Pós-estratificar

O que o bloco faz

A pós-estratificação: quando o total de cada grupo na população é conhecido (o censo diz quantas fazendas há por região, quantas pessoas por sexo e idade), os pesos da amostra são esticados ou encolhidos para que cada grupo some exatamente o seu total:

w*_i = w_i · N_g / N̂_g

Corrige o azar do sorteio (a AAS que veio com Sul demais) e parte da não resposta (o grupo que respondeu menos pesa mais). A variância cai junto: o erro padrão passa a usar os resíduos dentro dos pós-estratos, e a parte do erro que era “quantos de cada grupo vieram” deixa de existir.

A tabela de totais tem uma linha por pós-estrato, com a coluna do pós-estrato com o MESMO nome da coluna da amostra. Todo pós-estrato precisa de total e de pelo menos uma unidade na amostra; grupo vazio se junta a um vizinho antes, com um data/mutate.

Na simulação (sampling/simulate), a pós-estratificação é refeita em cada amostra.

Antes de continuar

Termos que esta página usa, em poucas palavras. As definições completas estão no glossário.

População

O conjunto completo de unidades sobre o qual se quer concluir algo: todas as propriedades de uma região, todos os alunos de uma escola. Em geral não é possível medir todas, e por isso se mede uma amostra.

Amostra

A parte da população que é de fato observada. Quando é sorteada com probabilidades conhecidas, permite estimar características da população e medir a incerteza dessa estimativa.

Estrato

Um grupo da população definido antes do sorteio (região, porte, turno), dentro do qual se sorteia separadamente. Estratificar garante que todos os grupos apareçam na amostra e costuma reduzir a variância quando as unidades de um mesmo estrato se parecem.

Peso amostral

Quantas unidades da população cada unidade da amostra representa; em geral, o inverso da probabilidade de ela ter sido sorteada. Estimar sem os pesos trata todas as unidades como se tivessem a mesma chance, o que pode distorcer médias e totais.

Erro padrão

O desvio padrão de uma estimativa: quanto ela variaria se o estudo fosse repetido com outra amostra. Diminui quando a amostra cresce e é a base dos intervalos de confiança e dos testes.

Quando usar

Use quando o total populacional de cada grupo é conhecido e os grupos correspondem a uma variável de pós-estratificação.

Pressupostos

• Os totais N_g são exatos e da mesma população e data da amostra, e toda célula tem pelo menos uma unidade na amostra.

  Se falhar: Junte pós-estratos vazios ou pequenos com data/mutate; totais de outra época viram viés.

• Dentro de cada pós-estrato, respondentes e não respondentes se parecem (não resposta ignorável dado o grupo).

  Se falhar: Pós-estratifique por mais variáveis com sampling/rake.

• A variância pelos resíduos dentro dos pós-estratos é assintótica: pede pós-estratos com várias unidades.

  Verificar:Simular desenho

  Se falhar: Confira com sampling/simulate, que refaz a pós-estratificação em cada amostra.

Configuração

• Pós-estrato — coluna do grupo, com o mesmo nome nas duas tabelas.
• Coluna do total — coluna da tabela de totais com o N do grupo.

Exemplo

O fluxo usa os conjuntos didáticos registrados em sampling/example e inclui o nó desta página.

library(trama)

reg <- tr_registry()
tr_use("trama.sampling", registry = reg)

tr_flow(reg) |>
  tr_add("pop", "sampling/example", dataset = "fazendas") |>
  tr_add("totais", "sampling/example", dataset = "estratos_fazendas") |>
  tr_add("aas", "sampling/srs", n = 200L, from = "pop") |>
  tr_add("ajustada", "sampling/poststratify", pos_estrato = "regiao", from = "aas") |>
  tr_link("totais", "ajustada:totais")

Como interpretar

Os pesos ajustados somam o total populacional informado em cada pós-estrato. Todos os grupos precisam ter total conhecido e ao menos uma observação amostrada. A saída é Amostra sampling/sample com pesos pós-estratificados.