In Klauslehmann/calidad: Evalúa la calidad de las estimaciones hechas por encuestas de hogares

El paquete calidad tiene por objetivo implementar de manera sencilla la metodología de INE Chile para la evaluación de estimaciones provenientes de encuestas de hogares.

El presente tutorial muestra el uso básico del paquete. Se incluye las principales funciones para calcular insumos y se describe la manera en la que la evaluación de calidad debe ser realizada.

Edición de los datos

Antes de realizar las estimaciones, se debe hacer un trabajo de edición. En este tutorial se utilizan 2 conjuntos de datos:

• Encuesta Nacional de Empleo (efm 2020)
• VIII Encuesta de Presupuestos Familiares

Ambos datasets están dentro del paquete y pueden ser utilizados cuando calidad está cargado [^haven]. La edición en el caso de la ENE tiene el objetivo de generar variables que identifiquen subpoblaciones de interés (fuerza de trabajo, ocupados, desocupados)

[^haven]: Los datos contenidos dentro del paquete tienen algunas ediciones. Es importante tener en consideración que los objetos haven::labelled pueden tener alguna colisión con las funciones de calidad. Si se quiere importar un archivo dta, se deben convertir a numeric o character todas las variables que sean de tipo haven::labelled.

library(survey)
library(calidad)
library(tidyverse)

# Generar algunas variables para la ENE
ene <- ene %>% 
  mutate(fdt = if_else(cae_especifico >= 1 & cae_especifico <= 9, 1, 0), # fuerza de trabajo
         ocupado = if_else(cae_especifico >= 1 & cae_especifico <= 7, 1, 0), # persona ocupada
         desocupado = if_else(cae_especifico >= 8 & cae_especifico <= 9, 1, 0)) # persona desocupada

# Llevar epf a nivel de hogar
epf <- epf_personas %>% 
  group_by(folio) %>% 
  slice(1)

Declarar el diseño muestral

Antes de comenzar a usar el paquete calidad es necesario declarar el diseño muestral de la encuesta que se está evaluando, para lo cual utilizamos el paquete survey. Se debe declarar el conglomerado de varianza, el estrato de varianza y el factor de expansión. Declaramos el diseño para las dos encuestas (EPF y ENE). Adicionalmente, puede ser útil declarar una opción para los estratos que solo tienen un conglomerado.

# Declarar el diseño muestral para la ENE
dc_ene <- svydesign(ids = ~conglomerado , strata = ~estrato_unico, data = ene, weights = ~fact_cal)

# Declarar el diseño muestral para la EPF
dc_epf <- svydesign(ids = ~varunit, strata = ~varstrat, data = epf, weights = ~fe)

options(survey.lonely.psu = "certainty")

Generar insumos para la evaluación

Encuesta de Empleo (parte 1)

Para evaluar la calidad de una estimación, la metodología del INE establece criterios diferenciados para estimaciones de proporción (o razón), por un lado, y estimaciones de media y total, por otro. En el caso de estimaciones de proporción se requiere contar con el tamaño muestral, los grados de libertad y el error estándar. Las otras estimaciones requieren el tamaño muestral, los grados de libertad y el coeficiente de variación.

El paquete incluye funciones diferenciadas para crear los insumos para estimaciones de media, proporción, totales y mediana. A continuación se muestra cómo se utilizan las funciones de proporción y total.

insumos_prop <- create_prop(var = desocupado, dominios = sexo, subpop = fdt, disenio =  dc_ene)
insumos_total <-  create_tot(var = desocupado, dominios = sexo, subpop = fdt, disenio =  dc_ene)

• var: variable que se quiere estimar. Debe ser una variable dummy[^dummy]
• dominios: desagregación que se requiere.
• subpop: selección de una subpoblación de referencia. Es opcional y funciona a modo de filtro (debe ser una variable dummy)
• disenio: diseño muestral

[^dummy]: Cuando se está desagregando, es decir, cuando se utiliza el parámetro dominios, se debe usar siempre una variable dummy. Por otro lado, cuando no se quiere desagregar, es posible agregar una variable discreta con más cateorías, como por ejemplo, región.

La función retorna todos los insumos necesarios para generar el estándar

insumos_total

Para obtener más desagregaciones, podemos usar el símbolo "+" de la siguiente manera:

desagregar <- create_prop(var = desocupado, dominios = sexo+region, subpop = fdt, disenio =  dc_ene)

Encuesta de Presupuestos Familiares (parte 2)

En ciertas ocasiones puede ser de interés evaluar la calidad de una suma. Por ejemplo, la suma de todos los ingresos de la EPF a nivel de zona geográfica (Gran Santiago y resto de capitales regionales). Para ello, existe la función create_tot_con. Esta función recibe una variable continua como horas, gasto o ingreso y genera totales al nivel solicitado. La terminación "con" de la función hace alusión a que se está usando una variable continua.

insumos_suma <-  create_tot_con(var = gastot_hd, dominios = zona, disenio =  dc_epf)

Si queremos evaluar la estimación de una media, contamos con la función crear_insumos_media. En este caso, calcularemos la media de gasto de los hogares, según área geográfica.

insumos_media <-  create_mean(var = gastot_hd, dominios = zona, disenio =  dc_epf)

Cabe mencionar que el uso por defecto es no desagregar, en cuyo caso las funciones deben ser utilizadas del siguiente modo:

# Usando datos de la ENE
insumos_prop_nacional <- create_prop(desocupado, subpop = fdt, disenio = dc_ene)
insumos_total_nacional <-  create_tot(desocupado, subpop = fdt, disenio = dc_ene)

# Usando datos de la EPF
insumos_suma_nacional <- create_tot_con(gastot_hd, disenio = dc_epf)
insumos_media_nacional <-  create_mean(gastot_hd, disenio = dc_epf)

Nótese que en el caso de las funciones crear_insumos_prop y crear_insumos_tot, seguimos usando el argumento subpop. Esto no es necesario para que la función corra, pero dado que se quiere estimar el desempleo, se debe considerar la subpoblación de referencia.

Generar evaluación

Una vez que se han generado los insumos, podemos hacer la evaluación. Nuevamente, usamos funciones diferentes para cada uno de los tipos de estimación.

evaluacion_prop <- evaluate_prop(insumos_prop)
evaluacion_tot <- evaluate_tot(insumos_total)

evaluacion_suma <- evaluate_tot_con(insumos_suma)
evaluacion_media <- evaluate_mean(insumos_media)

La salida de estas últimas funciones es un dataframe que, además de contener la información ya generada, incluye una columna que indica si la estimación es no fiable, poco fiable o fiable.

Las mismas funciones para evaluar tienen un parámetro que nos permite saber si el tabulado debe o no ser publicado. Siguiendo el criterio del estándar, si más del 50% de las estimaciones de un tabulado no son fiables, este no debería ser publicado.

# Desempleo desagregado por region
desagregar <- create_tot(var = desocupado, dominios = region, subpop = fdt, disenio =  dc_ene)

# Evaluar tabulado
evaluacion_tot_desagreg <- evaluate_tot(desagregar, publicar = T)

En el caso de un tabulado de total de desempleados por región, el resultado de la función nos muestra que el 81,25 de las celdas cumple con el criterio de fiabilidad, por ende, puede ser publicado.

Visualización en html

Actualmente, están en desarrollo algunas funcionalidades para visualizar los resultados. La función tabla_html genera una tabla en html que señaliza con los colores amarillo, verde y rojo la calidad de las estimaciones. Además, indica cuál de los insumos es el que está afectando a la clasificación de calidad.

tabla_html(evaluacion_tot_desagreg)

Klauslehmann/calidad documentation built on May 1, 2021, 6:35 a.m.