrón. La rampa de colores se centra alrededor de la tasa media. Las entidades sombreadas en verde tienen tasas que están por debajo de la tasa media. Las entidades sombreadas en marrón tienen tasas superiores a la tasa media. Las entidades con tonos más fuertes de color marrón (+3 desviaciones estándar) y verde (-3 desviaciones estándar) son valores atípicos.

Mensajes de geoprocesamiento

Los mensajes de geoprocesamiento proporcionan un resumen de las entidades y las tasas. Los mensajes incluyen una sección desplegable para cada tasa calculada. Cada sección incluye una tabla de Resumen de tasas. Si el valor del parámetro Método de tasas es Promedio ponderado localmente, Mediana ponderada localmente o Bayes empírico local, cada sección también incluirá una tabla de Resumen de recuentos de vecindades.

Resumen de tasas

Si el valor del parámetro Método de tasas no es Tasa bruta, la tabla Resumen de tasas incluirá una columna que resume el método de tasas seleccionado y una columna adicional que resume las tasas brutas. Utilice estas columnas para comparar los resultados del método de tasas seleccionado con los resultados del método de tasa bruta. La tabla Resumen de tasas incluye los valores de Mínimo, Máximo, Mediana, Media y Desviación estándar de las tasas. Si el valor del parámetro Método de tasas es Promedio ponderado localmente o Mediana ponderada localmente, la tabla incluirá una fila Entidades con valor de tasa nulo y Entidades con valores completos. La fila Entidades con valor de tasa nulo enumera la cantidad de entidades con una tasa nula. La fila Entidades con valores completos enumera la cantidad de entidades con una tasa imputada. Estas entidades inicialmente tenían una tasa nula; sin embargo, su vecindad incluía valores de tasa no nulos, por lo que se imputó su tasa.

Tabla Resumen de tasas

Resumen de recuentos de vecindades

Si el valor del parámetro Método de tasas es Promedio ponderado localmente, Mediana ponderada localmente o Bayes empírico local, cada sección también incluirá una tabla de Resumen de recuentos de vecindades, que resume todas las vecindades. La tabla incluye el recuento de vecindad Mínimo, Máximo, Mediano y Medio y el número del valor Entidades sin vecinos.

Tabla Resumen de recuentos de vecindades

Recursos adicionales

Consulte los siguientes recursos adicionales: