¿Tienen sentido las tasas municipales de desempleo?

Sigo los artículos de periodismo de datos de El Confidencial. Los recomiendo, de hecho. Es bueno que alguien se encargue de divulgar noticias que tienen que ver con números.

Y ahora llega el pero. Una parte —y sus autores la consideran importante porque la elevan al titular— de lo que se discute en Nueve de cada diez municipios tienen más paro ahora que antes de comenzar la crisis es amarillismo numérico. Que quiero pensar que involuntario. El nivel municipal, y más habida cuenta del micromunicipalismo español, es demasiado fino para capturar algo que no sea ruido.

En efecto, el patrón que me parece más manifiesto en el mapa que aparece en el artículo,

tasa_paro_municipal

es el de un arco multicolor que, desde Cáceres a Teruel, cubre Madrid por el norte. Pero que solo significa que en esas desoladas provincias hay municipios tan ridículamente pequeños que cambian de color con que solo el hijo de la María se largue a la capital o su marido se jubile.

Es una falta que me inspira indulgencia por haber incurrido yo también en ella: tendría que reconocer que en Tu Tasa de Paro hay un exceso de granularidad que puede alcanzar hasta donde solo hay ruido.

Pero, al menos, yo traté de expiar mis culpas publicando esto.

Addenda: ¿Cómo de difícil sería construir un ejemplo artificial en el que entre dos periodos la tasa de paro de un hipotético país baja pero sube en todos y cada uno de sus municipios?

2 comentarios sobre “¿Tienen sentido las tasas municipales de desempleo?

  1. Calidonia Hibernia 12 agosto, 2014 16:08

    Yo para este tipo de cosas utilizaría siempre cartogramas, mapas distorsionados geométricamente para adaptar el peso visual de cada municipio a su importancia poblacional. Seguro que de esa manera el poco verde que hay se vuelve prácticamente invisible.

  2. José Luis 12 agosto, 2014 19:13

    Creo que una buena solución podría ser utilizar modelos mixtos. Por ejemplo utilizar una regresión logística multinivel con la variable municipio como efecto aleatorio, y si incluimos otras mejor. Así para la tasa de paro de un municipio tendría en cuenta la varianza estimada, el n del municipio y si tenemos otras variables (que también podemos tratar como efectos aleatorios como los grupos de edad y de estudios) , se puede llegar a realizar unas estimaciones menos inestables. Recomiendo el libro Data Analysis using regression and multilevel models de Andrew Gelman, toda una revelación.. http://www.stat.columbia.edu/~gelman/arm/

Los comentarios están desabilitados.