Calibrar (raking)

O que o bloco faz

A calibração por várias variáveis: os pesos são ajustados para que a amostra tenha, ao mesmo tempo, o total conhecido de cada categoria de cada variável — sexo, raça/cor, faixa etária, capital. É o ajuste proporcional iterativo (raking): uma variável por vez, em rodadas, até todas baterem.

Diferente de sampling/poststratify, não precisa do total de cada CRUZAMENTO (mulher preta de 18 a 24 anos em Belém), que o Censo raramente publica e a amostra raramente preenche: bastam as margens de cada variável.

A tabela de totais é longa, uma linha por categoria: a coluna da variável tem o NOME da coluna da amostra (sexo), a da categoria o valor (mulher), e a do total a população. Todas as variáveis têm de somar a mesma população (tolerância de 1%), e toda categoria precisa de gente na amostra: junte as vazias antes.

Numa coleta não probabilística (indicação, adesão aberta), calibrar é o mínimo: não torna a amostra aleatória, mas faz o perfil dela ser o da população. A variância usa os resíduos da regressão nas variáveis calibradas, e a nota da amostra traz a amplitude dos pesos — pesos muito desiguais (razão acima de uns 10) inflam a variância e pedem categorias mais largas.

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.

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.

Variância

A média dos quadrados das distâncias de cada valor à média: mede o quanto os dados se espalham. O desvio padrão é a raiz quadrada da variância e fica na mesma unidade dos dados.

Resíduo

A diferença entre o valor observado e o valor que o modelo ajustado prevê para aquela observação. É nos resíduos que se conferem os pressupostos do modelo: eles devem parecer ruído, sem padrão.

Quando usar

Use para calibrar simultaneamente margens populacionais conhecidas de diversas variáveis categóricas.

Pressupostos

• Os totais das margens são exatos e consistentes (todas as variáveis somam a mesma população), e toda categoria tem gente na amostra.

  Se falhar: Junte categorias vazias antes; totais de fontes diferentes precisam ser reconciliados.

• A não resposta (ou a seleção) é ignorável dadas as variáveis calibradas — o modelo é o de efeitos principais, sem interação entre elas.

  Se falhar: Inclua a variável que explica a participação, ou um cruzamento dela, entre as calibradas.

• A variância linearizada supõe amostra probabilística; em coleta não probabilística ela é nominal.

  Verificar:Simular desenho

  Se falhar: Leia o erro como nominal e reporte a amplitude dos pesos da nota.

Configuração

• Coluna da variável, Coluna da categoria, Coluna do total — colunas da tabela de totais.
• Rodadas — máximo de rodadas do ajuste.

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("escolas", "sampling/example", dataset = "escolas") |>
  tr_add("perfil", "sampling/example", dataset = "perfil_escolas") |>
  tr_add("aas", "sampling/srs", n = 300L, from = "escolas") |>
  tr_add("calibrada", "sampling/rake", from = "aas") |>
  tr_link("perfil", "calibrada:totais")

Como interpretar

A saída é uma amostra com pesos calibrados. Confira se os totais de cada variável somam a mesma população e observe a amplitude dos pesos: pesos muito desiguais podem ampliar a variância. A saída é Amostra sampling/sample com pesos calibrados.