• El encuentro reunirá el 9 de septiembre a personal investigador de referencia internacional y especialistas del grupo MODES para abordar nuevos métodos de estimación y predicción en áreas pequeñas

El CITIC de la Universidade da Coruña acogerá el próximo 9 de septiembre de 2026 la sexta edición del Workshop SISAE (Statistical Inference in Small Area Estimation), un encuentro científico organizado por el grupo MODES dedicado a analizar los últimos avances en inferencia estadística y estimación en áreas pequeñas.

El workshop tendrá lugar de 09:30 a 14:00 horas en la Sala Cloud del CITIC y contará con la participación de dos investigadores de reconocido prestigio internacional: Jiming Jiang, de la University of California (Estados Unidos), y Thuan Nguyen, de la Oregon Health and Science University (Estados Unidos). El programa se completará con las intervenciones de las investigadoras del CITIC y del grupo MODES María Bugallo Porto y Naomi Diz Rosales.

La estimación en áreas pequeñas permite obtener información estadística fiable para subpoblaciones o territorios con un tamaño muestral reducido, combinando información procedente de distintas fuentes y aprovechando las relaciones existentes entre áreas. Se trata de una línea de investigación de especial interés para ámbitos en los que resulta necesario disponer de datos desagregados y precisos, como la salud pública, la economía o el análisis territorial.

Nuevas perspectivas para la inferencia causal y funcional

El investigador Jiming Jiang abrirá el programa científico con la ponencia Small Area Causal Inference, en la que presentará un nuevo marco para abordar la inferencia causal en áreas pequeñas. Su trabajo parte de la necesidad de estudiar cómo pueden variar los efectos causales entre distintas subpoblaciones, una heterogeneidad que no siempre queda recogida en los enfoques tradicionales de inferencia causal.

La propuesta se basa en técnicas de predicción empírica óptima (Empirical Best Prediction, EBP) que permiten aprovechar conjuntamente información procedente de diferentes áreas y fuentes. El objetivo es mejorar la precisión de las estimaciones de efectos causales específicos de cada área y proporcionar procedimientos para realizar inferencia estadística sobre ellos. El trabajo incluye además un estudio mediante datos reales procedentes del ámbito de la cría animal.

Por su parte, Thuan Nguyen presentará Small Area Functional Estimation, una propuesta centrada en la estimación funcional en áreas pequeñas, donde la característica de interés no es un único valor, sino una función que evoluciona a lo largo del tiempo.

La investigación parte de aplicaciones como la estimación de tasas de cáncer específicas por edad o el análisis de indicadores de crecimiento económico a lo largo del tiempo. Nguyen extenderá el modelo de Fay-Herriot, una herramienta fundamental en estimación en áreas pequeñas, al contexto funcional, desarrollando procedimientos para obtener predicciones de estas funciones y métodos robustos para estimar los parámetros del modelo.

Investigación desarrollada desde el CITIC

La investigadora María Bugallo Porto presentará Generalized M-Quantile Small Area Estimation under Working Models, un trabajo que aborda las dificultades de predicción que pueden surgir en modelos M-quantile cuando el tamaño de los grupos es reducido.

Su propuesta combina la flexibilidad y robustez de los métodos M-quantile con las ventajas predictivas de los enfoques basados en modelos de verosimilitud. Para ello, introduce la distribución Generalized Asymmetric Least Informative (GALI) como modelo de trabajo para los errores de predicción. Este planteamiento permite interpretar la corrección del sesgo como un procedimiento sistemático de alineamiento de momentos, en lugar de como un ajuste ad hoc. El marco propuesto se extiende asimismo a resultados binarios y discretos, ampliando sus posibilidades de aplicación.

Finalmente, Naomi Diz Rosales presentará One size does not fit all: random regression coefficients in small area estimation, una investigación que parte de una cuestión clave en la estimación en áreas pequeñas: las relaciones entre las variables pueden no ser iguales en todos los territorios.

Frente a los modelos que asumen coeficientes de regresión comunes para todas las áreas, su trabajo incorpora coeficientes de regresión aleatorios, permitiendo representar explícitamente la heterogeneidad territorial en el efecto de las variables auxiliares. La metodología se aplica a dos problemas diferentes: la predicción a corto plazo de la ocupación de las unidades de cuidados intensivos por COVID-19 en las áreas sanitarias de Castilla y León y la estimación de la renta disponible por provincia, sexo, grupo de edad y año.

En ambos casos se desarrollan predictores para áreas pequeñas y procedimientos para estimar su error cuadrático medio, evaluados mediante estudios de simulación. La investigación abre además la puerta a extender este enfoque a situaciones en las que los efectos varían en función de las intervenciones o evolucionan a lo largo del tiempo.

Un punto de encuentro para la investigación en estadística

El VI Workshop SISAE ofrecerá así un espacio para compartir avances metodológicos y aplicaciones en torno a uno de los retos centrales de la estadística aplicada: obtener información precisa y útil sobre poblaciones o territorios pequeños a partir de datos limitados, incorporando al mismo tiempo la heterogeneidad entre áreas y la evolución temporal.

El encuentro podrá seguirse presencialmente en la Sala Cloud del CITIC u online a través de Microsoft Teams. Las personas interesadas en asistir de forma presencial deberán confirmar su asistencia antes del 8 de septiembre a las 12:00 horas a través de este enlace.

El programa completo y la información sobre los ponentes pueden consultarse en la página web del seminario.