Proporção

O que o bloco faz

A proporção da população em cada categoria: a média ponderada do indicador (1 se a unidade é da categoria, 0 se não). Com Categoria em branco, uma linha por categoria; com uma categoria, só ela.

O card mostra em %; a tabela, em proporção (0 a 1).

O intervalo padrão é o logit (Wald na escala log-odds, t com os gl do desenho), o padrão de survey::svyciprop: fica em (0, 1) e é assimétrico perto dos extremos. wilson usa o escore de Wilson com o n efetivo do desenho; clopper_pearson é o Clopper-Pearson com n efetivo ajustado pelos gl (Korn & Graubard 1998); wald é p̂ ± t·EP.

Com proporção 0 ou 1 o erro padrão é zero: logit, wilson e clopper_pearson usam então o Clopper-Pearson de Korn & Graubard com o n nominal do domínio, ajustado pelos gl — numa AAS sem correção finita é o intervalo exato de binom.test (0 em 150: [0; 2,4%]). Com conglomerados, o n nominal não desconta a correlação interna e o intervalo pode ser curto demais. O wald fica no ponto.

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.

Conglomerado

Um grupo de unidades vizinhas ou ligadas (um quarteirão, uma escola) sorteado inteiro em vez de unidade por unidade. Barateia a coleta, mas unidades do mesmo conglomerado tendem a ser parecidas, o que em geral aumenta a variância das estimativas.

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 para estimar a fração populacional de uma categoria, uma ou todas as categorias de uma coluna.

Pressupostos

• A amostra é probabilística: toda unidade da população tinha probabilidade de inclusão conhecida e maior que zero, e o peso de cada uma é o inverso dela.

  Se falhar: Em coleta por adesão ou indicação, calibre os pesos a totais conhecidos (sampling/rake, sampling/poststratify) e leia o erro como nominal: o viés de quem entrou não está nele.

• Estratos, unidades primárias e pesos no cabo são os do sorteio real.

  Verificar:Declarar desenho

  Se falhar: Declare o desenho verdadeiro em sampling/design: tratar conglomerados como unidades independentes subestima o erro padrão.

• Unidades primárias sorteadas independentemente entre estratos, com pelo menos duas por estrato; a variância do conglomerado último trata o primeiro estágio como com reposição (ou com a correção finita declarada).

  Se falhar: Junte estratos com uma unidade primária só; com fração amostral alta no primeiro estágio e sem fpc, o erro sai conservador.

• O intervalo é o da aproximação normal do estimador linearizado (t com gl do desenho): pede unidades primárias e casos no domínio em número razoável.

  Verificar:Simular desenho

  Se falhar: Confira a cobertura com sampling/simulate; com poucos graus de liberdade ou domínio raro, junte domínios ou leia o intervalo como aproximado.

• Faltantes são ignoráveis: dentro do desenho, quem não respondeu se parece com quem respondeu.

  Se falhar: Ajuste os pesos pela não resposta (sampling/poststratify, sampling/rake) ou impute antes de estimar.

• O intervalo logit (padrão) é Wald na escala log-odds, com EP pelo método delta e t nos gl do desenho: fica dentro de (0, 1) e é assimétrico perto dos extremos, mas ainda é aproximação assintótica. Com proporção 0 ou 1 no domínio a variância estimada é zero: logit, wilson e clopper_pearson usam o Clopper-Pearson de Korn & Graubard (1998) com o n nominal do domínio no lugar do n efetivo (que não existe), ajustado pelos gl do desenho — sem efeito de desenho é o exato de binom.test, com efeito de desenho pode cobrir menos que o nominal, porque o n nominal não desconta a correlação dentro dos conglomerados. O Wald (opção) pode sair de [0, 1] e cobre menos que o nominal com proporção extrema.

  Verificar:Simular desenho

  Se falhar: Com proporção extrema e domínio pequeno, compare logit e wilson, confira a cobertura com sampling/simulate e junte domínios ou aumente a amostra.

Configuração

• Variável — coluna categórica (texto, fator ou lógica).
• Categoria — o valor cuja proporção se quer; em branco, todas.
• Intervalo — logit (padrão), wilson, clopper_pearson ou wald.

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("amostra", "sampling/stratified", estrato = "regiao", n = 240L, from = "pop") |>
  tr_add("proporcao", "sampling/proportion", variavel = "irrigada", nivel = "sim",
         por = "regiao", from = "amostra")

Como interpretar

A tabela registra proporções entre 0 e 1, embora o card as apresente em porcentagem. Com categoria vazia, sai uma linha para cada categoria; intervalos de Wald podem ultrapassar 0 ou 1 em amostras pequenas. A saída é Estimativa sampling/estimate da proporção.