class: center, middle, inverse, title-slide # <img src="assets/img/viernesdemarzo2.png" alt="viernes de Marzo" /> ## <a href="https://rpubs.com/jaortega/vieRnesEncuestas">https://rpubs.com/jaortega/vieRnesEncuestas</a> ### <img src="assets/img/usallogo.jpg" alt="usal" /> --- background-image: url(assets/img/viernesdemarzo.png) background-size: 80% ??? Image credit: [http://cursoronline.usal.es/viernes.html) --- class: inverse, center, middle # Introducción --- # ¿Qué hace especial el trabajar con encuestas? - Las encuestas incluyen una serie de *items* sobre un conjunto de *observaciones*: Parecen corresponderse con los [datos ordenados (*tibbles* o *data.frames*)](https://bookdown.org/content/3515/tidydata.html) -- Dos características los diferencian: - En las encuestas son básicos los **metadatos** para poder trabajar con ellas, en particular los **Metadatos de variable**: - *Etiquetas de variable*: Pregunta en el cuestionario, descripción de la variable. - *Etiquetas de valor*: Redacción de las posibles respuestas. Tipos de no respuesta. -- - Las encuestas rara vez son muestras aleatorias (*encuestas complejas*). Si las tratamos como si fuera m.a. los resultados no son representativos: - Las medias y porcentajes no se corresponden con los de la población. - Los errores estándar no están bien calculados. --- # Soluciones - En las encuestas son básicos los **metadatos** para poder trabajar con ellas, en particular los **Metadatos de variable**: - *Etiquetas de variable*: Pregunta en el cuestionario, descripción de la variable. - *Etiquetas de valor*: Redacción de las posibles respuestas. Tipos de no respuesta. #### [labelled data](https://cran.r-project.org/web/packages/sjlabelled/vignettes/intro_sjlabelled.html) -- - Las encuestas rara vez son muestras aleatorias (*encuestas complejas*). Si lo tratamos como si fuera m.a. los resultados no son representativos: - Las medias y porcentajes no se corresponden con los de la población. -- #### [Uso de pesos en tablas y modelos](https://rpubs.com/jaortega/EncuestaR1) -- - Los errores estándar no están bien calculados. #### [Paquete {survey}](https://rpubs.com/jaortega/EncuestaR2) --- ## Resumen de paquetes útiles para trabajar con encuestas: |Paquete | ¿Para qué? | | :------------- |:------------------------------:| | [{haven}](https://cran.r-project.org/web/packages/haven/) | Importar con etiquetas | | [{labelled}](https://cran.r-project.org/web/packages/labelled/) | Manejar etiquetas y variables. Transformar. | | [{sjlabelled}](https://cran.r-project.org/web/packages/sjlabelled/) | Manejar etiquetas. Transformar variables | | [{sjmisc}](https://cran.r-project.org/web/packages/sjmisc/) | Describir variables. Tablas. | | [{expss}](https://cran.r-project.org/web/packages/expss/) | Manejo variables. Presentar resultados. | | [{memisc}](https://cran.r-project.org/web/packages/memisc/) | Importar, transformar, presentar. | | [{sjPlot}](https://cran.r-project.org/web/packages/sjPlot/) | Tablas, gráficos publicables | | [{survey}](https://r-survey.r-forge.r-project.org/survey/) | Análisis encuestas complejas | --- class: inverse, center, middle # Lectura de datos de encuesta --- .pull-left[ ### Formatos más habituales: - `csv` o `fwf` + Diseño de registro en `xls`: En desuso. [`{microdatosES}`](https://cran.r-project.org/web/packages/MicroDatosEs/index.html) - Formatos internos de R: - `rds`: `data=readRDS(...)` - `RData`: `load(`xxx.RData`) - Formatos específicos de software estadístico: - `sav`: *SPSS* - `dat`: *STATA* - *SAS* ] .pull-right[ ### Lectura de datos SPSS |Paquete | Función | Resultado | | :------------- |:-------------:|:-----------------:| | foreign | `read.spss` | *list* o *data.frame* con atributo *labels*| | haven | `read_sav` | *tibble* clase *haven_labelled* | | sjlabelled | `read_spss` | *tibble* clase *labelled* | | memisc | `spss.system.file` + `as.data.set`| `data.set` convertible a `data.frame` | | eatGADS | `import_spss` | *GADSdat* multinivel | ] --- .left-column[ ##Ejemplo: Uso de anticonceptivos en la [**ENDES-DHS Perú 2019**](http://iinei.inei.gob.pe/microdatos/index.htm) <hr> **Bajar datos** <hr> Variables de interés <hr> Lectura <hr> <br> .footnote[Más extenso [aquí](https://rpubs.com/jaortega/EncuestaR2)] ] .right-column[ Vamos a realizar un análisis completo (factores en el uso de anticonceptivos) de una encuesta compleja. Empezamos por bajar los datos a nuestro disco. ```r library(tidyverse) urlbase="http://iinei.inei.gob.pe/iinei/srienaho/descarga/SPSS/" # Generamos una tiabla con las extensiones y # contenidos de los ficheros ficheros= tribble(~contenido,~fichero, "DatosBasicos","691-Modulo66.zip", "Nacimientos","691-Modulo67.zip", "Nupcialidad","691-Modulo71.zip" ) # Bajamos a la carpeta data aprovechando las # funciones del paquete purrr del tidyverse ficheros %>% pwalk(~download.file(paste0(urlbase,.y), destfile=paste0("data/",.x,".zip"),mode="wb")) ``` Recordatorio: `%>%`, el operador *después*, define operaciones de forma secuencial. En RStudio: `CTR+MAYUSC+M`. ] --- .left-column[ ##Ejemplo: Uso de anticonceptivos en la [**ENDES-DHS Perú 2019**](http://iinei.inei.gob.pe/microdatos/index.htm) <hr> Bajar datos <hr> **Variables de interés** <hr> Lectura <hr> <br> .footnote[Más extenso [aquí](https://rpubs.com/jaortega/EncuestaR2)] ] .right-column[ .panelset[ .panel[.panel-name[Código] ```r varsel=tribble(~Variable,~Significado,~Módulo,~Fichero,~Tipo, "V313","Uso actual de método","RE223132","Nacimientos","Explicada", "V218","Hijos vivos","RE223132","Nacimientos","Explicativa", "V106","Nivel educativo","REC0111","DatosBasicos","Explicativa", "V012","Edad actual","REC0111","DatosBasicos","Explicativa", "V013","Grupo de edad","REC0111","DatosBasicos","Explicativa", "V025","Lugar de residencia","REC0111","DatosBasicos","Explicativa", "V501","Estado civil","RE516171","Nupcialidad","Explicativa", "V213","Embarazada","RE223132","Nacimientos","Selección", "V536","Actividad sexual","RE516171","Nupcialidad","Selección", "CASEID","Identificación indiv","Todos","Todos","Técnica", "V022","Estrato","REC0111","DatosBasicos","Técnica", "V004","Unidad de área final","REC0111","DatosBasicos","Técnica", "V005","Ponderación (mujer)","REC0111","DatosBasicos","Técnica") ``` ] .panel[.panel-name[Tabla] <table> <thead> <tr> <th style="text-align:left;"> Variable </th> <th style="text-align:left;"> Significado </th> <th style="text-align:left;"> Fichero </th> <th style="text-align:left;"> Tipo </th> </tr> </thead> <tbody> <tr> <td style="text-align:left;"> V313 </td> <td style="text-align:left;"> Uso actual de método </td> <td style="text-align:left;"> Nacimientos </td> <td style="text-align:left;"> Explicada </td> </tr> <tr> <td style="text-align:left;"> V218 </td> <td style="text-align:left;"> Hijos vivos </td> <td style="text-align:left;"> Nacimientos </td> <td style="text-align:left;"> Explicativa </td> </tr> <tr> <td style="text-align:left;"> V106 </td> <td style="text-align:left;"> Nivel educativo </td> <td style="text-align:left;"> DatosBasicos </td> <td style="text-align:left;"> Explicativa </td> </tr> <tr> <td style="text-align:left;"> V012 </td> <td style="text-align:left;"> Edad actual </td> <td style="text-align:left;"> DatosBasicos </td> <td style="text-align:left;"> Explicativa </td> </tr> <tr> <td style="text-align:left;"> V013 </td> <td style="text-align:left;"> Grupo de edad </td> <td style="text-align:left;"> DatosBasicos </td> <td style="text-align:left;"> Explicativa </td> </tr> <tr> <td style="text-align:left;"> V025 </td> <td style="text-align:left;"> Lugar de residencia </td> <td style="text-align:left;"> DatosBasicos </td> <td style="text-align:left;"> Explicativa </td> </tr> <tr> <td style="text-align:left;"> V501 </td> <td style="text-align:left;"> Estado civil </td> <td style="text-align:left;"> Nupcialidad </td> <td style="text-align:left;"> Explicativa </td> </tr> <tr> <td style="text-align:left;"> V213 </td> <td style="text-align:left;"> Embarazada </td> <td style="text-align:left;"> Nacimientos </td> <td style="text-align:left;"> Selección </td> </tr> <tr> <td style="text-align:left;"> V536 </td> <td style="text-align:left;"> Actividad sexual </td> <td style="text-align:left;"> Nupcialidad </td> <td style="text-align:left;"> Selección </td> </tr> <tr> <td style="text-align:left;"> CASEID </td> <td style="text-align:left;"> Identificación indiv </td> <td style="text-align:left;"> Todos </td> <td style="text-align:left;"> Técnica </td> </tr> <tr> <td style="text-align:left;"> V022 </td> <td style="text-align:left;"> Estrato </td> <td style="text-align:left;"> DatosBasicos </td> <td style="text-align:left;"> Técnica </td> </tr> <tr> <td style="text-align:left;"> V004 </td> <td style="text-align:left;"> Unidad de área final </td> <td style="text-align:left;"> DatosBasicos </td> <td style="text-align:left;"> Técnica </td> </tr> <tr> <td style="text-align:left;"> V005 </td> <td style="text-align:left;"> Ponderación (mujer) </td> <td style="text-align:left;"> DatosBasicos </td> <td style="text-align:left;"> Técnica </td> </tr> </tbody> </table> ] ] ] --- .left-column[ ##Ejemplo: Uso de anticonceptivos en la [**ENDES-DHS Perú 2019**](http://iinei.inei.gob.pe/microdatos/index.htm) <hr> Bajar datos <hr> Variables de interés <hr> **Lectura** <hr> <br> .footnote[Más extenso [aquí](https://rpubs.com/jaortega/EncuestaR2)] ] .right-column[ .panelset[ .panel[.panel-name[Descomprimimos] ```r temp <- tempfile() varsel %>% filter(Fichero!="Todos") %>% pull(Fichero) %>% unique() %>% paste0("data/",.,".zip") %>% walk(unzip,junkpaths=TRUE,exdir=temp) #Descomprime todo en la misma carpeta .m = varsel %>% filter(Módulo!="Todos") %>% pull(Módulo) %>% unique() dir(temp) %>% as_tibble() %>% filter(value %>% str_detect(.m %>% paste(collapse="|"))) %>% mutate(value=paste(temp,value,sep="/")) %>% pull(value) %>% file.copy("data/") rm(.m) ``` Las funciones del [**{tidyverse}**](https://www.tidyverse.org/) son utilísimas para manipular *tiablas* Esta encuesta está bien definida, y {haven} funciona perfectamente. [Aquí](https://rpubs.com/jaortega/EncuestaR1) podéis ver otro ejemplo, con una encuesta del INE que tiene variables con problemas y hay que utilizar otros alternativas de lectura. ] .panel[.panel-name[Lectura con {haven}] Leemos directamente desde el `sav` el archivo de datos básicos, al que le pegamos los datos de nacimientos y nupcialidad. Este es un caso complejo porque los datos están en varios ficheros. Si sólo hay uno es muy sencillo. ```r library(haven) DHS=read_sav("data/REC0111.sav") %>% left_join(read_sav("data/RE223132.sav"),by=c("ID1","CASEID")) %>% left_join(read_sav("data/RE516171.sav"),by=c("ID1","CASEID")) class(DHS) # Se trata de una "tiabla" ``` ``` ## [1] "tbl_df" "tbl" "data.frame" ``` ```r dim(DHS) # Con estas dimensiones: ``` ``` ## [1] 38335 361 ``` ] ] ] --- class: inverse, center, middle # Trabajando con etiquetas: *labelled data* --- ## Objetos `labelled` en R - Hay dos [clases en R con etiquetas](https://cran.r-project.org/web/packages/sjlabelled/vignettes/intro_sjlabelled.html), compatibles entre sí, `labelled` y `haven-labelled`. - Ambas tienen etiquetas de variable (*variable labels*) y etiquetas de valores (*value labels*). - Desafortunadamente la mayoría de los paquetes de R no *entienden* las variables con etiquetas. - Aparentemente son variables numéricas, pero cada valor tiene asignado un código. - Podemos trabajar con los paquetes que entienden las etiquetas, o convertirlas a factores o variables numéricas.  .footnote[ [Fuente: {labelled}](https://cran.r-project.org/web/packages/labelled/vignettes/intro_labelled.html)] --- .left-column[ ##Ejemplo: Uso de anticonceptivos en la [**ENDES-DHS Perú 2019**](http://iinei.inei.gob.pe/microdatos/index.htm) <br> <hr> ### Busqueda de variables <hr <br> .footnote[Más extenso [aquí](https://rpubs.com/jaortega/EncuestaR2)] ] .right-column[ .panelset[ .panel[.panel-name[`{sjmisc}`] ```r # install.packages("sjmisc") DHS %>% sjmisc::find_var("Edad") %>% knitr::kable() ``` | col.nr|var.name |var.label | |------:|:--------|:------------------------------------------| | 13|V012 |Edad actual - entrevistada | | 14|V013 |Edad actual por grupos de 5 años | | 75|V152 |Edad del jefe del hogar | | 117|V212 |Edad del entrevistado al primer nacimiento | | 159|V320 |Edad en la esterilización | | 290|V511 |Edad al primer matrimonio | | 293|V525 |Edad en la primera relación sexual | | 298|V531 |Edad en la primera relación sexual (imp) | | 344|V730 |Edad del esposo/compañero | ] .panel[.panel-name[`{labelled}`] ```r # install.packages("labelled") labelled::look_for(DHS,"hijos") %>% knitr::kable() ``` | pos|variable |label |col_type |class |type |levels |value_labels |na_values |na_range | unique_values| n_na|range | |---:|:--------|:-------------------------------------------------------------------------------------------|:--------|:--------------------------------------|:------|:------|:-------------------|:---------|:--------|-------------:|-----:|:-----| | 107|V202 |¿Cuántos hijos viven con usted? |dbl |numeric |double |NULL |NULL |NULL |NULL | 9| 1413|0, 7 | | 109|V204 |¿Cuántos hijos no están viviendo con usted? |dbl |numeric |double |NULL |NULL |NULL |NULL | 8| 1413|0, 6 | | 111|V206 |¿Cuántos hijos han muerto? |dbl |numeric |double |NULL |NULL |NULL |NULL | 6| 1413|0, 4 | | 124|V219 |Número total de hijos vivos incluido el embarazo actual |dbl |numeric |double |NULL |NULL |NULL |NULL | 15| 1413|0, 13 | | 125|V220 |Número total de hijos vivos incluido el embarazo actual (6, si es mayor de 6) |dbl+lbl |haven_labelled, vctrs_vctr , double |double |NULL |6 |NULL |NULL | 8| 1413|0, 6 | | 150|V310 |Cuantas hijas e hijos tenía cuando empezó a usar el primer método para no quedar embarazada |dbl |numeric |double |NULL |NULL |NULL |NULL | 13| 9415|0, 12 | | 151|V311 |Cuantas hijas e hijos tenía cuando empezó a usar el primer método (Grupos) |dbl+lbl |haven_labelled, vctrs_vctr , double |double |NULL |4, 5 |NULL |NULL | 7| 5024|0, 5 | | 310|V605 |Deseo de tener más hijos |dbl+lbl |haven_labelled, vctrs_vctr , double |double |NULL |1, 2, 3, 4, 5, 6, 7 |NULL |NULL | 8| 5024|1, 7 | | 314|V621 |Piensa que su esposo/compañero desea el mismo número de hijos |dbl+lbl |haven_labelled, vctrs_vctr , double |double |NULL |1, 2, 3, 8 |NULL |NULL | 5| 18367|1, 8 | | 319|V627 |Número ideal de hijos |dbl+lbl |haven_labelled, vctrs_vctr , double |double |NULL |96 |NULL |NULL | 14| 5024|0, 96 | ] ] ] --- .left-column[ ##Ejemplo: Uso de anticonceptivos en la [**ENDES-DHS Perú 2019**](http://iinei.inei.gob.pe/microdatos/index.htm) ### Describir variables <hr> **Funciones genéricas** <hr> Etiquetas <hr> Tabulaciones <hr> Estadísticos <hr> .footnote[Más extenso [aquí](https://rpubs.com/jaortega/EncuestaR2)] ] .right-column[ Seleccionamos nuestra variable de interés, `V313`, la variable de uso de anticonceptivos. Obviamente no es una variable cuantitativa, pero los datos `labelled` están almacenados como número, con las etiquetas como atributos. ```r class(DHS$V313) #Clase del objeto ``` ``` ## [1] "haven_labelled" "vctrs_vctr" "double" ``` ```r summary(DHS$V313) #Resumen. Función genérica, pero sin método para labelled ``` ``` ## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's ## 0.000 0.000 2.000 1.673 3.000 3.000 5024 ``` > Aunque no sea numérico, `summary` *no se da cuenta*. Eso les pasa a muchas funciones. #### Es básico trabajar con funciones que entiendan los datos `labelled` o transformarlas a factores o variables cuantitativas. ] --- .left-column[ ##Ejemplo: Uso de anticonceptivos en la [**ENDES-DHS Perú 2019**](http://iinei.inei.gob.pe/microdatos/index.htm) ### Describir variables <hr> Funciones genéricas <hr> **Etiquetas** <hr> Tabulaciones <hr> Estadísticos <hr> .footnote[Más extenso [aquí](https://rpubs.com/jaortega/EncuestaR2)] ] .right-column[ Tanto `sjlabelled` como `labelled` y `expss` tienen funciones. .panelset[ .panel[.panel-name[`{sjlabelled}`] ```r # install.packages("sjlabelled") sjlabelled::get_label(DHS$V313) #Etiqueta de variable ``` ``` ## [1] "Uso actual por tipo de método" ``` ```r sjlabelled::get_labels(DHS$V313) #Etiquetas de valor ``` ``` ## [1] "No hay método" "Método folclórico" ## [3] "Método tradicional" "Método moderno" ``` ] .panel[.panel-name[`{labelled}`] ```r # install.packages("labelled") labelled::var_label(DHS$V313) #Etiqueta de variable ``` ``` ## [1] "Uso actual por tipo de método" ``` ```r labelled::val_labels(DHS$V313) # Etiquetas de valor ``` ``` ## No hay método Método folclórico Método tradicional ## 0 1 2 ## Método moderno ## 3 ``` ] .panel[.panel-name[`{expss}`] ```r # install.packages("expss") expss::var_lab(DHS$V313) #Etiqueta de variable ``` ``` ## [1] "Uso actual por tipo de método" ``` ```r expss::val_lab(DHS$V313) # Etiquetas de valor ``` ``` ## No hay método Método folclórico Método tradicional ## 0 1 2 ## Método moderno ## 3 ``` ] ] ] --- .left-column[ ##Ejemplo: Uso de anticonceptivos en la [**ENDES-DHS Perú 2019**](http://iinei.inei.gob.pe/microdatos/index.htm) ### Describir variables <hr> Funciones genéricas <hr> Etiquetas <hr> **Tabulaciones** <hr> Estadísticos <hr> .footnote[ Más extenso [aquí](https://rpubs.com/jaortega/EncuestaR2)] ] .right-column[ Tanto `sjmisc` como `memisc` o el `tidyverse` tienen funciones. .panelset[ .panel[.panel-name[{sjmisc}] ```r # install.packages("sjmisc") sjmisc::frq(DHS$V313) #Tabulación simple ``` ``` ## ## Uso actual por tipo de método (x) <numeric> ## # total N=38335 valid N=33311 mean=1.67 sd=1.39 ## ## Value | Label | N | Raw % | Valid % | Cum. % ## ------------------------------------------------------------- ## 0 | No hay método | 13017 | 33.96 | 39.08 | 39.08 ## 1 | Método folclórico | 188 | 0.49 | 0.56 | 39.64 ## 2 | Método tradicional | 4762 | 12.42 | 14.30 | 53.94 ## 3 | Método moderno | 15344 | 40.03 | 46.06 | 100.00 ## <NA> | <NA> | 5024 | 13.11 | <NA> | <NA> ``` ] .panel[.panel-name[{memisc}] ```r # install.packages("memisc") memisc::codebook(DHS$V313) # Si hay más variables, de todas. ``` ``` ## ============================================================ ## ## DHS$V313 'Uso actual por tipo de método' ## ## ------------------------------------------------------------ ## ## Storage mode: double ## Measurement: undefined ## ## Values and labels N Valid Total ## ## 0 'No hay método' 13017 39.1 34.0 ## 1 'Método folclórico' 188 0.6 0.5 ## 2 'Método tradicional' 4762 14.3 12.4 ## 3 'Método moderno' 15344 46.1 40.0 ## NA M 5024 13.1 ``` ] .panel[.panel-name[{tidyverse}] Las versiones antiguas no reconocían etiquetas. ¡Ahora sí! ```r DHS %>% count(V313) %>% mutate(`% (todos)`=n/sum(n)*100, `% (validos)`=n/(sum(n)-last(n))*100) ``` ``` ## # A tibble: 5 x 4 ## V313 n `% (todos)` `% (validos)` ## * <dbl+lbl> <int> <dbl> <dbl> ## 1 0 [No hay método] 13017 34.0 39.1 ## 2 1 [Método folclórico] 188 0.490 0.564 ## 3 2 [Método tradicional] 4762 12.4 14.3 ## 4 3 [Método moderno] 15344 40.0 46.1 ## 5 NA 5024 13.1 15.1 ``` ] ] ] --- .left-column[ ##Ejemplo: ### Describir variables cuantitativas <hr> Funciones genéricas <hr> Etiquetas <hr> Tabulaciones <hr> **Estadísticos** <hr> <br> .footnote[Más extenso [aquí](https://rpubs.com/jaortega/EncuestaR2) ] ] .right-column[ .panelset[ .panel[.panel-name[{sjmisc}] ```r sjmisc::descr(DHS %>% select(V201,V218)) ``` ``` ## ## ## Basic descriptive statistics ## ## var type label n NA.prc mean sd ## V201 numeric Total de niños nacidos 36922 3.69 1.78 1.75 ## V218 numeric Número de niños vivos 36922 3.69 1.73 1.67 ## se md trimmed range iqr skew ## 0.01 1 1.54 13 (0-13) 3 1.33 ## 0.01 1 1.51 13 (0-13) 3 1.23 ``` ] .panel[.panel-name[{Hmisc}] ```r # install.packages("Hmisc") Hmisc::describe(DHS %>% select(V201)) # Si hay más variables, de todas. ``` ``` ## DHS %>% select(V201) ## ## 1 Variables 38335 Observations ## ------------------------------------------------------------ ## V201 : Total de niños nacidos Format:F2.0 ## n missing distinct Info Mean Gmd ## 36922 1413 14 0.953 1.782 1.837 ## .05 .10 .25 .50 .75 .90 ## 0 0 0 1 3 4 ## .95 ## 5 ## ## lowest : 0 1 2 3 4, highest: 9 10 11 12 13 ## ## Value 0 1 2 3 4 5 6 7 ## Frequency 10565 7950 8074 5099 2583 1294 642 328 ## Proportion 0.286 0.215 0.219 0.138 0.070 0.035 0.017 0.009 ## ## Value 8 9 10 11 12 13 ## Frequency 187 99 66 22 10 3 ## Proportion 0.005 0.003 0.002 0.001 0.000 0.000 ## ------------------------------------------------------------ ``` ] .panel[.panel-name[{qwraps2}] ```r # install.packages("qwraps2") options(qwraps2_markup = "markdown") qwraps2::summary_table(DHS %>% select(V201,V218)) ``` | |DHS %>% select(V201, V218) (N = 38,335) | |:----------------------------|:---------------------------------------| |**Total de niños nacidos** |&nbsp;&nbsp; | |&nbsp;&nbsp; minimum |0.00 | |&nbsp;&nbsp; median (IQR) |1.00 (0.00, 3.00) | |&nbsp;&nbsp; mean (sd) |1.78 &plusmn; 1.75 | |&nbsp;&nbsp; maximum |13.00 | |&nbsp;&nbsp; Unknown/Missing |1,413 (3.69%) | |**Número de niños vivos** |&nbsp;&nbsp; | |&nbsp;&nbsp; minimum |0.00 | |&nbsp;&nbsp; median (IQR) |1.00 (0.00, 3.00) | |&nbsp;&nbsp; mean (sd) |1.73 &plusmn; 1.67 | |&nbsp;&nbsp; maximum |13.00 | |&nbsp;&nbsp; Unknown/Missing |1,413 (3.69%) | ] ] ] --- class: inverse, center, middle # Encuestas complejas: Uso de pesos en tabulaciones y modelos --- ## ¿Por qué es necesario usar pesos? La gran mayoría de encuestas NO son una **muestra aleatoria simple**. Suelen ser muestreo aleatorio dentro de **unidades primarias de muestreo**. Éstas quedan definidas por los: - **Estratos**: Subpoblaciones naturales que queremos estudiar (ej: sexo, edad, CCAA). - **Conglomerados**: Unidades definidas dentro de cada estrato seleccionadas por muestreo. > El resultado es que las distintas unidades no tienen la misma probabilidad de ser seleccionadas. Para obtener estimaciones **representativas** de la población debemos dar más peso a las observaciones con menor **probabilidad de inclusión**. --- ## Tipos de pesos - **Peso de diseño**: Calculado como la inversa de la probabilidad de selección. - **Peso postestratificación**: Ajustan por la tasa de no respuesta dentro de cada unidad primaria de muestreo. - **Peso normalizado**: Peso tipificado para tener media igual a 1. > Muchos procedimientos estadísticos en **R** (ej: `glm`), asumen que, si hay pesos, representan el número de observaciones. Es necesario usar *pesos normalizados* para no sobrevalorar la precisión teniendo en cuenta las distintas probabilidad de selección. > La *DHS* proporciona **pesos postestratificación normalizados** ```r DHS = DHS %>% mutate(peso=V005/1000000) DHS %>% sjmisc::descr(peso) ``` ``` ## ## ## Basic descriptive statistics ## ## var type label n NA.prc mean sd ## peso numeric Factor de ponderacion 38335 0 0.96 1.67 ## se md trimmed range iqr skew ## 0.01 0.45 0.61 28.92 (0-28.92) 0.7456075 4.7 ``` --- ## Distribución de los pesos en el ejemplo .pull-left[ Los pesos normalizados representan cuán infrarrepresentadas están las mujeres *como* la entrevistada. ```r DHS %>% ggplot(aes(y=peso,x=0),alpha=0.7) + geom_jitter(size=0.1) + geom_violin(fill="magenta") + scale_y_log10() + scale_x_discrete(labels = NULL, breaks = NULL) + labs(x = "") + theme_minimal(20) ``` > Algunas mujeres están 10 veces sobrerrepresentadas y otras 10 veces infrarrepresentadas. **Muy lejos del muestreo aleatorio**. ] .pull-right[  > **Sesgos** al no ponderar si la variable de interés se relaciona con el peso ] --- .left-column[ ##Ejemplo: Uso de anticonceptivos en la [**ENDES-DHS Perú 2019**](http://iinei.inei.gob.pe/microdatos/index.htm) ### Tablas ponderadas <hr> **Una variable** <hr> Tabulaciones cruzadas <hr> Modelos <hr> .footnote[Más extenso [aquí](https://rpubs.com/jaortega/EncuestaR2)] ] .right-column[ Tanto `sjmisc` como `expss` y el `tidyverse` tienen funciones. .panelset[ .panel[.panel-name[Sin ponderar] ```r # install.packages("sjmisc") sjmisc::frq(DHS$V313) #Tabulación simple ``` ``` ## ## Uso actual por tipo de método (x) <numeric> ## # total N=38335 valid N=33311 mean=1.67 sd=1.39 ## ## Value | Label | N | Raw % | Valid % | Cum. % ## ------------------------------------------------------------- ## 0 | No hay método | 13017 | 33.96 | 39.08 | 39.08 ## 1 | Método folclórico | 188 | 0.49 | 0.56 | 39.64 ## 2 | Método tradicional | 4762 | 12.42 | 14.30 | 53.94 ## 3 | Método moderno | 15344 | 40.03 | 46.06 | 100.00 ## <NA> | <NA> | 5024 | 13.11 | <NA> | <NA> ``` ] .panel[.panel-name[{sjmisc}] ```r sjmisc::frq(DHS,V313,weights=peso) #Tabulación ponderada ``` ``` ## ## Uso actual por tipo de método (V313) <numeric> ## # total N=33381 valid N=33381 mean=1.44 sd=1.41 ## ## Value | Label | N | Raw % | Valid % | Cum. % ## ------------------------------------------------------------- ## 0 | No hay método | 15916 | 47.68 | 47.68 | 47.68 ## 1 | Método folclórico | 102 | 0.31 | 0.31 | 47.99 ## 2 | Método tradicional | 4237 | 12.69 | 12.69 | 60.68 ## 3 | Método moderno | 13126 | 39.32 | 39.32 | 100.00 ## <NA> | <NA> | 0 | 0.00 | <NA> | <NA> ``` > Grandes diferencias, por ejemplo en las no usuarias. ] .panel[.panel-name[{expss}] Requiere más código, pero permite controlar todo lo que se pone en las tablas, y permite pesos. ```r library(expss) DHS %>% tab_cells(V313) %>% tab_weight(peso) %>% tab_stat_cpct() %>% tab_pivot() ``` <table class='gmisc_table' style='border-collapse: collapse; margin-top: 1em; margin-bottom: 1em;' > <thead> <tr><th style='border-bottom: 1px solid grey; font-weight: 900; border-top: 2px solid grey; text-align: center;'></th> <th style='font-weight: 900; border-bottom: 1px solid grey; border-top: 2px solid grey; text-align: center;'>&nbsp;#Total&nbsp;</th> </tr> </thead> <tbody> <tr><td colspan='2' style='font-weight: 900;'>&nbsp;Uso actual por tipo de método&nbsp;</td></tr> <tr> <td style='text-align: left;'>&nbsp;&nbsp;&nbsp;No hay método&nbsp;</td> <td style='text-align: right;'>47.7</td> </tr> <tr> <td style='text-align: left;'>&nbsp;&nbsp;&nbsp;Método folclórico&nbsp;</td> <td style='text-align: right;'>0.3</td> </tr> <tr> <td style='text-align: left;'>&nbsp;&nbsp;&nbsp;Método tradicional&nbsp;</td> <td style='text-align: right;'>12.7</td> </tr> <tr> <td style='text-align: left;'>&nbsp;&nbsp;&nbsp;Método moderno&nbsp;</td> <td style='text-align: right;'>39.3</td> </tr> <tr> <td style='border-bottom: 2px solid grey; text-align: left;'>&nbsp;&nbsp;&nbsp;#Total cases&nbsp;</td> <td style='border-bottom: 2px solid grey; text-align: right;'>33311</td> </tr> </tbody> </table> ] .panel[.panel-name[{tidyverse}] ```r DHS %>% count(V313,wt=peso) %>% mutate(`% (todos)`=n/sum(n)*100, `% (validos)`=n/(sum(n)-last(n))*100) ``` ``` ## # A tibble: 5 x 4 ## V313 n `% (todos)` `% (validos)` ## * <dbl+lbl> <dbl> <dbl> <dbl> ## 1 0 [No hay método] 15916. 43.1 47.7 ## 2 1 [Método folclórico] 102. 0.277 0.306 ## 3 2 [Método tradicional] 4237. 11.5 12.7 ## 4 3 [Método moderno] 13126. 35.6 39.3 ## 5 NA 3540. 9.59 10.6 ``` ] ] ] --- .left-column[ ##Ejemplo: Uso de anticonceptivos en la [**ENDES-DHS Perú 2019**](http://iinei.inei.gob.pe/microdatos/index.htm) ### Tablas ponderadas <hr> Una variable <hr> **Tabulaciones cruzadas** <hr> Modelos <hr> .footnote[Más extenso [aquí](https://rpubs.com/jaortega/EncuestaR2)] ] .right-column[ .panelset[ .panel[.panel-name[{sjmisc}] ```r DHS %>% group_by(V025) %>% sjmisc::frq(V313,weights=peso) # ponderada ``` ``` ## ## Uso actual por tipo de método (V313) <numeric> ## # grouped by: Urbano ## # total N=27574 valid N=27574 mean=1.42 sd=1.42 ## ## Value | Label | N | Raw % | Valid % | Cum. % ## ------------------------------------------------------------- ## 0 | No hay método | 13473 | 48.86 | 48.86 | 48.86 ## 1 | Método folclórico | 48 | 0.17 | 0.17 | 49.04 ## 2 | Método tradicional | 3130 | 11.35 | 11.35 | 60.39 ## 3 | Método moderno | 10923 | 39.61 | 39.61 | 100.00 ## <NA> | <NA> | 0 | 0.00 | <NA> | <NA> ## ## ## Uso actual por tipo de método (V313) <numeric> ## # grouped by: Rural ## # total N=5807 valid N=5807 mean=1.53 sd=1.36 ## ## Value | Label | N | Raw % | Valid % | Cum. % ## ------------------------------------------------------------ ## 0 | No hay método | 2443 | 42.07 | 42.07 | 42.07 ## 1 | Método folclórico | 54 | 0.93 | 0.93 | 43.00 ## 2 | Método tradicional | 1107 | 19.06 | 19.06 | 62.06 ## 3 | Método moderno | 2203 | 37.94 | 37.94 | 100.00 ## <NA> | <NA> | 0 | 0.00 | <NA> | <NA> ``` ] .panel[.panel-name[`flat_table`] ```r DHS %>% sjmisc::flat_table(V313,V025, margin="col",weights=peso) ``` ``` ## V025 Urbano Rural ## V313 ## No hay método 48.86 42.07 ## Método folclórico 0.17 0.93 ## Método tradicional 11.35 19.06 ## Método moderno 39.61 37.94 ``` Por defecto representa recuentos. Podemos utilizar porcentajes de fila (`"row"`), columna (`"col"`) o celda (`"cell"`). ] .panel[.panel-name[{expss}] ```r library(expss) DHS %>% tab_cells(V313) %>% tab_cols(V025) %>% tab_weight(peso) %>% tab_stat_cpct() %>% tab_pivot() ``` <table class='gmisc_table' style='border-collapse: collapse; margin-top: 1em; margin-bottom: 1em;' > <thead> <tr> <th style='border-top: 2px solid grey;'></th> <th colspan='2' style='font-weight: 900; border-bottom: 1px solid grey; border-top: 2px solid grey; text-align: center;'>&nbsp;Tipo de lugar de residencia&nbsp;</th> </tr> <tr><th style='border-bottom: 1px solid grey; font-weight: 900; text-align: center;'></th> <th style='font-weight: 900; border-bottom: 1px solid grey; text-align: center;'>&nbsp;Urbano&nbsp;</th> <th style='font-weight: 900; border-bottom: 1px solid grey; text-align: center;'>&nbsp;Rural&nbsp;</th> </tr> </thead> <tbody> <tr><td colspan='3' style='font-weight: 900;'>&nbsp;Uso actual por tipo de método&nbsp;</td></tr> <tr> <td style='text-align: left;'>&nbsp;&nbsp;&nbsp;No hay método&nbsp;</td> <td style='text-align: right;'>48.9</td> <td style='text-align: right;'>42.1</td> </tr> <tr> <td style='text-align: left;'>&nbsp;&nbsp;&nbsp;Método folclórico&nbsp;</td> <td style='text-align: right;'>0.2</td> <td style='text-align: right;'>0.9</td> </tr> <tr> <td style='text-align: left;'>&nbsp;&nbsp;&nbsp;Método tradicional&nbsp;</td> <td style='text-align: right;'>11.4</td> <td style='text-align: right;'>19.1</td> </tr> <tr> <td style='text-align: left;'>&nbsp;&nbsp;&nbsp;Método moderno&nbsp;</td> <td style='text-align: right;'>39.6</td> <td style='text-align: right;'>37.9</td> </tr> <tr> <td style='border-bottom: 2px solid grey; text-align: left;'>&nbsp;&nbsp;&nbsp;#Total cases&nbsp;</td> <td style='border-bottom: 2px solid grey; text-align: right;'>23873</td> <td style='border-bottom: 2px solid grey; text-align: right;'>9438</td> </tr> </tbody> </table> ] .panel[.panel-name[{tidyverse}] ```r DHS %>% group_by(V025) %>% count(V313,wt=peso) %>% mutate(`% (todos)`=n/sum(n)*100, `% (validos)`=n/(sum(n)-last(n))*100) %>% knitr::kable() ``` | V025| V313| n| % (todos)| % (validos)| |----:|----:|-----------:|----------:|-----------:| | 1| 0| 13473.30212| 44.6345592| 48.8618408| | 1| 1| 47.91835| 0.1587446| 0.1737791| | 1| 2| 3130.19963| 10.3697727| 11.3518805| | 1| 3| 10922.86262| 36.1854246| 39.6124995| | 1| NA| 2611.52481| 8.6514989| 9.4708712| | 2| 0| 2443.07359| 36.2678698| 42.0690825| | 2| 1| 54.31568| 0.8063260| 0.9353016| | 2| 2| 1106.50080| 16.4262047| 19.0536517| | 2| 3| 2203.39986| 32.7098700| 37.9419642| | 2| NA| 928.90274| 13.7897295| 15.9954601| ] ] ] --- .left-column[ ##Ejemplo: Uso de anticonceptivos en la [**ENDES-DHS Perú 2019**](http://iinei.inei.gob.pe/microdatos/index.htm) ### Tablas ponderadas <hr> Una variable <hr> Tabulaciones cruzadas <hr> **Modelos** <hr> .footnote[Más extenso [aquí](https://rpubs.com/jaortega/EncuestaR2)] ] .right-column[ .panelset[ .panel[.panel-name[`glm`] ```r mod1=glm(I(V313==3)~V025,family=binomial, data=DHS,weights=peso) summary(mod1) ``` ``` ## ## Call: ## glm(formula = I(V313 == 3) ~ V025, family = binomial, data = DHS, ## weights = peso) ## ## Deviance Residuals: ## Min 1Q Median 3Q Max ## -4.8983 -0.7358 -0.3379 0.8611 7.3190 ## ## Coefficients: ## Estimate Std. Error z value Pr(>|z|) ## (Intercept) -0.35126 0.03657 -9.604 <2e-16 *** ## V025 -0.07037 0.02971 -2.368 0.0179 * ## --- ## Signif. codes: ## 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 ## ## (Dispersion parameter for binomial family taken to be 1) ## ## Null deviance: 44742 on 33310 degrees of freedom ## Residual deviance: 44737 on 33309 degrees of freedom ## (5024 observations deleted due to missingness) ## AIC: 40087 ## ## Number of Fisher Scoring iterations: 3 ``` ] .panel[.panel-name[`glm` con {expss}] ```r mod2=use_labels(DHS, glm(I(V313==3)~V025,family=binomial,weights=peso)) summary(mod2) ``` ``` ## ## Call: ## glm(formula = I(`Uso actual por tipo de método` == 3) ~ `Tipo de lugar de residencia V025`, ## family = binomial, weights = `Factor de ponderacion peso`) ## ## Deviance Residuals: ## Min 1Q Median 3Q Max ## -4.8983 -0.7358 -0.3379 0.8611 7.3190 ## ## Coefficients: ## Estimate Std. Error ## (Intercept) -0.35126 0.03657 ## `Tipo de lugar de residencia V025` -0.07037 0.02971 ## z value Pr(>|z|) ## (Intercept) -9.604 <2e-16 *** ## `Tipo de lugar de residencia V025` -2.368 0.0179 * ## --- ## Signif. codes: ## 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 ## ## (Dispersion parameter for binomial family taken to be 1) ## ## Null deviance: 44742 on 33310 degrees of freedom ## Residual deviance: 44737 on 33309 degrees of freedom ## (5024 observations deleted due to missingness) ## AIC: 40087 ## ## Number of Fisher Scoring iterations: 3 ``` ] .panel[.panel-name[{sjPlot}] ```r sjPlot::tab_model(mod1,dv.labels="Uso anticonceptivos modernos") ``` <table style="border-collapse:collapse; border:none;"> <tr> <th style="border-top: double; text-align:center; font-style:normal; font-weight:bold; padding:0.2cm; text-align:left; ">&nbsp;</th> <th colspan="3" style="border-top: double; text-align:center; font-style:normal; font-weight:bold; padding:0.2cm; ">Uso anticonceptivos modernos</th> </tr> <tr> <td style=" text-align:center; border-bottom:1px solid; font-style:italic; font-weight:normal; text-align:left; ">Predictors</td> <td style=" text-align:center; border-bottom:1px solid; font-style:italic; font-weight:normal; ">Odds Ratios</td> <td style=" text-align:center; border-bottom:1px solid; font-style:italic; font-weight:normal; ">CI</td> <td style=" text-align:center; border-bottom:1px solid; font-style:italic; font-weight:normal; ">p</td> </tr> <tr> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:left; ">(Intercept)</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; ">0.70</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; ">0.66&nbsp;&ndash;&nbsp;0.76</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; "><strong>&lt;0.001</td> </tr> <tr> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:left; ">Tipo de lugar de<br>residencia</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; ">0.93</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; ">0.88&nbsp;&ndash;&nbsp;0.99</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; "><strong>0.018</strong></td> </tr> <tr> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:left; padding-top:0.1cm; padding-bottom:0.1cm; border-top:1px solid;">Observations</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; padding-top:0.1cm; padding-bottom:0.1cm; text-align:left; border-top:1px solid;" colspan="3">33311</td> </tr> </table> Produce tablas de resultados que usan etiquetas, y muy configurable. > El problema es que con encuestas complejas los errores estándar no están bien calculados: no es una muestra aleatoria. ] ] ] --- class: inverse, center, middle # Encuestas complejas: Cálculo apropiado de errores estándar. El paquete {survey} --- # ¿Por qué están mal calculados los errores estándar? - Dentro de cada **unidad primaria de muestreo** habrá menos variabilidad que en la población en general. - Si no lo tenemos en cuenta, en general estaremos **subestimando la varianza**. - El estudio de la **varianza entre grupos** me permitirá estimar la variabilidad correcta. -- ## ¿Qué hacer? - **En cada modelo**: Uso de matriz de varianzas-covarianzas `vcovCL` definiendo la variable de conglomerados. -- - **En general**: Especificar con `{survey}` la estructura de la encuesta, y usar sus funciones especializadas. --- .left-column[ ##Ejemplo: Uso de anticonceptivos en la [**ENDES-DHS Perú 2019**](http://iinei.inei.gob.pe/microdatos/index.htm) ### {survey} <hr> **Diseño de la encuesta** <hr> IC de proporciones <hr> Tabulaciones cruzadas <hr> Modelos <hr> .footnote[Más extenso [aquí](https://rpubs.com/jaortega/EncuestaR2)] ] .right-column[ .panelset[ .panel[.panel-name[Variable de interés] Hacemos las manipulaciones de variables *antes* de crear el diseño. De otro modo es más complicado (aunque podéis mirar [{srvyr}](https://cran.r-project.org/web/packages/srvyr/), y luego veremos un ejemplo de mutación directamente en un objeto `survey.design` ) NOTA: La opción `out="v" sirve para tablas con formato html. ```r DHS=DHS %>% mutate(moderno=factor((V313==3), labels=c("No","Si"))) DHS %>% sjmisc::frq(moderno,weights=peso,out="v") ``` <table style="border-collapse:collapse; border:none;"> <caption style="font-weight: bold; text-align:left;">moderno <span style="font-weight: normal; font-style: italic">&lt;categorical&gt;</span></caption> <tr> <th style="border-top: double; text-align:center; font-style:italic; font-weight:normal; padding:0.2cm; border-bottom:1px solid black; text-align:left;text-align:left; ">val</th> <th style="border-top: double; text-align:center; font-style:italic; font-weight:normal; padding:0.2cm; border-bottom:1px solid black; text-align: left;">label</th> <th style="border-top: double; text-align:center; font-style:italic; font-weight:normal; padding:0.2cm; border-bottom:1px solid black; text-align: right;">frq</th> <th style="border-top: double; text-align:center; font-style:italic; font-weight:normal; padding:0.2cm; border-bottom:1px solid black; text-align: right;">raw.prc</th> <th style="border-top: double; text-align:center; font-style:italic; font-weight:normal; padding:0.2cm; border-bottom:1px solid black; text-align: right;">valid.prc</th> <th style="border-top: double; text-align:center; font-style:italic; font-weight:normal; padding:0.2cm; border-bottom:1px solid black; text-align: right;">cum.prc</th> </tr> <tr> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:left;text-align:left; ">No</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; text-align: left;"><none></td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; text-align: right;">20255</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; text-align: right;">60.68</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; text-align: right;">60.68</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; text-align: right;">60.68</td> </tr> <tr> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:left;text-align:left; ">Si</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; text-align: left;"><none></td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; text-align: right;">13126</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; text-align: right;">39.32</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; text-align: right;">39.32</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; text-align: right;">100</td> </tr> <tr> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:left;text-align:left; border-bottom: 1px solid; ">NA</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; border-bottom: 1px solid; text-align: left;">NA</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; border-bottom: 1px solid; text-align: right;">0</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; border-bottom: 1px solid; text-align: right;">0</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; border-bottom: 1px solid; text-align: right;">NA</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; border-bottom: 1px solid; text-align: right;">NA</td> </tr> <tr> <td colspan="7" style="font-style:italic; border-top:double black; text-align:right;">total N=33381 &middot; valid N=33381 &middot; x&#772;=1.39 &middot; &sigma;=0.49 </td> </tr> </table> ] .panel[.panel-name[`svydesign`] Tenemos que declarar la variable con los nombres de los conglomerados, `ids`, la de estratos `strata`, y los pesos `weights`. ```r #install.packages("survey") library(survey) disDHS=svydesign(ids=~V021, strata=~V022, weights=~peso, data=DHS %>% filter(peso>0,!is.na(moderno)), nest=TRUE) summary(disDHS) ``` ``` ## Stratified 1 - level Cluster Sampling design (with replacement) ## With (3252) clusters. ## svydesign(ids = ~V021, strata = ~V022, weights = ~peso, data = DHS %>% ## filter(peso > 0, !is.na(moderno)), nest = TRUE) ## Probabilities: ## Min. 1st Qu. Median Mean 3rd Qu. Max. ## 0.03457 0.98965 2.16821 3.36628 3.82383 94.97578 ## Stratum Sizes: ## 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 ## obs 11 42 31 33 47 80 75 125 86 710 23 95 164 117 97 ## design.PSU 2 4 4 4 5 8 8 13 9 62 4 11 15 12 10 ## actual.PSU 2 4 4 4 5 8 8 13 9 62 4 11 15 12 10 ## 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 ## obs 33 24 39 41 27 475 33 38 54 40 22 84 65 41 68 ## design.PSU 4 2 5 4 3 40 4 4 6 4 3 8 6 5 7 ## actual.PSU 4 2 5 4 3 40 4 4 6 4 3 8 6 5 7 ## 31 32 33 34 35 36 37 38 39 40 41 42 43 44 ## obs 575 100 168 237 216 154 27 49 21 62 80 123 37 79 ## design.PSU 58 11 18 23 20 15 3 6 2 6 8 12 4 8 ## actual.PSU 58 11 18 23 20 15 3 6 2 6 8 12 4 8 ## 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 ## obs 99 161 59 60 56 79 26 102 505 20 34 22 57 36 43 ## design.PSU 9 13 6 6 6 8 3 12 50 2 3 2 5 4 6 ## actual.PSU 9 13 6 6 6 8 3 12 50 2 3 2 5 4 6 ## 60 61 62 63 64 65 66 67 68 69 70 71 72 73 ## obs 29 69 32 24 799 152 248 429 201 270 23 61 77 84 ## design.PSU 4 7 3 3 66 19 28 42 17 24 4 8 9 9 ## actual.PSU 4 7 3 3 66 19 28 42 17 24 4 8 9 9 ## 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 ## obs 54 26 55 52 47 41 509 14 63 40 20 37 49 65 751 ## design.PSU 6 3 6 6 6 4 46 2 6 4 2 4 5 7 75 ## actual.PSU 6 3 6 6 6 4 46 2 6 4 2 4 5 7 75 ## 89 90 91 92 93 94 95 96 97 98 99 100 101 102 ## obs 65 64 63 74 36 42 113 37 20 779 44 65 98 68 ## design.PSU 7 7 7 7 4 5 11 4 2 64 5 8 9 7 ## actual.PSU 7 7 7 7 4 5 11 4 2 64 5 8 9 7 ## 103 104 105 106 107 108 109 110 111 112 113 114 ## obs 44 15 134 232 222 284 123 17 67 80 108 55 ## design.PSU 4 2 12 22 22 24 9 2 8 9 10 5 ## actual.PSU 4 2 12 22 22 24 9 2 8 9 10 5 ## 115 116 117 118 119 120 121 122 123 124 125 126 ## obs 115 56 26 162 102 389 52 94 136 150 95 59 ## design.PSU 13 6 3 16 10 32 7 11 14 13 9 7 ## actual.PSU 13 6 3 16 10 32 7 11 14 13 9 7 ## 127 128 129 130 131 132 133 134 135 136 137 138 ## obs 27 119 54 135 312 69 100 167 145 125 41 103 ## design.PSU 3 11 6 13 23 8 10 16 13 9 4 10 ## actual.PSU 3 11 6 13 23 8 10 16 13 9 4 10 ## 139 140 141 142 143 144 145 146 147 148 149 150 ## obs 85 167 112 225 212 388 898 982 704 133 316 301 ## design.PSU 8 16 12 16 43 49 93 92 63 15 30 28 ## actual.PSU 8 16 12 16 43 49 93 92 63 15 30 28 ## 151 152 153 154 155 156 157 158 159 160 161 162 ## obs 35 154 277 83 215 136 147 88 16 60 44 98 ## design.PSU 4 14 26 8 17 11 11 8 2 4 3 10 ## actual.PSU 4 14 26 8 17 11 11 8 2 4 3 10 ## 163 164 165 166 167 168 169 170 171 172 173 174 ## obs 76 432 102 210 248 92 62 107 287 76 78 121 ## design.PSU 8 32 12 24 25 9 7 14 26 8 9 13 ## actual.PSU 8 32 12 24 25 9 7 14 26 8 9 13 ## 175 176 177 178 179 180 181 182 183 184 185 186 ## obs 64 137 74 200 61 132 134 67 101 59 41 27 ## design.PSU 6 15 9 23 6 14 18 8 11 6 5 3 ## actual.PSU 6 15 9 23 6 14 18 8 11 6 5 3 ## 187 188 189 190 191 192 193 194 195 196 197 198 ## obs 205 94 102 339 22 44 63 95 113 81 188 212 ## design.PSU 22 11 13 34 2 4 6 8 10 8 16 18 ## actual.PSU 22 11 13 34 2 4 6 8 10 8 16 18 ## 199 200 201 202 203 204 205 206 207 208 209 210 ## obs 263 259 11 26 21 23 20 16 71 101 71 136 ## design.PSU 25 22 2 3 2 2 2 2 8 10 7 14 ## actual.PSU 25 22 2 3 2 2 2 2 8 10 7 14 ## 211 212 213 214 215 216 217 218 219 220 221 222 ## obs 492 18 96 108 81 64 50 83 59 106 191 419 ## design.PSU 53 2 9 10 6 6 5 8 6 11 19 32 ## actual.PSU 53 2 9 10 6 6 5 8 6 11 19 32 ## 223 224 225 226 228 229 230 231 232 233 234 235 ## obs 125 255 379 310 24 130 30 88 182 198 95 53 ## design.PSU 14 27 35 28 5 14 4 9 16 18 10 5 ## actual.PSU 14 27 35 28 5 14 4 9 16 18 10 5 ## 236 237 238 239 240 241 242 243 244 245 246 247 ## obs 79 140 235 90 119 35 105 201 258 341 21 57 ## design.PSU 7 14 23 9 10 4 9 19 21 29 2 6 ## actual.PSU 7 14 23 9 10 4 9 19 21 29 2 6 ## 248 249 ## obs 69 275 ## design.PSU 7 22 ## actual.PSU 7 22 ## Data variables: ## [1] "ID1" "HHID" "CASEID" ## [4] "V001" "V002" "V003" ## [7] "V004" "V007" "V008" ## [10] "V009" "V010" "V011" ## [13] "V012" "V013" "V014" ## [16] "V015" "V017" "V018" ## [19] "V019" "V019A" "V020" ## [22] "V021" "V023" "V024" ## [25] "V025" "V026" "V027" ## [28] "V028" "V029" "V030" ## [31] "V031" "V032" "V033" ## [34] "V034" "V040" "V042" ## [37] "V043" "V044" "V000" ## [40] "Q105DD" "V101" "V102" ## [43] "V103" "V104" "V105" ## [46] "V106" "V107" "V113" ## [49] "V115" "V116" "V119" ## [52] "V120" "V121" "V122" ## [55] "V123" "V124" "V125" ## [58] "V127" "V128" "V129" ## [61] "V130" "V131" "V133" ## [64] "V134" "V135" "V136" ## [67] "V137" "V138" "V139" ## [70] "V140" "V141" "V149" ## [73] "V150" "V151" "V152" ## [76] "V153" "AWFACTT" "AWFACTU" ## [79] "AWFACTR" "AWFACTE" "AWFACTW" ## [82] "V155" "V156" "V157" ## [85] "V158" "V159" "V160" ## [88] "V161" "V166" "V167" ## [91] "V168" "ML101" "QD333_1" ## [94] "QD333_2" "QD333_3" "QD333_4" ## [97] "QD333_5" "QD333_6" "UBIGEO" ## [100] "V022" "V005" "V190" ## [103] "V191" "mujeres12a49" "NCONGLOME" ## [106] "V201" "V202" "V203" ## [109] "V204" "V205" "V206" ## [112] "V207" "V208" "V209" ## [115] "V210" "V211" "V212" ## [118] "V213" "V214" "V215" ## [121] "V216" "V217" "V218" ## [124] "V219" "V220" "V221" ## [127] "V222" "V223" "V224" ## [130] "V225" "V226" "V227" ## [133] "V228" "V229" "V230" ## [136] "V231" "V232" "V233" ## [139] "V234" "V235" "V237" ## [142] "V238" "V239" "V240" ## [145] "V241" "V242" "V243" ## [148] "V301" "V302" "V310" ## [151] "V311" "V312" "V313" ## [154] "V315" "V316" "V317" ## [157] "V318" "V319" "V320" ## [160] "V321" "V322" "V323" ## [163] "V323A" "V325A" "V326" ## [166] "V327" "V337" "V359" ## [169] "V360" "V361" "V362" ## [172] "V363" "V364" "V367" ## [175] "V372" "V372A" "V375A" ## [178] "V376" "V376A" "V379" ## [181] "V380" "V384A" "V384B" ## [184] "V384C" "V393" "V394" ## [187] "V395" "V3A00A" "V3A00B" ## [190] "V3A00C" "V3A00D" "V3A00E" ## [193] "V3A00F" "V3A00G" "V3A00H" ## [196] "V3A00I" "V3A00J" "V3A00K" ## [199] "V3A00L" "V3A00M" "V3A00N" ## [202] "V3A00O" "V3A00P" "V3A00Q" ## [205] "V3A00R" "V3A00S" "V3A00T" ## [208] "V3A00U" "V3A00V" "V3A00W" ## [211] "V3A00X" "V3A00Y" "V3A00Z" ## [214] "V3A01" "V3A02" "V3A03" ## [217] "V3A04" "V3A05" "V3A06" ## [220] "V3A07" "V3A08A" "V3A08B" ## [223] "V3A08C" "V3A08D" "V3A08E" ## [226] "V3A08F" "V3A08G" "V3A08H" ## [229] "V3A08I" "V3A08J" "V3A08K" ## [232] "V3A08L" "V3A08M" "V3A08N" ## [235] "V3A08O" "V3A08P" "V3A08Q" ## [238] "V3A08R" "V3A08S" "V3A08T" ## [241] "V3A08U" "V3A08V" "V3A08W" ## [244] "V3A08X" "V3A08Z" "V3A09A" ## [247] "V3A09B" "V305_01" "V305_02" ## [250] "V305_03" "V305_05" "V305_06" ## [253] "V305_07" "V305_08" "V305_09" ## [256] "V305_10" "V305_11" "V305_13" ## [259] "V305_14" "V305_15" "V305_16" ## [262] "V307_01" "V307_02" "V307_03" ## [265] "V307_04" "V307_05" "V307_06" ## [268] "V307_07" "V307_08" "V307_09" ## [271] "V307_10" "V307_11" "V307_12" ## [274] "V307_13" "V307_14" "V307_15" ## [277] "V307_16" "QI302_05A" "QI302_05B" ## [280] "V501" "V502" "V503" ## [283] "V504" "V505" "V506" ## [286] "V507" "V508" "V509" ## [289] "V510" "V511" "V512" ## [292] "V513" "V525" "V527" ## [295] "V528" "V529" "V530" ## [298] "V531" "V532" "V535" ## [301] "V536" "V537" "V538" ## [304] "V539" "V540" "V541" ## [307] "V602" "V603" "V604" ## [310] "V605" "V613" "V614" ## [313] "V616" "V621" "V623" ## [316] "V624" "V625" "V626" ## [319] "V627" "V628" "V629" ## [322] "V631" "V632" "V633A" ## [325] "V633B" "V633C" "V633D" ## [328] "V633E" "V633F" "V633G" ## [331] "V634" "V701" "V702" ## [334] "V704" "V705" "V714" ## [337] "V714A" "V715" "V716" ## [340] "V717" "V719" "V721" ## [343] "V729" "V730" "V731" ## [346] "V732" "V739" "V740" ## [349] "V741" "V743A" "V743B" ## [352] "V743C" "V743D" "V743E" ## [355] "V743F" "V744A" "V744B" ## [358] "V744C" "V744D" "V744E" ## [361] "V746" "peso" "moderno" ``` ] ] ] --- .left-column[ ##Ejemplo: Uso de anticonceptivos en la [**ENDES-DHS Perú 2019**](http://iinei.inei.gob.pe/microdatos/index.htm) ### {survey} <hr> Diseño de la encuesta <hr> **Tabulaciones** <hr> Tabulaciones cruzadas <hr> Modelos <hr> .footnote[Más extenso [aquí](https://rpubs.com/jaortega/EncuestaR2)] ] .right-column[ .panelset[ .panel[.panel-name[`svymean`] - Las funciones de `survey` empiezan siempre con `svy` y exigen un objeto de encuesta con diseño. - Exigen también una fórmula, en general `~nombre`. - Al resultado se le pueden pedir otras estimaciones, por ejemplo el error estándar (`SE`) o el intervalo de confianza (`confint`) - Por defecto utiliza el intervalo al 95%. Se puede cambiar con `level`. ```r svymean(~moderno,disDHS) ``` ``` ## mean SE ## modernoNo 0.60678 0.0055 ## modernoSi 0.39322 0.0055 ``` ```r svymean(~moderno,disDHS) %>% confint() ``` ``` ## 2.5 % 97.5 % ## modernoNo 0.5959328 0.6176296 ## modernoSi 0.3823704 0.4040672 ``` ] .panel[.panel-name[`svyciprop`] - La función `svymean` sirve para variables factor o cuantitativa, pero no tiene en cuenta que se trata de una probabilidad de una binomial. - `svyciprop`, en cambio, sólo sirve para proporciones. - Se basa, por defecto, en el cálculo de un modelo logit. - En este caso, no hay cambios, pero sí los hay para probabilidades cercanas a 0 o a 1. ```r svyciprop(~moderno,disDHS) ``` ``` ## 2.5% 97.5% ## moderno 0.393 0.382 0.4 ``` ```r svyciprop(~moderno,disDHS) %>% SE() ``` ``` ## as.numeric(moderno) ## 0.005535006 ``` ] ] ] --- .left-column[ ##Ejemplo: Uso de anticonceptivos en la [**ENDES-DHS Perú 2019**](http://iinei.inei.gob.pe/microdatos/index.htm) ### {survey} <hr> Diseño de la encuesta <hr> Tabulaciones <hr> **Tabulaciones cruzadas** <hr> Modelos <hr> .footnote[Más extenso [aquí](https://rpubs.com/jaortega/EncuestaR2)] ] .right-column[ .panelset[ .panel[.panel-name[`svytable`] Calcula la tabla, pero no utiliza etiquetas. ```r tabRes=svytable(~moderno+V025,disDHS) tabRes ``` ``` ## V025 ## moderno 1 2 ## No 16651.42 3603.89 ## Si 10922.86 2203.40 ``` Para utilizar etiquetas hay que convertir en factor ```r svytable(~moderno+as_factor(V025),disDHS) ``` ``` ## as_factor(V025) ## moderno Urbano Rural ## No 16651.42 3603.89 ## Si 10922.86 2203.40 ``` ] .panel[.panel-name[tests] - Se pueden calcular distintas medidas de asociación entre variables, siempre teniendo en cuenta la estructura compleja. ```r tabRes %>% summary(statistic="Chisq") ``` ``` ## V025 ## moderno 1 2 ## No 16651 3604 ## Si 10923 2203 ## ## Pearson's X^2: Rao & Scott adjustment ## ## data: svychisq(~moderno + V025, design = disDHS, statistic = "Chisq") ## X-squared = 5.5988, df = 1, p-value = 0.09966 ``` ] .panel[.panel-name[`svyby`] - Análogo al `group_by` de {tidyverse}, podemos definir las proporciones para cada nivel o los errores estándar. ```r svyby(~moderno,~V501,disDHS,svymean,vartype="ci") %>% mutate(V501=as_factor(V501)) %>% kable(digits=3) ``` | |V501 | modernoNo| modernoSi| ci_l.modernoNo| ci_l.modernoSi| ci_u.modernoNo| ci_u.modernoSi| |:--|:---------------|---------:|---------:|--------------:|--------------:|--------------:|--------------:| |0 |Nunca casada | 0.850| 0.150| 0.835| 0.135| 0.865| 0.165| |1 |Casado | 0.450| 0.550| 0.425| 0.525| 0.475| 0.575| |2 |Viviendo juntos | 0.442| 0.558| 0.426| 0.542| 0.458| 0.574| |3 |Viuda | 0.812| 0.188| 0.688| 0.064| 0.936| 0.312| |4 |Divorciada | 0.703| 0.297| 0.475| 0.070| 0.930| 0.525| |5 |No viven juntos | 0.704| 0.296| 0.675| 0.267| 0.733| 0.325| ] .panel[.panel-name[`as_tibble`] - Podemos convertir los objetos en `tibbles` que manipulamos con las funciones del `{tidyverse}` ```r svyby(~moderno,~as_factor(V501),disDHS,svymean,vartype="ci") %>% as_tibble() %>% dplyr::select(`Estado Civil`=1,ends_with("Si")) %>% kable() ``` |Estado Civil | modernoSi| ci_l.modernoSi| ci_u.modernoSi| |:---------------|---------:|--------------:|--------------:| |Nunca casada | 0.1498518| 0.1347637| 0.1649398| |Casado | 0.5500164| 0.5252821| 0.5747506| |Viviendo juntos | 0.5582293| 0.5422314| 0.5742272| |Viuda | 0.1879977| 0.0643558| 0.3116396| |Divorciada | 0.2973546| 0.0698621| 0.5248470| |No viven juntos | 0.2957780| 0.2667916| 0.3247644| ] ] ] --- .left-column[ ##Ejemplo: Uso de anticonceptivos en la [**ENDES-DHS Perú 2019**](http://iinei.inei.gob.pe/microdatos/index.htm) ### {survey} <hr> Diseño de la encuesta <hr> Tabulaciones <hr> Tabulaciones cruzadas <hr> **Modelos** <hr> .footnote[Más extenso [aquí](https://rpubs.com/jaortega/EncuestaR2)] ] .right-column[ .panelset[ .panel[.panel-name[Transformar] - Vamos a estimar el modelo logit de `moderno` en función de residencia y estado civil. - Transformamos primero las variables V025 y V501 en factores. `update` es equivalente a `mutate` pero en objetos `svy`. ```r disDHS2=update(disDHS,`Estado civil`= as_factor(V501), Residencia=as_factor(V025)) ``` Paquetes útiles para transformar: {stringr}, cadenas; {forcats}, {labelled} y {sjmisc}, factores, NAs. `as_factor`, `to_factor`, `unlabelled`, `to_character` ] .panel[.panel-name[Estimar] - `svyglm` funciona igual que `glm`, pero no hace falta explicitar pesos o conglomerados al estar declarados en el diseño. ```r mod3= svyglm(moderno~`Estado civil`+Residencia, disDHS2, family=binomial()) summary(mod3) ``` ``` ## ## Call: ## svyglm(formula = moderno ~ `Estado civil` + Residencia, design = disDHS2, ## family = binomial()) ## ## Survey design: ## update(disDHS, `Estado civil` = as_factor(V501), Residencia = as_factor(V025)) ## ## Coefficients: ## Estimate Std. Error t value ## (Intercept) -1.69444 0.06116 -27.703 ## `Estado civil`Casado 1.97260 0.08028 24.570 ## `Estado civil`Viviendo juntos 2.01942 0.06941 29.094 ## `Estado civil`Viuda 0.36503 0.42723 0.854 ## `Estado civil`Divorciada 0.83638 0.56275 1.486 ## `Estado civil`No viven juntos 0.86484 0.09150 9.452 ## ResidenciaRural -0.38665 0.04603 -8.400 ## Pr(>|t|) ## (Intercept) <2e-16 *** ## `Estado civil`Casado <2e-16 *** ## `Estado civil`Viviendo juntos <2e-16 *** ## `Estado civil`Viuda 0.393 ## `Estado civil`Divorciada 0.137 ## `Estado civil`No viven juntos <2e-16 *** ## ResidenciaRural <2e-16 *** ## --- ## Signif. codes: ## 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 ## ## (Dispersion parameter for binomial family taken to be 0.9975517) ## ## Number of Fisher Scoring iterations: 4 ``` ] .panel[.panel-name[Tablas] ```r mod3 %>% sjPlot::tab_model() ``` <table style="border-collapse:collapse; border:none;"> <tr> <th style="border-top: double; text-align:center; font-style:normal; font-weight:bold; padding:0.2cm; text-align:left; ">&nbsp;</th> <th colspan="3" style="border-top: double; text-align:center; font-style:normal; font-weight:bold; padding:0.2cm; ">moderno</th> </tr> <tr> <td style=" text-align:center; border-bottom:1px solid; font-style:italic; font-weight:normal; text-align:left; ">Predictors</td> <td style=" text-align:center; border-bottom:1px solid; font-style:italic; font-weight:normal; ">Odds Ratios</td> <td style=" text-align:center; border-bottom:1px solid; font-style:italic; font-weight:normal; ">CI</td> <td style=" text-align:center; border-bottom:1px solid; font-style:italic; font-weight:normal; ">p</td> </tr> <tr> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:left; ">(Intercept)</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; ">0.18</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; ">0.16&nbsp;&ndash;&nbsp;0.21</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; "><strong>&lt;0.001</td> </tr> <tr> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:left; ">Estado civil actual:<br>Casado</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; ">7.19</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; ">6.14&nbsp;&ndash;&nbsp;8.41</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; "><strong>&lt;0.001</td> </tr> <tr> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:left; ">Estado civil actual:<br>Viviendo juntos</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; ">7.53</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; ">6.58&nbsp;&ndash;&nbsp;8.63</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; "><strong>&lt;0.001</td> </tr> <tr> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:left; ">Estado civil actual:<br>Viuda</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; ">1.44</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; ">0.62&nbsp;&ndash;&nbsp;3.33</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; ">0.393</td> </tr> <tr> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:left; ">Estado civil actual:<br>Divorciada</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; ">2.31</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; ">0.77&nbsp;&ndash;&nbsp;6.95</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; ">0.137</td> </tr> <tr> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:left; ">Estado civil actual: No<br>viven juntos</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; ">2.37</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; ">1.98&nbsp;&ndash;&nbsp;2.84</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; "><strong>&lt;0.001</td> </tr> <tr> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:left; ">Tipo de lugar de<br>residencia: Rural</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; ">0.68</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; ">0.62&nbsp;&ndash;&nbsp;0.74</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:center; "><strong>&lt;0.001</td> </tr> <tr> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:left; padding-top:0.1cm; padding-bottom:0.1cm; border-top:1px solid;">Observations</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; padding-top:0.1cm; padding-bottom:0.1cm; text-align:left; border-top:1px solid;" colspan="3">33311</td> </tr> <tr> <td style=" padding:0.2cm; text-align:left; vertical-align:top; text-align:left; padding-top:0.1cm; padding-bottom:0.1cm;">R² / R² adjusted</td> <td style=" padding:0.2cm; text-align:left; vertical-align:top; padding-top:0.1cm; padding-bottom:0.1cm; text-align:left;" colspan="3">0.118 / -8.796</td> </tr> </table> ] .panel[.panel-name[Plots] ```r plot3= mod3 %>% sjPlot::plot_model(show.values=TRUE) plot3+theme_bw(18) ``` <!-- --> ] .panel[.panel-name[`{broom}`] ```r mod3 %>% broom::glance() ``` ``` ## # A tibble: 1 x 6 ## null.deviance df.null AIC BIC deviance df.residual ## <dbl> <int> <dbl> <dbl> <dbl> <dbl> ## 1 44648. 33310 39416. 39439. 39366. 2998 ``` ```r mod3 %>% broom::tidy() %>% knitr::kable(digits=3) ``` |term | estimate| std.error| statistic| p.value| |:-----------------------------|--------:|---------:|---------:|-------:| |(Intercept) | -1.694| 0.061| -27.703| 0.000| |`Estado civil`Casado | 1.973| 0.080| 24.570| 0.000| |`Estado civil`Viviendo juntos | 2.019| 0.069| 29.094| 0.000| |`Estado civil`Viuda | 0.365| 0.427| 0.854| 0.393| |`Estado civil`Divorciada | 0.836| 0.563| 1.486| 0.137| |`Estado civil`No viven juntos | 0.865| 0.092| 9.452| 0.000| |ResidenciaRural | -0.387| 0.046| -8.400| 0.000| ] ] ] --- class: inverse, center, middle # ¿Y qué pasa si no tengo en cuenta el diseño complejo? El efecto del diseño. --- ## Subestimación de la variabilidad - Si no tenemos en cuenta el **diseño complejo** subestimamos la variabilidad de nuestros estimadores. - Pensaremos que nuestros *estimadores* son más precisos de lo que son, los *intervalos de confianza* serán demasiado estrechos, y los *contrastes* producirán p-valores demasiado pequeños. - Al cociente entre la varianza muestral *correcta* y la que asume *muestreo aleatorio* se le denomina **efecto del diseño** - El paquete `{survey}` permite calcularlo directamente en `svymean`. También lo podemos calcular especificando diseños alternativos. - Valores típicos ~4 (doble `\(SE\)`). --- .left-column[ ##Ejemplo: Uso de anticonceptivos en la [**ENDES-DHS Perú 2019**](http://iinei.inei.gob.pe/microdatos/index.htm) <hr> ### Efecto del diseño <hr> .footnote[Más extenso [aquí](https://rpubs.com/jaortega/EncuestaR2)] ] .right-column[ .panelset[ .panel[.panel-name[Directo] ```r svymean(~moderno,disDHS2,deff="replace") ``` ``` ## mean SE DEff ## modernoNo 0.606781 0.005535 4.2771 ## modernoSi 0.393219 0.005535 4.2771 ``` > Los errores estándar son **más del doble** de los que se calcularían bajo muestreo aleatorio, la varianza más del cuádruple. ] .panel[.panel-name[Diseños alternativos] ```r # Diseño sin uso de pesos DHSunw=svydesign(ids=~1,strata=NULL,weights=NULL, data=DHS %>% filter(peso>0,!is.na(moderno))) # Diseño con pesos pero sin estructura compleja DHSw=svydesign(ids=~1,strata=NULL,weights=~peso, data=DHS %>% filter(peso>0,!is.na(moderno))) ``` ] .panel[.panel-name[Cálculo] ```r SE_comp=svyciprop(~moderno,disDHS) %>% SE() SE_w= svyciprop(~moderno,DHSw) %>% SE() SE_unw= svyciprop(~moderno,DHSunw) %>% SE() tribble(~Método,~SE, "Encuesta Compleja",SE_comp, "Con pesos",SE_w, "Sin pesos",SE_unw) %>% mutate(var=SE^2,deff=var/last(var)) %>% kable(digits=6) ``` |Método | SE| var| deff| |:-----------------|--------:|-------:|--------:| |Encuesta Compleja | 0.005535| 3.1e-05| 4.107447| |Con pesos | 0.005215| 2.7e-05| 3.646239| |Sin pesos | 0.002731| 7.0e-06| 1.000000| - La parte más grande del efecto del diseño se capta utilizando pesos. - En [EncuestaR2](https://rpubs.com/jaortega/EncuestaR2) también se presenta cómo usar `vcovCL`. ] ] ] --- class: inverse, center, middle # Conclusiones: Buenas prácticas con datos de encuesta en R --- ## Buenas prácticas con datos de encuesta. #### **IMPORTAR**: > Con {haven}. Si da [problemas](https://rpubs.com/jaortega/EncuestaR1b), {memisc} #### **TABLAS**: > Con {sjmisc}, fácil, o {expss}, potente. Con pesos. ### MODELOS > Transformar primero variables a factores o numéricas #### **MODELOS ESTÁNDAR**: > Declarar diseño y estimar con {survey}. Tablas y gráficos con {sjPlot} #### **MODELOS NO DISPONIBLES EN SURVEY**: > Con el paquete correspondiente. Usar **pesos** y varianzas cluster. --- ## Referencias ### Ejemplos más extensos, con referencias abundantes: Ortega, J. A. (2020a) Lectura de encuestas INE y análisis microeconométrico, EncuestaR - Análisis de Encuestas con R. Curso del Doctorado en Economía 2020-21. Universidad de Salamanca. <https://rpubs.com/jaortega/EncuestaR1> Ortega, J. A. (2020b) Análisis de encuestas complejas con survey. EncuestaR - Análisis de Encuestas con R. Curso del Doctorado en Economía 2020-21. Universidad de Salamanca. <https://rpubs.com/jaortega/EncuestaR2> ### Ejemplos de código para encuestas internacionales: Damico, A. J. (2020) “Analyze survey data for free”, <http://asdfree.com/> --- class: inverse, center, middle  # ¡Gracias!