Uso basico del paquete casen

In casen: Metodos De Estimacion Con Disenio Probabilistico y Estratificado en Encuesta CASEN (Estimation Methods with Probabilistic Stratified Sampling in CASEN Survey)

knitr::opts_chunk$set(eval = TRUE)

Datos de ejemplo

El uso de este paquete se mostrara a partir de los datos de ejemplo. Vamos a leer un subconjunto de la encuesta CASEN que corresponde a las comunas con representatividad comunal en la Region de los Rios. Estos datos se incluyen, a modo de demostracion, con el paquete casen, no asi las encuestas completas que deben ser descargadas y se provee una funcion para hacerlo.

library(casen)
casen_2017_los_rios

Descargar datos desde sitio web MDS

Para descargar la encuesta CASEN es posible hacerlo desde el sitio web del Ministerio de Desarrollo Social (oficial) o desde GitHub (no oficial).

No se daran ejemplos con la encuesta casen completa ya que CRAN limita el tiempo en segundos que puede tomar un ejemplo.

# todos los anios disponibles en carpeta casen-formato-stata
descargar_casen_mds("casen-formato-stata")

# solo anio 2017 en carpeta casen-formato-stata
descargar_casen_mds(2017, "casen-formato-stata")

# leer encuesta CASEN en formato DTA (Stata)
# (se debe descomprimir con winRAR u otro)
library(haven)
read_stata("casen-formato-stata/Casen 2017.dta")

Descargar datos desde GitHub

En la misma linea de la seccion anterior, es posible descargar la encuesta CASEN en formato R.

# todos los anios disponibles
descargar_casen_github("casen-formato-r")

# solo anio 2017
descargar_casen_github(2017, "casen-formato-r")

# leer encuesta CASEN en formato RDS (R)
readRDS("casen-formato-r/2017.rds")

Disenios complejos

El valor agregado del paquete CASEN es que entrega una forma facil de hacer calculos tomando en cuenta, ademas del disenio complejo, los grados de libertad.

En el contexto de muestreo bietapico, el calculo de los grados de libertad es un tema no resuelto, pero el paquete casen utiliza la siguiente definicion del INE: "Los grados de libertad corresponden a la diferencia entre el numero de conglomerados no vacios (con presencia de la variable de interes) y el numero de estratos no vacios".

En dominios de estimacion pequenios la perdida de grados de libertad se vuelve bastante relevante. Esto es muy importante cuando se hacen calculos agrupando por region, sexo, region y sexo, entre otras.

Al usar la funcion svyby del paquete survey, la funcion no calcula correctamente los grados de libertad de cada dominio, sino que considera un valor fijo para todos los dominios. Las funciones del paquete casen usan esta funcion pero incluyen una serie de pasos programados para usar los grados de libertad adecuados para cada dominio de estimacion.

# disenio complejo a partir de  los datos de ejemplo
cd <- configuracion_disenio(casen_2017_los_rios, "ytotcorh", c("comuna", "sexo"), "expc")
cd$disenio
cd$grupos

Medidas de tendencia central con disenio complejo

La funcion estadistica_descriptiva() toma en cuenta el disenio complejo y los grados de libertad. Puedo agrupar por una o mas variables y la funcion entrega, ademas del promedio, el intervalo de confianza.

# media, mediana y percentil 70
media_agrupada(cd)
mediana_agrupada(cd)
percentiles_agrupados(cd)

Uso de las funciones de casen y dplyr

Las funciones de casen estan pensadas para usarse en conjunto con las de dplyr. Un ejemplo simple de esto es el calculo del porcentaje de hogares pobres.

Veamos el caso puntual de las funciones mutate y filter de dplyr.

library(dplyr)

# convierto pobreza a una variable binaria
casen_2017_los_rios %>% 
  mutate(pobreza = ifelse(pobreza <= 2, 1, 0)) %>% 
  configuracion_disenio("pobreza", "comuna", "expc") %>% 
  media_agrupada()

Inferencia con disenios complejos

El paquete casen provee dos funciones para sacar el maximo partido a las funciones de R tomando en cuenta el disenio complejo y los grados de libertad.

Ajuste del modelo:

# modelo: ytotcorh = b0 + b1 comuna + b2 sexo + e
mod <- modelo_lineal_generalizado(cd, "ytotcorh ~ comuna + sexo")
summary(mod)

Uso de las funciones de casen con paquetes "tidy"

Ademas de dplyr, casen se integra perfectamente con los paquetes del Tidyverse y otros paquetes afines.

Por ejemplo, el paquete broom permite obtener una tabla con los intervalos de confianza para los betas estimados del modelo.

library(broom)
library(survey)
library(janitor)

# usamos ddf y degf del paquete survey para hacer el mismo calculo
# que realiza Stata
mod_conf <- confint_tidy(mod, ddf = degf(cd$disenio))
mod_conf

Lo anterior se puede ordenar y presentar los betas junto con los intervalos de confianza.

# ordenamos la salida del modelo
mod_betas <- tidy(mod)

# pegamos las columnas
mod_betas <- bind_cols(mod_betas, mod_conf)

# ordenamos los nombres de las columnas
mod_betas <- clean_names(mod_betas)

mod_betas

Comparabilidad entre encuestas

El paquete casen provee un conjunto de datos con la correspondencia de los codigos de comunas.

Veamos como convertir los codigos de la encuesta CASEN 1990 a codigos SUBDERE 2017.

codigos_casen %>% 
  filter(valido_desde == 1990)

casen1990 <- read_sav("casen-formato-spss/1990.sav") %>% 
  mutate(comu = as.integer(comu)) %>% 
  left_join(
    codigos_casen %>% filter(valido_desde == 1990) %>% select(starts_with("codigo")),
    by = c("comu" = "codigo_casen")
  )

casen documentation built on Sept. 5, 2022, 1:05 a.m.