Documentación del CDC SVI 2016

Ver solo imprimir PDF de la Documentación del CDC SVI 2016 [PDF – 460 KB]

Documentación del CDC SVI 2016 – 13 de febrero del 2020

Vea a continuación el diccionario de datos y los datos cruzados del CDC SVI 2016-2014.

Introducción

¿Qué es la vulnerabilidad social?

Todas las comunidades deben prepararse y responder a eventos peligrosos, sea un desastre natural como un tornado o un brote de una enfermedad, o un evento antropogénico, como un derrame de sustancias químicas dañinas. El grado en el que una comunidad presenta ciertas condiciones sociales, como alto nivel de pobreza, bajo porcentaje de personas con acceso a un vehículo o hacinamiento en la vivienda, podría afectar la capacidad de la comunidad de prevenir el sufrimiento humano y las pérdidas económicas en casos de desastres. Estos factores definen la vulnerabilidad social de una comunidad.

¿Qué es el Índice de Vulnerabilidad Social de los Centros para el Control y la Prevención de Enfermedades?

El Programa de Investigaciones, Análisis y Servicios Geoespaciales (GRASP) de la ATSDR ha creado el Índice de Vulnerabilidad Social de los CDC (de aquí en adelante, SVI) para ayudar a los funcionarios de salud pública y a los planificadores de respuesta en casos de emergencias a identificar y mapear a las comunidades que más probablemente necesitarán apoyo antes, durante y después de un evento peligroso.

El SVI indica la vulnerabilidad relativa de cada área censal de los EE. UU. Las áreas censales son subdivisiones de los condados sobre las cuales la Oficina del Censo recolecta datos estadísticos. El SVI clasifica a las áreas censales según 15 factores sociales, entre ellos nivel de desempleo, pertenencia a una minoría y discapacidades, y luego las agrupa en cuatro categorías relacionadas. Por lo tanto, cada una de las áreas censales recibe una clasificación en cada una de las variables del Censo y en cada una de las cuatro categorías, así como una clasificación general.

Además de las clasificaciones a nivel de área censal, el SVI 2010, SVI 2014 y SVI 2016 también tienen sus respectivas clasificaciones a nivel de condado. Las notas a continuación que describen los métodos usados en “áreas censales” también se refieren a los métodos usados en los condados.

¿Cómo puede el SVI ayudar a las comunidades a estar mejor preparadas para eventos peligrosos?

El SVI brinda información específica, que es relevante a nivel social y espacial, a fin de ayudar a los funcionarios de salud pública y a los planificadores locales a preparar mejor a las comunidades en su respuesta a eventos de emergencia como tiempo severo, inundaciones, brotes de enfermedades o exposiciones a sustancias químicas.

El SVI puede utilizarse para lo siguiente:

  • Asignar fondos de preparación para emergencias según las necesidades de las comunidades.
  • Estimar la cantidad y el tipo de suministros necesarios como alimentos, agua, medicamentos y ropa de cama.
  • Decidir cuántos miembros del personal de emergencia se necesitan para ayudar a las personas.
  • Identificar las áreas donde se necesitan refugios de emergencia.
  • Crear un plan para evacuar a las personas, prestando atención a quienes tienen necesidades especiales, como las personas que no tienen vehículos, los adultos mayores, o las personas que no entienden bien el inglés.
  • Identificar a las comunidades que necesitarán apoyo continuo para recuperarse después de una emergencia o un desastre natural.

Notas importantes sobre la base de datos del SVI

  • El SVI 2014 y SVI 2016 están disponibles para ser descargados en formato shapefile: https://svi.cdc.gov/SVIDataToolsDownload.html. El SVI 2014 y SVI 2016 también están disponibles por medio de ArcGIS Online. Busque en “Índice de Vulnerabilidad Social de los CDC”.
  • Para el SVI 2000 y el SVI 2010, mantenga los datos en el formato de base de datos geoespacial al descargarlos de https://svi.cdc.gov/SVIDataToolsDownload.html. Al convertirlos al formato shapefile se cambian los nombres de los casilleros.
  • En esta documentación se incluye un “cruce de datos” entre el SVI 2016 y el SVI 2014. Vea la documentación en el SVI 2014 para acceder al cruce de datos entre el SVI 2014 y el SVI 2010.
  • Para acceder al mapeo y el análisis a nivel nacional o multiestatal, use la base de datos para los Estados Unidos, en la cual todas las áreas censales se clasifican unas frente a otras. Para acceder al mapeo y el análisis a nivel de cada estado individual, use la base de datos específica para cada estado, en la cual las áreas censales se clasifican solo frente a otras áreas censales en ese estado específico.
  • A partir del SVI 2014, hemos agregado una base de datos separada, específica para el Estado Libre Asociado de Puerto Rico. No se ha incluido a Puerto Rico en la clasificación para Estados Unidos a nivel nacional.
  • A partir del SVI 2014, hemos agregado una base de datos de áreas censales tribales (https://www.census.gov/glossary/#term_TribalCensusTract).
  • Las áreas censales tribales se definen de forma independiente y adicional a las áreas censales estándar basadas en los condados. La base de datos de áreas censales tribales solo contiene estimaciones, porcentajes y sus respectivos márgenes de error, así como las variables adjuntas que se describen en el diccionario de datos a continuación. Debido a la separación geográfica y la diversidad cultural, las áreas censales tribales no se clasifican unas frente a otras ni frente a las áreas censales estándar.
  • Las áreas censales con estimaciones de población total cero (N = 417 para los EE. UU.) se retiraron durante el proceso de clasificación. Estas áreas censales se agregaron otra vez a las bases de datos del SVI después de la clasificación. El valor del casillero TOTPOP es 0, pero los casilleros de clasificación en percentiles (RPL_THEME1, RPL_THEME2, RPL_THEME3, RPL_THEME4 y RPL_THEMES) se dejaron en -999.
  • Para las áreas censales con > 0 TOTPOP, un valor de -999 en cualquiera de los casilleros significa que el valor no estaba disponible en los datos originales del Censo o que no pudimos calcular un valor derivado debido a que los datos no estaban disponibles.
  • Ninguna de las celdas que tuviera un valor de -999 se usó para hacer cálculos posteriores. Por ejemplo, los totales de las alertas no incluyen los casilleros que tienen un valor de -999.
  • ArcGIS mantiene los valores 0 principales en los casilleros con códigos de FIPS de archivos csv. Para mantener los valores 0 principales en Excel, siga estos pasos:
    • Abra una hoja de cálculo en blanco en Excel.
    • Haga clic en la pestaña DATOS (DATA) y elija abrir un archivo en Texto (Text).
    • Vaya hasta el archivo csv y elija Importar (Import).
    • En el Asistente para Importar Texto (Text Import Wizard), elija el tipo de datos Delimitado (Delimited) y luego Siguiente (Next).
    • Elija el Delimitador de Comas (Comma Delimiter) y luego Siguiente (Next).
    • Uno por uno, seleccione los casilleros basados en códigos de FIPS (TRACTCE, ST, STCNTY, FIPS), deje el formato de datos de las Columnas (Columns) en Texto (Text), y luego haga clic en Finalizar (Finish) para abrir el archivo csv con los valores 0 principales preservados.
  • Vea la sección Métodos más abajo para obtener más detalles.
  • ¿Tienen alguna pregunta? Consulte el sitio web del SVI (http://svi.cdc.gov) para obtener más información, o escriba al coordinador del SVI (svi_coordinator@cdc.gov).

Métodos

Variables usadas

Datos de la Encuesta sobre la Comunidad Estadounidense (ACS) del 2012 al 2016 (5 años) para las siguientes estimaciones:

Vulnerabilidad general de SVI

Versión de texto de la imagen de vulnerabilidad general:

  • Situación socioeconómica
    • Por debajo del nivel de pobreza
    • Desempleado
    • Ingresos
    • No ha completado la educación secundaria superior
  • Composición del hogar y discapacidad
    • 65 años o mayor
    • 17 años o menor
    • Población civil con discapacidades
    • Hogares monoparentales
  • Condición de minoría e idioma
    • Pertenece a una minoría
    • Habla inglés “no tan bien”
  • Tipo de vivienda y medio de transporte
    • Estructuras con múltiples unidades de vivienda
    • Casas móviles
    • Hacinamiento en la vivienda
    • Sin ningún vehículo
    • Residencias grupales

Para el SVI 2016, incluimos dos variables adjuntas: 1) estimaciones de la cantidad de personas sin seguro médico en 2012-2016 ACS, y 2) una estimación de la población diurna, derivada de estimaciones del LandScan 2016. Estas variables adjuntas se excluyeron de las clasificaciones en el SVI.

En la base de datos se incluyen las estimaciones de datos en bruto y los porcentajes para cada variable en cada área censal. También se incluyen los márgenes de error (MOE) para cada estimación, con el estándar del 90 % de la Oficina del Censo. Los intervalos de confianza pueden calcularse al restarle el margen de error a la estimación (límite inferior) y sumarle el margen de error a la estimación (límite superior). Debido a los tamaños relativamente pequeños de las muestras, algunos márgenes de error son altos. Es importante identificar el nivel de error aceptable en todo análisis.

Clasificaciones

Clasificamos las áreas censales en cada estado y el Distrito de Columbia para habilitar el mapeo y el análisis de la vulnerabilidad relativa en los estados a nivel individual. También clasificamos las áreas censales de todos los Estados Unidos unas frente a otras, para hacer el mapeo y el análisis de la vulnerabilidad relativa en múltiples estados, o a lo largo y ancho de los Estados Unidos a nivel general. Las clasificaciones de las áreas censales se basan en percentiles. Los valores de la clasificación en percentiles varían del 0 al 1, y los valores más altos indican mayor vulnerabilidad.

Con respecto a cada área censal, hicimos la clasificación en percentiles para 1) las quince variables individuales, 2) las cuatro categorías, y 3) una posición general.

Clasificaciones de las categorías:  Para cada una de las cuatro categorías, sumamos los percentiles para las variables que componen cada categoría. Ordenamos las sumas de los percentiles en cada categoría para determinar clasificaciones en percentiles específicas para cada categoría.

Las cuatro variables de clasificación de categorías sumadas, detalladas en el diccionario de datos a continuación, son las siguientes:

  • Situación socioeconómica – RPL_THEME1
  • Composición del hogar y discapacidad – RPL_THEME2
  • Condición de minoría e idioma – RPL_THEME3
  • Tipo de vivienda y medio de transporte – RPL_THEME4

Clasificaciones generales de las áreas censales:  Sumamos los totales para cada categoría, ordenamos las áreas censales, y luego calculamos clasificaciones generales en percentiles. Cabe destacar que sumar los totales para cada categoría es lo mismo que sumar las clasificaciones de variables individuales. La variable de clasificación de la suma general de las áreas censales es RPL_THEMES.

Alertas

A las áreas censales en el 10 % más alto, es decir, con valores del percentil 90, se les da un valor de 1 para indicar alta vulnerabilidad. A las áreas censales que están por debajo del percentil 90 se les da un valor de 0.

Para una categoría, el valor de una alerta es la cantidad de alertas que hay para las variables que componen la categoría. Calculamos el valor general de las alertas para cada área censal como la cantidad de todas las alertas en las variables.

Para ver una descripción detallada de los fundamentos y los métodos usados en la selección de las variables del SVI, consulte A Social Vulnerability Index for Disaster Management (Un índice de vulnerabilidad social para el manejo de desastres) [PDF – 2 MB].

Advertencia con respecto a la reproducibilidad

Al reproducir el CDC SVI usando Excel de Microsoft o un software similar, los resultados podrían variar ligeramente con respecto a las bases de datos del sitio web del CDC SVI o de ArcGIS Online. Esto se debe a una variación en la cantidad de espacios decimales que usan los diferentes programas de software. Para lograr la automatización, desarrollamos el CDC SVI usando el lenguaje de programación SQL. Debido a que el lenguaje de programación SQL usa un nivel diferente de precisión, si se compara con Excel y software similares, al reproducir el CDC SVI en Excel, este podría diferir ligeramente de las bases de datos del CDC SVI descargadas del sitio web del CDC SVI. En futuras iteraciones del CDC SVI, a partir del CDC SVI 2018, modificaremos el proceso de automatización del SQL para construir el CDC SVI, a fin de alinearlo con el de Excel de Microsoft. Si tiene preguntas, escríbale al coordinador del CDC SVI (svi_coordinator@cdc.gov).

Diccionario de datos del SVI 2016: los nombres de los casilleros de la Encuesta sobre la Comunidad Estadounidense que cambiaron entre el 2014 y el 2016 se destacan en ROJO y se marcan con un ‘Sí’ o un ‘No’ en la columna ‘Nombre del casillero cambió desde el 2014’.
Categorías

  1. Situación socioeconómica
  2. Composición del hogar y discapacidad
  3. Condición de minoría e idioma
  4. Tipo de vivienda y medio de transporte

Las variables que comienzan con “E_” son estimaciones. Las variables que comienzan con “M_” son márgenes de error para esas estimaciones. Los valores -999 representan “datos nulos” o “ningún dato”.

Las cuatro variables de clasificación de categorías sumadas, detalladas en el diccionario de datos a continuación, son las siguientes:

  1. Situación socioeconómica – RPL_THEME1
  2. Composición del hogar y discapacidad – RPL_THEME2
  3. Condición de minoría e idioma – RPL_THEME3
  4. Tipo de vivienda y medio de transporte – RPL_THEME4

La variable de clasificación de la suma general de las áreas censales es RPL_THEMES.

Diccionario de datos del SVI 2016
NOMBRE DE LA VARIABLE 2016 DESCRIPCIÓN 2016 CATEGORÍA TABLA(S) DEL CENSO O EL SVI CÁLCULO DEL CASILLERO EN LA TABLA DESCRIPCIÓN DEL CÁLCULO ¿HA CAMBIADO EL NOMBRE DEL CASILLERO DESDE EL 2014? NOTAS
ST Código FIPS a nivel estatal S0601 FIPS En Excel, del código FIPS a nivel de área censal, LEFT (FIPS, 2) No
STATE Nombre del estado S0601 GEO.display-label En Excel, use “DATA| Text to Columns” para extraer el nombre del estado No
ST_ABBR Abreviatura del estado No corresponde No corresponde Se juntó con el shapefile de límites de los estados en Esri No
STCNTY Código FIPS a nivel de condado S0601 FIPS En Excel, del código FIPS a nivel de área censal, LEFT (FIPS, 5) No En la base de datos del SVI a nivel de condado, el casillero de 5 dígitos STCNTY es el casillero de FIPS, usado de forma conjunta.
COUNTY Nombre del condado S0601 GEO.display-label En Excel, use “DATA| Text to Columns” para extraer el nombre del condado No
FIPS Código FIPS a nivel de área censal S0601 GEO.id En Excel, RIGHT (GEO.id, 11) No
LOCATION Descripción en forma de texto del área censal, el condado o el estado S0601 GEO.display-label No
AREA_SQMI Área censal en millas cuadradas Archivo con los límites cartográficos del Censo. Áreas censales de los EE.UU. 2016, 500K ALAND * 3.86102e-7 Conversión de metros cuadrados a millas cuadradas No
E_TOTPOP Estimación de la población, 2012-2016 ACS S0601 HC01_EST_VC01 No
M_TOTPOP Margen de error (MOE) en la estimación de la población, 2012-2016 ACS S0601 HC01_MOE_VC01 No
E_HU Estimación de la cantidad de unidades de vivienda, 2012-2016 ACS DP04 HC01_VC03 No
M_HU Margen de error (MOE) en la estimación de la cantidad de unidades de vivienda, 2012-2016 ACS DP04 HC02_VC03 No
E_HH Estimación de la cantidad de hogares, 2012-2016 ACS DP02 HC01_VC03 No
M_HH Margen de error (MOE) en la estimación de la cantidad de hogares, 2012-2016 ACS DP02 HC02_VC03 No
E_POV Estimación de la cantidad de personas que viven por debajo de la línea de la pobreza, 2012-2016 ACS 1 B17001 HD01_VD02 No
M_POV Margen de error (MOE) en la estimación de la cantidad de personas que viven por debajo de la línea de la pobreza, 2012-2016 ACS 1 B17001 HD02_VD02 No
E_UNEMP Estimación de la población civil (de 16 años o mayores) que está desempleada, 2012-2016 ACS 1 DP03 HC01_VC07 No
M_UNEMP Margen de error (MOE) en la estimación de la población civil (de 16 años o mayores) que está desempleada, 2012-2016 ACS 1 DP03 HC02_VC07 No
E_PCI Estimación del ingreso per cápita, 2012-2016 ACS 1 B19301 HD01_VD01 No Menos filas que otras variables. Se juntó con las áreas censales del Censo 2016. Contiene celdas con valores nulos (p.ej., -999).
M_PCI Margen de error (MOE) en la estimación del ingreso per cápita, 2012-2016 ACS 1 B19301 HD02_VD01 No Menos filas que otras variables. Se juntó con las áreas censales del Censo 2016.
E_NOHSDP Estimación de la cantidad de personas (de 25 años o mayores) que no han completado la educación secundaria superior, 2012-2016 ACS 1 B06009 HD01_VD03 No
M_NOHSDP Margen de error (MOE) en la estimación de la cantidad de personas (de 25 años o mayores) que no han completado la educación secundaria superior, 2012-2016 ACS 1 B06009 HD02_VD03 No
E_AGE65 Estimación de la cantidad de personas de 65 años o mayores, 2012-2016 ACS 2 S1501 HC01_EST_VC32
M_AGE65 Margen de error (MOE) en la estimación de la cantidad de personas de 65 años o mayores, 2012-2016 ACS 2 S1501 HC01_MOE_VC32
E_AGE17 Estimación de la cantidad de personas de 17 años o menores, 2012-2016 ACS 2 B09001 HD01_VD01 No
M_AGE17 Margen de error (MOE) en la estimación de la cantidad de personas de 17 años o menores, 2012-2016 ACS 2 B09001 HD02_VD01 No
E_DISABL Estimación de la población civil con discapacidades que no está internada, 2012-2016 ACS 2 DP02 HC01_VC106 No
M_DISABL Margen de error (MOE) en la estimación de la población civil con discapacidades que no está internada, 2012-2016 ACS 2 DP02 HC02_VC106 No
E_SNGPNT Estimación de la cantidad de hogares monoparentales con hijos menores de 18 años, 2012 -2016 ACS 2 DP02 HC01_VC09 + HC01_VC11 Estimación de familia con hombre como jefe de hogar, sin esposa presente – Con sus propios hijos menores de 18 años + Estimación de familia con mujer como jefa de hogar, sin esposo presente – Con sus propios hijos menores de 18 años No
M_SNGPNT Margen de error (MOE) en la estimación de la cantidad de hogares monoparentales con hijos menores de 18 años, 2012 -2016 ACS 2 DP02 SQRT(HC02_VC09^2 + HC02_VC11^2) SQRT (Margen de error en la estimación de familia con hombre como jefe de hogar, sin esposa presente – Con sus propios hijos menores de 18 años^2 + Margen de error en la estimación de familia con mujer como jefa de hogar, sin esposo presente – Con sus propios hijos menores de 18 años^2) No
E_MINRTY Estimación de la cantidad de personas que pertenecen a una minoría (todas las personas, excepto las de raza blanca que no son hispanas), 2012-2016 ACS 3 B01001H E_TOTPOP – HD01_VD01 No
M_MINRTY Margen de error (MOE) en la estimación de la cantidad de personas que pertenecen a una minoría (todas las personas, excepto las de raza blanca que no son hispanas), 2012-2016 ACS 3 B01001H SQRT(M_TOTPOP^2 + HD02_VD01^2) SQRT (Margen de error en la estimación del total de población^2 + Margen de error en la estimación de la cantidad de personas de raza blanca que no son hispanas^2) No
E_LIMENG Estimación de la cantidad de personas (de 5 años o mayores) que hablan inglés “no tan bien”, 2012-2016 ACS 3 B16005 HD01_VD07 + HD01_VD08 + HD01_VD12 + HD01_VD13 + HD01_VD17 + HD01_VD18 + HD01_VD22 + HD01_VD23 + HD01_VD29 + HD01_VD30 + HD01_VD34 + HD01_VD35 + HD01_VD39 + HD01_VD40 + HD01_VD44 + HD01_VD45 Estimación; hablantes nativos: – hablan español: – hablan inglés “no tan bien” + estimación; hablantes nativos: – hablan español: – no hablan inglés “para nada” + estimación; hablantes nativos: – hablan otros idiomas indoeuropeos: – hablan inglés “no tan bien” + estimación; hablantes nativos: – hablan otros idiomas indoeuropeos: – no hablan inglés “para nada” + estimación; hablantes nativos: – hablan idiomas asiáticos y de las islas del Pacífico: – hablan inglés “no tan bien” + estimación; hablantes nativos: – hablan idiomas asiáticos y de las islas del Pacífico: – no hablan inglés “para nada” + estimación; hablantes nativos: – hablan otros idiomas: – hablan inglés “no tan bien” + estimación; hablantes nativos: – hablan otros idiomas: – no hablan inglés “para nada” + estimación; nacidos en el extranjero: – hablan español: – hablan inglés “no tan bien” + estimación; nacidos en el extranjero: – hablan español: – no hablan inglés “para nada” + estimación; nacidos en el extranjero: – hablan otros idiomas indoeuropeos: – hablan inglés “no tan bien” + estimación; nacidos en el extranjero: – hablan otros idiomas indoeuropeos: – no hablan inglés “para nada” + estimación; nacidos en el extranjero: – hablan idiomas asiáticos y de las islas del Pacífico: – hablan inglés “no tan bien” + estimación; nacidos en el extranjero: – hablan idiomas asiáticos y de las islas del Pacífico: – no hablan inglés “para nada” + estimación; nacidos en el extranjero: – hablan otros idiomas: – hablan inglés “no tan bien” + estimación; nacidos en el extranjero: – hablan otros idiomas: – no hablan inglés “para nada” No
M_LIMENG Margen de error (MOE) en la estimación de la cantidad de personas (de 5 años o mayores) que hablan inglés “no tan bien”, 2012-2016 ACS 3 B16005 SQRT(HD02_VD07^2 + HD02_VD08^2 + HD02_VD12^2 + HD02_VD13^2 + HD02_VD17^2 + HD02_VD18^2 + HD02_VD22^2 + HD02_VD23^2 + HD02_VD29^2 + HD02_VD30^2 + HD02_VD34^2 + HD02_VD35^2 + HD02_VD39^2 + HD02_VD40^2 + HD02_VD44^2 + HD02_VD45^2) SQRT (Margen de error en la estimación de la cantidad de hablantes nativos: – hablan español: – hablan inglés “no tan bien”^2 + margen de error en la estimación de la cantidad de hablantes nativos: – hablan español: – no hablan inglés “para nada”^2 + margen de error en la estimación de la cantidad de hablantes nativos: – hablan otros idiomas indoeuropeos: – hablan inglés “no tan bien”^2 + margen de error en la estimación de la cantidad de hablantes nativos: – hablan otros idiomas indoeuropeos: – no hablan inglés “para nada”^2 + margen de error en la estimación de la cantidad de hablantes nativos: – hablan idiomas asiáticos y de las islas del Pacífico: – hablan inglés “no tan bien”^2 + margen de error en la estimación de la cantidad de hablantes nativos: – hablan idiomas asiáticos y de las islas del Pacífico: – no hablan inglés “para nada”^2 + margen de error en la estimación de la cantidad de hablantes nativos: – hablan otros idiomas: – hablan inglés “no tan bien”^2 + margen de error en la estimación de la cantidad de hablantes nativos: – hablan otros idiomas: – no hablan inglés “para nada”^2 + margen de error en la estimación de la cantidad de nacidos en el extranjero: – hablan español: – hablan inglés “no tan bien”^2 + margen de error en la estimación de la cantidad de nacidos en el extranjero: – hablan español: – no hablan inglés “para nada”^2 + margen de error en la estimación de la cantidad de nacidos en el extranjero: – hablan otros idiomas indoeuropeos: – hablan inglés “no tan bien”^2 + margen de error en la estimación de la cantidad de nacidos en el extranjero: – hablan otros idiomas indoeuropeos: – no hablan inglés “para nada”^2 + margen de error en la estimación de la cantidad de nacidos en el extranjero: – hablan idiomas asiáticos y de las islas del Pacífico: – hablan inglés “no tan bien”^2 + margen de error en la estimación de la cantidad de nacidos en el extranjero: – hablan idiomas asiáticos y de las islas del Pacífico: – no hablan inglés “para nada”^2 + margen de error en la estimación de la cantidad de nacidos en el extranjero: – hablan otros idiomas: – hablan inglés “no tan bien”^2 + margen de error en la estimación de la cantidad de nacidos en el extranjero: – hablan otros idiomas: – no hablan inglés “para nada”^2) No
E_MUNIT Estimación de la cantidad de viviendas en estructuras de 10 o más unidades, 2012-2016 ACS 4 DP04 HC01_VC19 + HC01_VC20 Estimación; CANTIDAD DE UNIDADES EN LA ESTRUCTURA – total de unidades de vivienda – de 10 a 19 unidades + estimación; CANTIDAD DE UNIDADES EN LA ESTRUCTURA – total de unidades de vivienda – 20 o más unidades No
M_MUNIT Margen de error (MOE) en la estimación de la cantidad de viviendas en estructuras de 10 o más unidades, 2012-2016 ACS 4 DP04 SQRT(HC02_VC19^2 + HC02_VC20^2) SQRT (Margen de error en la estimación de la CANTIDAD DE UNIDADES EN LA ESTRUCTURA – total de unidades de vivienda – de 10 a 19 unidades^2 + margen de error; CANTIDAD DE UNIDADES EN LA ESTRUCTURA – total de unidades de vivienda – 20 o más unidades^2) No
E_MOBILE Estimación de la cantidad de casas móviles, 2012-2016 ACS 4 DP04 HC01_VC21 No
M_MOBILE Margen de error (MOE) en la estimación de la cantidad de casas móviles, 2012-2016 ACS 4 DP04 HC02_VC21 No
E_CROWD A nivel del hogar (unidades de vivienda ocupadas), estimación de más personas que habitaciones, 2012-2016 ACS 4 DP04 HC01_VC114 + HC01_VC115 Estimación; CANTIDAD DE OCUPANTES POR HABITACIÓN – unidades de vivienda ocupadas – de 1.01 a 1.50 + estimación; CANTIDAD DE OCUPANTES POR HABITACIÓN – unidades de vivienda ocupadas – 1.51 o más
M_CROWD A nivel del hogar (unidades de vivienda ocupadas), margen de error (MOE) en la estimación de más personas que habitaciones, 2012-2016 ACS 4 DP04 SQRT(HC02_VC114^2 + HC02_VC115^2) SQRT (margen de error en la estimación de la CANTIDAD DE OCUPANTES POR HABITACIÓN – unidades de vivienda ocupadas – de 1.01 a 1.50^2+ margen de error en la estimación de la CANTIDAD DE OCUPANTES POR HABITACIÓN – unidades de vivienda ocupadas – 1.51 o más^2)
E_NOVEH Estimación de la cantidad de hogares sin ningún vehículo disponible, 2012-2016 ACS 4 DP04 HC01_VC85
M_NOVEH Margen de error (MOE) en la estimación de la cantidad de hogares sin ningún vehículo disponible, 2012-2016 ACS 4 DP04 HC02_VC85
E_GROUPQ Estimación de la cantidad de personas en residencias grupales, en las que pueden estar internadas o no, 2012 -2016 ACS 4 B26001 HD01_VD01 No
M_GROUPQ Margen de error (MOE) en la estimación de la cantidad de personas en residencias grupales, en las que pueden estar internadas o no, 2012-2016 ACS 4 B26001 HD02_VD01 No
EP_POV Estimación del porcentaje de personas que viven por debajo de la línea de la pobreza 1 S0601 HC01_EST_VC67 No
MP_POV Margen de error (MOE) en la estimación del porcentaje de personas que viven por debajo de la línea de la pobreza 1 S0601 HC01_MOE_VC67 No
EP_UNEMP Estimación del porcentaje de población civil (de 16 años o mayores) que está desempleada 1 DP03 HC03_VC12 No
MP_UNEMP Margen de error (MOE) en la estimación del porcentaje de población civil (de 16 años o mayores) que está desempleada 1 DP03 HC04_VC12 No
EP_PCI Estimación del ingreso per cápita, 2012-2016 ACS 1 B19301 HD01_VD01 No El valor es igual a E_PCI
MP_PCI Margen de error (MOE) en la estimación del ingreso per cápita, 2012-2016 ACS 1 B19301 HD02_VD01 No El valor es igual a M_PCI
EP_NOHSDP Estimación del porcentaje de personas (de 25 años o mayores) que no han completado la educación secundaria superior 1 S0601 HC01_EST_VC46 No
MP_NOHSDP Margen de error (MOE) en la estimación del porcentaje de personas (de 25 años o mayores) que no han completado la educación secundaria superior 1 S0601 HC01_MOE_VC46 No
EP_AGE65 Estimación del porcentaje de personas de 65 años o mayores, 2012-2016 ACS 2 S0101 HC01_EST_VC31 No
MP_AGE65 Margen de error (MOE) en la estimación del porcentaje de personas de 65 años o mayores, 2012-2016 ACS 2 S0101 HC01_MOE_VC31 No
EP_AGE17 Estimación del porcentaje de personas de 17 años o menores, 2012-2016 ACS 2 SVI (E_AGE17 / E_TOTPOP)*100 (Estimación de la cantidad de personas de 17 años o menores / estimación del total de población) * 100 No Este cálculo llevó a algunos errores de división por 0 en los casos en que E_TOTPOP es igual a 0. Estas filas se revisaron con las proporciones estimadas en 0 y sus correspondientes márgenes de error en -999.
MP_AGE17 Margen de error (MOE) en la estimación del porcentaje de personas de 17 años o menores, 2012-2016 ACS 2 SVI ((SQRT(M_AGE17^2-((EP_AGE17/100)^2*M_TOTPOP^2)))/E_TOTPOP)*100 ((SQRT(margen de error en la estimación de la población menor de 18años^2 – (proporción estimada de personas de 17 años o menores^2 * margen de error en la estimación del total de población^2))) / estimación del total de población) * 100 No Dos cálculos del margen de error llevaron a errores debido a que el valor bajo el signo de raíz cuadrada era negativo. En estas filas, como indica la Oficina del Censo, usamos la fórmula para razones derivadas, en lugar de la fórmula para proporciones derivadas. En lugar de usar la sustracción de la fórmula estándar, sumamos. Vea A Compass for Understanding and Using American Community Survey Data (Guía para entender y usar los datos de la Encuesta sobre la Comunidad Estadounidense), página A-15 (https://www.census.gov/content/dam/Census/library/publications/2008/acs/ACSGeneralHandbook.pdf).
EP_DISABL Estimación del porcentaje de la población civil con discapacidades que no está internada, 2012-2016 ACS 2 DP02 HC03_VC106 No
MP_DISABL Margen de error (MOE) en la estimación del porcentaje de la población civil con discapacidades que no está internada, 2012-2016 ACS 2 DP02 HC04_VC106 No
EP_SNGPNT Estimación del porcentaje de hogares monoparentales con hijos menores de 18 años, 2012-2016 ACS 2 SVI (E_SNGPNT / E_HH) * 100 (Estimación de la cantidad de hogares monoparentales con hijos menores de 18 años / Estimación de la cantidad de hogares) * 100 No Este cálculo llevó a algunos errores de división por 0 en los casos en que E_HH es igual a 0. Estas filas se revisaron con las proporciones estimadas en 0 y sus correspondientes márgenes de error en -999.
MP_SNGPNT Margen de error (MOE) en la estimación del porcentaje de hogares monoparentales con hijos menores de 18 años, 2012-2016 ACS 2 SVI ((SQRT(M_SNGPNT^2-((EP_SNGPNT/100)^2*M_HH^2)))/E_HH)*100 ((SQRT(margen de error en la estimación de hogares monoparentales^2 – (proporción estimada de hogares monoparentales^2 * margen de error en la estimación de hogares monoparentales^2))) / estimación de hogares monoparentales) * 100 No Dos cálculos del margen de error llevaron a errores debido a que el valor bajo el signo de raíz cuadrada era negativo. En estas filas, como indica la Oficina del Censo, usamos la fórmula para razones derivadas, en lugar de la fórmula para proporciones derivadas. En lugar de usar la sustracción de la fórmula estándar, sumamos. Vea A Compass for Understanding and Using American Community Survey Data (Guía para entender y usar los datos de la Encuesta sobre la Comunidad Estadounidense), página A-15 (https://www.census.gov/content/dam/Census/library/publications/2008/acs/ACSGeneralHandbook.pdf).
EP_MINRTY Estimación del porcentaje de personas que pertenecen a una minoría (todas las personas, excepto las de raza blanca que no son hispanas), 2012-2016 ACS 3 SVI (E_MINRTY/E_TOTPOP)*100 (Estimación de la cantidad de personas que pertenecen a una minoría / estimación del total de población) * 100 No Este cálculo llevó a algunos errores de división por 0 en los casos en que E_HH es igual a 0. Estas filas se revisaron con las proporciones estimadas en 0 y sus correspondientes márgenes de error en -999.
MP_MINRTY Margen de error en la estimación del porcentaje de personas que pertenecen a una minoría (todas las personas, excepto las de raza blanca que no son hispanas), 2012-2016 ACS 3 SVI ((SQRT(M_MINRTY^2-((EP_MINRTY/100)^2*M_TOTPOP^2)))/E_TOTPOP)*100 ((SQRT(Margen de error en la estimación de personas que pertenecen a una minoría^2 – (proporción estimada de personas que pertenecen a una minoría^2 * Margen de error en la estimación del total de población^2))) / estimación del total de población) * 100 No
EP_LIMENG Estimación del porcentaje de personas (de 5 años o mayores) que hablan inglés “no tan bien”, 2012-2016 ACS 3 SVI y B16005 (E_LIMENG/HD01_VD01)*100 (Estimación de la cantidad de personas que hablan inglés “no tan bien” / estimación de la población de 5 años o mayores) * 100 No Este cálculo llevó a algunos errores de división por 0 en los casos en que el total de población de 5 años o mayores es igual a 0. Estas hileras se revisaron con las proporciones estimadas en 0 y sus correspondientes márgenes de error en -999.
MP_LIMENG Margen de error en la estimación del porcentaje de personas (de 5 años o mayores) que hablan inglés “no tan bien”, 2012-2016 ACS 3 SVI y B16005 ((SQRT(M_LIMENG^2-((EP_LIMENG/100)^2*HD02_VD01^2)))/HD01_VD01)*100 ((SQRT(Margen de error en la estimación de la cantidad de personas que hablan inglés no tan bien^2 – (Proporción estimada de las personas que hablan inglés no tan bien^2 * Margen de error en la estimación de la población de 5 años o mayores^2))) / estimación de la población de 5 años o mayores) * 100 No Dos cálculos del margen de error llevaron a errores debido a que el valor bajo el signo de raíz cuadrada era negativo. En estas hileras, como indica la Oficina del Censo, usamos la fórmula para razones derivadas, en lugar de la fórmula para proporciones derivadas. En lugar de usar la sustracción de la fórmula estándar, sumamos. Vea A Compass for Understanding and Using American Community Survey Data (Guía para entender y usar los datos de la Encuesta sobre la Comunidad Estadounidense), página A-15 (https://www.census.gov/content/dam/Census/library/publications/2008/acs/ACSGeneralHandbook.pdf).
EP_MUNIT Estimación del porcentaje de viviendas en estructuras de 10 o más unidades 4 SVI (E_MUNIT/E_HU)*100 (Estimación de la cantidad de viviendas en estructuras de 10 o más unidades / Estimación de la cantidad de unidades de vivienda)*100 No Este cálculo llevó a algunos errores de división por 0 en los casos en que E_HU es igual a 0. Estas hileras se revisaron con las proporciones estimadas en 0 y sus correspondientes márgenes de error en -999.
MP_MUNIT Margen de error (MOE) en la estimación del porcentaje de viviendas en estructuras de 10 o más unidades 4 SVI ((SQRT(M_MUNIT^2-((EP_MUNIT/100)^2*M_HU^2)))/E_HU)*100 ((SQRT(margen de error en la estimación de viviendas en estructuras de 10 o más unidades^2 – (proporción estimada de viviendas en estructuras de 10 o más unidades^2 * margen de error en la estimación de unidades de vivienda^2))) / estimación de las unidades de vivienda) * 100 No Dos cálculos del margen de error llevaron a errores debido a que el valor bajo el signo de raíz cuadrada era negativo. En estas filas, como indica la Oficina del Censo, usamos la fórmula para razones derivadas, en lugar de la fórmula para proporciones derivadas. En lugar de usar la sustracción de la fórmula estándar, sumamos. Vea A Compass for Understanding and Using American Community Survey Data (Guía para entender y usar los datos de la Encuesta sobre la Comunidad Estadounidense), página A-15 (https://www.census.gov/content/dam/Census/library/publications/2008/acs/ACSGeneralHandbook.pdf).
EP_MOBILE Estimación del porcentaje de casas móviles 4 DP04 HC03_VC21 No
EP_CROWD Estimación del porcentaje de unidades de vivienda ocupadas con más personas que habitaciones 4 SVI y DP04 (E_CROWD/HC01_VC04)*100 (Estimación de la cantidad de unidades de vivienda ocupadas con más personas que habitaciones / estimación de la cantidad de unidades de vivienda ocupadas)*100 No Este cálculo llevó a algunos errores de división por 0 en los casos en que HC01_VC04 es igual a 0. Estas filas se revisaron con las proporciones estimadas en 0 y sus correspondientes márgenes de error en -999.
MP_CROWD Margen de error (MOE) en la estimación del porcentaje de unidades de vivienda ocupadas con más personas que habitaciones 4 SVI y DP04 ((SQRT(M_CROWD^2-((EP_CROWD/100)^2*HC02_VC04^2)))/HC01_VC04)*100 ((SQRT(margen de error en la estimación de unidades de vivienda ocupadas con más personas que habitaciones^2 – (proporción estimada de las unidades de vivienda ocupadas con más personas que habitaciones^2 * margen de error en la estimación de unidades de vivienda ocupadas^2))) / estimación de la cantidad de unidades de vivienda ocupadas) * 100 No Algunos cálculos del margen de error llevaron a errores debido a que el valor bajo el signo de raíz cuadrada era negativo. En estas filas, como indica la Oficina del Censo, usamos la fórmula para razones derivadas, en lugar de la fórmula para proporciones derivadas. En lugar de usar la sustracción de la fórmula estándar, sumamos. Vea A Compass for Understanding and Using American Community Survey Data (Guía para entender y usar los datos de la Encuesta sobre la Comunidad Estadounidense), página A-15 (https://www.census.gov/content/dam/Census/library/publications/2008/acs/ACSGeneralHandbook.pdf).
EP_NOVEH Estimación del porcentaje de hogares sin ningún vehículo disponible 4 DP04 HC03_VC85
MP_NOVEH Margen de error (MOE) en la estimación del porcentaje de hogares sin ningún vehículo disponible 4 DP04 HC04_VC85
EP_GROUPQ Estimación del porcentaje de personas en residencias grupales, en las que pueden estar internadas o no, 2012-2016 ACS 4 SVI (E_GROUPQ/E_TOTPOP)*100 (Estimación de la cantidad de personas en residencias grupales / estimación del total de población) * 100 No Este cálculo llevó a algunos errores de división por 0 en los casos en que E_TOTPOP es igual a 0. Estas filas se revisaron con las proporciones estimadas en 0 y sus correspondientes márgenes de error en -999.
MP_GROUPQ Margen de error en la estimación del porcentaje de personas en residencias grupales, en las que pueden estar internadas o no, 2012-2016 ACS 4 SVI ((SQRT(M_GROUPQ^2-((EP_GROUPQ/100)^2*M_TOTPOP^2)))/E_TOTPOP)*100 ((SQRT(margen de error en la estimación de personas en residencias grupales^2 – (proporción estimada de personas en residencias grupales^2 * margen de error en la estimación del total de población^2))) / estimación del total de población) * 100 No Algunos cálculos del margen de error llevaron a errores debido a que el valor bajo el signo de raíz cuadrada era negativo. En estas filas, como indica la Oficina del Censo, usamos la fórmula para razones derivadas, en lugar de la fórmula para proporciones derivadas. En lugar de usar la sustracción de la fórmula estándar, sumamos. Vea A Compass for Understanding and Using American Community Survey Data (Guía para entender y usar los datos de la Encuesta sobre la Comunidad Estadounidense), página A-15 (https://www.census.gov/content/dam/Census/library/publications/2008/acs/ACSGeneralHandbook.pdf).
EPL_POV Estimación del porcentaje, en percentiles, de personas que viven por debajo de la línea de la pobreza 1 SVI En Excel: PERCENTRANK.INC en la matriz EP_POV con 4 dígitos significativos No
EPL_UNEMP Estimación del porcentaje, en percentiles, de población civil (de 16 años o mayores) que está desempleada 1 SVI En Excel: PERCENTRANK.INC en la matriz EP_UNEMP con 4 dígitos significativos No
EPL_PCI Estimación en percentiles del ingreso per cápita 1 SVI En Excel: 1-(PERCENTRANK.INC en la matriz EP_PCI con 4 dígitos significativos) No El ingreso per cápita está necesariamente a la inversa, ya que un nivel alto de ingreso es igual a un nivel bajo de vulnerabilidad, y viceversa. Los valores nulos (-999) se retiraron de la matriz antes de calcular las clasificaciones de los resultados en percentiles. El resultado de las celdas en las que se ingresó -999 se estableció en -999.
EPL_NOHSDP Estimación del porcentaje, en percentiles, de personas (de 25 años o mayores) que no han completado la educación secundaria superior 1 SVI En Excel: PERCENTRANK.INC en la matriz EP_NOHSDP con 4 dígitos significativos No
SPL_THEME1 Suma de las series para la categoría de situación socioeconómica 1 SVI EPL_POV + EPL_UNEMP + EPL_PCI + EPL_NOHSDP No Los valores nulos (-999) se retiraron antes de calcular la suma de resultados. El resultado de las sumas con valores nulos en la misma fila se estableció en -999.
RPL_THEME1 Clasificación en percentiles para el resumen de la categoría de situación socioeconómica 1 SVI En Excel: PERCENTRANK.INC en la matriz SPL_THEME1 con 4 dígitos significativos No Los valores nulos (-999) se retiraron de la matriz antes de calcular las clasificaciones de los resultados en percentiles. El resultado de las celdas en las que se ingresó -999 se estableció en -999.
EPL_AGE65 Estimación del porcentaje, en percentiles, de personas de 65 años o mayores 2 SVI En Excel: PERCENTRANK.INC en la matriz EP_AGE65 con 4 dígitos significativos No
EPL_AGE17 Estimación del porcentaje en percentiles de personas de 17 años o menores 2 SVI En Excel: PERCENTRANK.INC en la matriz EP_AGE17 con 4 dígitos significativos No
EPL_DISABL Estimación del porcentaje, en percentiles, de la población civil con discapacidades que no está internada 2 SVI En Excel: PERCENTRANK.INC en la matriz EP_DISABL con 4 dígitos significativos No
EPL_SNGPNT Estimación del porcentaje, en percentiles, de hogares monoparentales con hijos menores de 18 años 2 SVI En Excel: PERCENTRANK.INC en la matriz EP_SNGPNT con 4 dígitos significativos No
SPL_THEME2 Suma de las series para la categoría de composición del hogar 2 SVI EPL_AGE65 + EPL_AGE17 + EPL_DISABL + EPL_SNGPNT No
RPL_THEME2 Clasificación en percentiles para el resumen de la categoría de composición del hogar 2 SVI En Excel: PERCENTRANK.INC en la matriz SPL_THEME2 con 4 dígitos significativos No
EPL_MINRTY Estimación del porcentaje, en percentiles, de personas que pertenecen a una minoría (todas las personas, excepto las de raza blanca que no son hispanas) 3 SVI En Excel: PERCENTRANK.INC en la matriz EP_MINRTY con 4 dígitos significativos No
EPL_LIMENG Estimación del porcentaje, en percentiles, de personas (de 5 años o mayores) que hablan inglés “no tan bien” 3 SVI En Excel: PERCENTRANK.INC en la matriz EP_LIMENG con 4 dígitos significativos No
SPL_THEME3 Suma de las series para la categoría de condición de minoría e idioma 3 SVI EPL_MINRTY + EPL_LIMENG No
RPL_THEME3 Clasificación en percentiles para la categoría de condición de minoría e idioma 3 SVI En Excel: PERCENTRANK.INC en la matriz SPL_THEME3 con 4 dígitos significativos No
EPL_MUNIT Estimación del porcentaje, en percentiles, de viviendas en estructuras de 10 o más unidades 4 SVI En Excel: PERCENTRANK.INC en la matriz EP_MUNIT con 4 dígitos significativos No
EPL_MOBILE Estimación del porcentaje, en percentiles, de casas móviles 4 SVI En Excel: PERCENTRANK.INC en la matriz EP_MOBILE con 4 dígitos significativos No
EPL_CROWD Estimación del porcentaje, en percentiles, de hogares con más personas que habitaciones 4 SVI En Excel: PERCENTRANK.INC en la matriz EP_CROWD con 4 dígitos significativos No
EPL_NOVEH Estimación del porcentaje, en percentiles, de hogares sin ningún vehículo disponible 4 SVI En Excel: PERCENTRANK.INC en la matriz EP_NOVEH con 4 dígitos significativos No
EPL_GROUPQ Estimación del porcentaje, en percentiles, de personas en residencias grupales, en las que pueden estar internadas o no 4 SVI En Excel: PERCENTRANK.INC en la matriz EP_GROUPQ con 4 dígitos significativos No
SPL_THEME4 Suma de las series para la categoría de tipo de vivienda y medio de transporte 4 SVI EPL_MUNIT + EPL_MOBIL + EPL_CROWD + EPL_NOVEH + EPL_GROUPQ No
RPL_THEME4 Clasificación en percentiles para la categoría de tipo de vivienda y medio de transporte 4 SVI En Excel: PERCENTRANK.INC en la matriz SPL_THEME4 con 4 dígitos significativos No
SPL_THEMES Suma de las categorías en las series SVI SPL_THEME1 + SPL_THEME2 + SPL_THEME3 + SPL_THEME4 No Los valores nulos (-999) se retiraron antes de calcular la suma de resultados. El resultado de las sumas con valores nulos en la misma hilera se estableció en -999.
RPL_THEMES Clasificación en percentiles a nivel general SVI En Excel: PERCENTRANK.INC en la matriz SPL_THEMES con 4 dígitos significativos No Los valores nulos (-999) se retiraron de la matriz antes de calcular las clasificaciones de los resultados en percentiles. El resultado de las celdas en las que se ingresó -999 se estableció en -999.
F_POV Alerta: el porcentaje de personas que viven en la pobreza está en el percentil 90 (1 = Sí, 0 = No) 1 SVI EPL_POV >= 0.90 No
F_UNEMP Alerta: el porcentaje de población civil que está desempleada está en el percentil 90 (1 = Sí, 0 = No) 1 SVI EPL_UNEMP >= 0.90 No
F_PCI Alerta: el ingreso per cápita está en el percentil 90 (1 = Sí, 0 = No) 1 SVI EPL_PCI >= 0.90 No El resultado de las celdas en las que se ingresó -999 se estableció en -999.
F_NOHSDP Alerta: el porcentaje de personas que no han completado la educación secundaria superior está en el percentil 90 (1 = Sí, 0 = No) 1 SVI EPL_NOHSDIP >= 0.90 No
F_THEME1 Suma de las alertas para la categoría de situación socioeconómica 1 SVI F_POV + F_UNEMP + F_PCI + F_NOHSDP No Los valores nulos (-999) se retiraron antes de calcular la suma de resultados. El resultado de las sumas con valores nulos en la misma hilera se estableció en -999.
F_AGE65 Alerta: el porcentaje de personas de 65 años o mayores está en el percentil 90 (1 = Sí, 0 = No) 2 SVI EPL_AGE65 >= 0.90 No
F_AGE17 Alerta: el porcentaje de personas de 17 años o menores está en el percentil 90 (1 = Sí, 0 = No) 2 SVI EPL_AGE17 >= 0.90 No
F_DISABL Alerta: el porcentaje de personas con una discapacidad está en el percentil 90 (1 = Sí, 0 = No) 2 SVI EPL_DISABL >= 0.90 No
F_SNGPNT Alerta: el porcentaje de hogares monoparentales está en el percentil 90 (1 = Sí, 0 = No) 2 SVI EPL_SNGPNT >= 0.90 No
F_THEME2 Suma de las alertas para la categoría de composición del hogar 2 SVI F_AGE65 + F_AGE17 + F_DISABL + F_SNGPNT No
F_MINRTY Alerta: el porcentaje de personas que pertenecen a una minoría está en el percentil 90 (1 = Sí, 0 = No) 3 SVI EPL_MINRTY >= 0.90 No
F_LIMENG Alerta: el porcentaje de personas cuyo dominio del inglés es limitado está en el percentil 90 (1 = Sí, 0 = No) 3 SVI EPL_LIMENG >= 0.90 No
F_THEME3 Suma de las alertas para la categoría de condición de minoría e idioma 3 SVI F_MINRTY + F_LIMENG No
F_MUNIT Alerta: el porcentaje de hogares en estructuras con múltiples unidades de vivienda está en el percentil 90 (1 = Sí, 0 = No) 4 SVI EPL_MUNIT >= 0.90 No
F_MOBILE Alerta: el porcentaje de casas móviles está en el percentil 90 (1 = Sí, 0 = No) 4 SVI EPL_MOBILE >= 0.90 No
F_CROWD Alerta: el porcentaje de hogares en condiciones de hacinamiento está en el percentil 90 (1 = Sí, 0 = No) 4 SVI EPL_CROWD >= 0.90 No
F_NOVEH Alerta: el porcentaje de hogares sin ningún vehículo está en el percentil 90 (1 = Sí, 0 = No) 4 SVI EPL_NOVEH >= 0.90 No
F_GROUPQ Alerta: el porcentaje de personas en residencias grupales, en las que pueden estar internadas o no, está en el percentil 90 (1 = Sí, 0 = No) 4 SVI EPL_GROUPQ >= 0.90 No
F_THEME4 Suma de las alertas para la categoría de tipo de vivienda y medio de transporte 4 SVI F_MUNIT + F_MOBILE + F_CROWD + F_NOVEH + F_GROUPQ No
F_TOTAL Suma de las alertas para las cuatro categorías 4 SVI F_THEME1 + F_THEME2 + F_THEME3 + F_THEME4 No Los valores nulos (-999) se retiraron antes de calcular la suma de resultados. El resultado de las sumas con valores nulos en la misma hilera se estableció en -999.
E_UNINSUR Variable adjunta: estimación de la cantidad de personas sin seguro médico en el total de población civil que no está internada, 2012-2016 ACS S2701 HC04_EST_VC01
M_UNINSUR Variable adjunta: margen de error (MOE) en la estimación de la cantidad de personas sin seguro médico en el total de población civil que no está internada, 2012-2016 ACS S2701 HC04_MOE_VC01
EP_UNINSUR Variable adjunta: estimación del porcentaje de personas sin seguro médico en el total de población civil que no está internada, 2012-2016 ACS S2701 HC05_EST_VC01
MP_UNINSUR Variable adjunta: margen de error (MOE) en la estimación del porcentaje de personas sin seguro médico en el total de población civil que no está internada, 2012-2016 ACS S2701 HC05_MOE_VC01
E_DAYPOP Variable adjunta: cantidad de población diurna estimada, LandScan 2016 No corresponde Tomado de LandScan 2016 – http://web.ornl.gov/sci/landscan/index.shtml Seguimos las instrucciones de ORNL para procesar en ArcGIS; subimos primero la tabla de LandScan y mantuvimos los parámetros de proyección de WGS84. Usamos Spatial Analyst para ejecutar la herramienta Zonal Statistics en la función de Tablas, a fin de sumar las estimaciones de la población diurna en cada celda de trama de LandScan y así obtener una estimación de la población diurna en cada área censal del SVI2016. No A las áreas censales que no tienen celdas de LandScan que se superpongan se les asignaron valores nulos (p.ej., -999).

Cruce de datos entre el SVI 2016 y el SVI 2014 (cambios en la ACS)

Categorías

  1. Situación socioeconómica
  2. Composición del hogar y discapacidad
  3. Condición de minoría e idioma
  4. Tipo de vivienda y medio de transporte

Algunos de los nombres de las variables de la Encuesta sobre la Comunidad Estadounidense (ACS) cambiaron entre el 2014 y el 2016. La tabla de resumen enumera solamente las variables del SVI en las que los cálculos han sido afectados por estos cambios. Este diccionario de datos del SVI 2016 presenta los detalles de todos los cálculos.

Cruce de datos entre el SVI 2016 y el SVI 2014
NOMBRE DE LA VARIABLE 2016 DESCRIPCIÓN 2016 CATEGORÍA TABLA(S) DEL CENSO O EL SVI CÁLCULO DEL CASILLERO EN LA TABLA DEL 2014 DESCRIPCIÓN DEL CÁLCULO CÁLCULO DEL CASILLERO EN LA TABLA DEL 2016 ¿HA CAMBIADO EL NOMBRE DEL CASILLERO DESDE EL 2014?
E_AGE65 Estimación de la cantidad de personas de 65 años o mayores, 2012-2016 ACS 2 S1501 HC01_EST_VC31 HC01_EST_VC32
M_AGE65 Margen de error (MOE) en la estimación de la cantidad de personas de 65 años o mayores, 2012-2016 ACS 2 S1501 HC01_MOE_VC31 HC01_MOE_VC32
E_CROWD A nivel del hogar (unidades de vivienda ocupadas), estimación de más personas que habitaciones, 2012-2016 ACS 4 DP04 HC01_VC113 + HC01_VC114 Estimación; CANTIDAD DE OCUPANTES POR HABITACIÓN – unidades de vivienda ocupadas – de 1.01 a 1.50 + estimación; CANTIDAD DE OCUPANTES POR HABITACIÓN – unidades de vivienda ocupadas – 1.51 o más HC01_VC114 + HC01_VC115
M_CROWD A nivel del hogar (unidades de vivienda ocupadas), margen de error (MOE) en la estimación de más personas que habitaciones, 2012-2016 ACS 4 DP04 SQRT(HC02_VC113^2 + HC02_VC114^2) SQRT(margen de error en la estimación de la CANTIDAD DE OCUPANTES POR HABITACIÓN – unidades de vivienda ocupadas – de 1.01 a 1.50^2+ margen de error en la estimación de la CANTIDAD DE OCUPANTES POR HABITACIÓN – unidades de vivienda ocupadas – 1.51 o más^2) SQRT(HC02_VC114^2 + HC02_VC115^2)
E_NOVEH Estimación de la cantidad de hogares sin ningún vehículo disponible, 2012-2016 ACS 4 DP04 HC01_VC84 HC01_VC85
M_NOVEH Margen de error (MOE) en la estimación de la cantidad de hogares sin ningún vehículo disponible, 2012-2016 ACS 4 DP04 HC02_VC84 HC02_VC85
EP_NOVEH Estimación del porcentaje de hogares sin ningún vehículo disponible 4 DP04 HC03_VC84 HC03_VC85
MP_NOVEH Margen de error (MOE) en la estimación del porcentaje de hogares sin ningún vehículo disponible 4 DP04 HC04_VC84 HC04_VC85
E_UNINSUR Variable adjunta: estimación de la cantidad de personas sin seguro médico en el total de población civil que no está internada, 2012-2016 ACS S2701 HC02_EST_VC01 HC04_EST_VC01
M_UNINSUR Variable adjunta: margen de error (MOE) en la estimación de la cantidad de personas sin seguro médico en el total de población civil que no está internada, 2012-2016 ACS S2701 HC02_MOE_VC01 HC04_MOE_VC01
EP_UNINSUR Variable adjunta: estimación del porcentaje de personas sin seguro médico en el total de población civil que no está internada, 2012-2016 ACS S2701 HC03_EST_VC01 HC05_EST_VC01
MP_UNINSUR Variable adjunta: margen de error (MOE) en la estimación del porcentaje de personas sin seguro médico en el total de población civil que no está internada, 2012-2016 ACS S2701 HC03_MOE_VC01 HC05_MOE_VC01
Esta página fue revisada: el 20 de septiembre del 2021