Síntesis de capitulo 2 de libro de estadística

...

subgrupos. Ej. Cuando la tasa de respuesta de la zona urbana es menor que la tasa de la zona rural podría sugerir una sub-representación.

2. Sub-representación de ciertos tipos de miembros de la población objetivo: es el conocimiento sobre el tipo de unidades no incluidas en el marco muestral. Ej. Nuevas casas en cierta zona o nuevos empleados en una empresa podrían sugerir una sub-representación.

Imputación: es el proceso a través del cual los datos faltantes son reemplazados con respuestas estimadas.

Ajustes post-encuesta: son los diferentes procesos de ponderación y de imputación.

¿Cómo el diseño se convierte en proceso?

Objetivos de la encuesta: ayudan a tomar 2 decisiones:

Respecto a la muestra

Respecto al proceso de medición

La decisión de qué modo de recolección de datos usar es un determinante importante de como el instrumento de medición es formado. La elección del marco muestral con un diseño de muestra establecido, genera la muestra realizable de la encuesta. Con el instrumento de medición y la muestra se genera la fase de recolección de datos. Luego los datos son editados, codificados y luego ajustados. Estos datos son los que se usan para la estimación final y el análisis de datos.

3. El ciclo de vida de una encuesta desde una perspectiva de calidad

Conceptos que definen calidad (en la dimensión de medición)

Validez

Medición del error

Procesamiento del error

Conceptos que definen calidad (en la dimensión de representación)

Error de cobertura

Error de muestreo

Error de no respuesta

Error de ajuste

Cada componente de calidad tiene descripciones verbales y formulaciones estadísticas

Los componentes de calidad son propiedades de encuestas estadísticas individuales y no de la encuesta entera.

Calidad: es un atributo no de la encuesta pero si de las estadísticas individuales.

Los componentes de error serán descritos por la media muestral como un indicador del promedio de la población de algunos constructos subyacentes. Las propiedades de calidad de la media muestral serán discutidas como una función de su relación con la media poblacional.

Notación:

μ_i = valor de un constructo. Es lo que queremos medir. Es el valor real

Y_i = valor de una medición. Indicador imperfecto que usamos para medir μ_i

y_i = valor de la respuesta a la aplicación de la medición. Al medir se dan problemas de administración y eso nos lleva a este valor en lugar de y_i. Es la respuesta a la medición.

y_ip = valor de la respuesta después de haber sido editada y sometida a otros pasos de procedimiento. Se intenta reparar la debilidad en la medición a través de la edición.

La brecha observacional entre constructos y medidas

Validez de construcción: es el grado en que la medida está relacionada con la construcción subyacente. La validez se encuentra a nivel de individuo.

Invalidez: medida en que no se alcanza la validez

Y_i = μ_i + ε_i la respuesta obtenida de una encuesta se aleja del valor real en un error que es diferente para cada individuo encuestado.

ε_i = desviación del valor real

Cada encuesta es una prueba de un número infinito de pruebas.

Validez es la correlación de la medición de Yi y el valor real μ_i medido sobre todas las posibles personas y pruebas.

μ_i = la media de μ_it sobre todas las pruebas y personas.

Y ̅ = la media de Y_it

t = cada encuesta es una prueba especifica

Cuando y y μ covarían, la medición tiene un alto nivel de validez. A pesar de esto, 2 variables pueden estar correlacionadas pero tener diferentes medias.

Error de medición: la brecha observacional entre una medición ideal y la respuesta obtenida

Error de medición: es la diferencia entre el valor real de la medición y el valor de una unidad obtenido de la muestra

Puede existir inestabilidad en el comportamiento de las respuestas de una persona, generando otro tipo de error de respuesta.

Las diferencia entre variación en las respuestas y respuestas sesgadas es que la primera es sistemática y genera sobre o subestimación del constructo en la pregunta, pero la segunda genera inestabilidad en el valor estimado sobre pruebas.

Procesamiento del error: la brecha observacional entre la variable usada en la estimación y la varianza proporcionada por el encuestado

¿Qué errores pueden ser introducidos después de la recolección de datos y antes de estimar? Bajo algunas reglas de edición se podrían causar ajustes en el valor de los datos faltantes. Dependiendo en el constructo a medir por la pregunta, podría o no afectar el error de procesamiento.

Otro error de procesamiento podría generarse debido a preguntas que permiten al encuestado responder libremente, con sus propias palabras. Esto encapsula la diversidad de las situaciones para diferentes personas. Después del proceso de codificación estas preguntas se transforman a datos numéricos, categorizando las respuestas en clases numéricas. Se puede introducir error si diferentes personas están codificando. Los que están menos entrenados para hacer esto pueden introducir el sesgo por codificación.

Error de cobertura: la brecha no observacional entre la población objetiva y el marco de muestro

La población objetivo no tiene un marco de muestreo que encaje perfectamente (no es uno a uno)

El cuadro presenta 2 problemas de cobertura con un marco de muestreo. La población objetivo difiere del marco muestral. Hay valores del marco muestral que son faltantes. También existe una