O pacote PNDSIBGE

O pacote PNDSIBGE foi desenvolvido para facilitar o download, importação e análise dos dados amostrais da Pesquisa Nacional de Demografia e Saúde realizada pelo Instituto Brasileiro de Geografia e Estatística - IBGE.

A PNDS possui dois tipos de microdados:
  • Questionário de mulheres, que contém a parte dos quesitos investigados na pesquisa para um morador selecionado do sexo feminino em determinado recorte etário;
  • Questionário de homens, que contém a parte dos quesitos investigados na pesquisa para um morador selecionado do sexo masculino em determinado recorte etário.

Maiores informações sobre a pesquisa e os temas investigados podem ser encontradas no site oficial do IBGE.

Através do objeto criado com este pacote, é possível utilizar o pacote survey para realizar análises considerando o efeito do esquema de seleção utilizado no plano amostral complexo da pesquisa e calcular corretamente as medidas de erro das estimativas, considerando o estimador de pós-estratificação utilizado na pesquisa.

Instalação do pacote

O Pacote está disponível no repositório CRAN do R, onde pode ser acessada sua documentação. Tais informações também podem ser acessadas pelo repositório no GitHub do mantenedor do pacote através do endereço: https://github.com/Gabriel-Assuncao/PNDSIBGE.
É importante sempre conferir se a versão instalada em seu computador é a mais recente disponível no CRAN.
A instalação do pacote pode ser feita pelo seguinte comando:

install.packages("PNDSIBGE")

Antes de utilizar o pacote é necessário carregá-lo no R através do comando:

library(PNDSIBGE)

Importação de microdados

Para a importação dos microdados da PNDS, há duas opções. A primeira é uma opção online, que exige que o computador esteja conectado à Internet. A segunda opção não necessita de conexão a Internet, e é utilizada para a leitura de microdados que estejam no disco rígido.

Importação online

A função get_pnds permite o download, leitura, rotulação, inserção das variáveis para deflacionamento e criação do objeto do plano amostral da pesquisa.
Esta função pode ser usada para microdados de todos os níveis investigados pela pesquisa.

help("get_pnds")

Microdados do questionário de mulheres

A importação dos microdados do questionário de mulheres (que é o padrão de obtenção) através da função get_pnds é muito simples. Basta indicar o ano dos microdados desejados no respectivo argumento da função, além do argumento de seção atribuindo o valor relacionado ao questionário de mulheres. Abaixo um exemplo de como importar os microdados do questionário de mulheres da PNDS 2023:

dadosPNDS <- get_pnds(year=2023, section="Female")

Apenas com esse comando, os microdados da pesquisa já estão disponíveis no objeto dadosPNDS para análise.

Além dos argumentos year e section, que indicam, respectivamente, o ano e a seção dos microdados a serem baixados, a função get_pnds ainda possui outros cinco argumentos que podem ser modificados no download para este tipo de microdados:
  • vars: Este argumento recebe um vetor de caracteres com o nome das variáveis a serem baixadas. Caso nenhuma variável seja passada, todas as variáveis disponíveis na pesquisa são baixadas. É útil caso deseje trabalhar com poucas variáveis, pois assim o objeto ocupará um espaço menor na memória do computador;
  • labels: Um argumento lógico que indica se os níveis das variáveis categóricas devam ser rotuladas de acordo com o dicionário da pesquisa. O default é rotulá-los;
  • deflator: Um argumento lógico que indica se as variáveis para deflacionamento serão incluídas nos microdados. O default é incluí-las;
  • design: Um argumento lógico que indica se a função deve retornar um objeto do plano amostral para análise com o pacote survey. Caso design=FALSE, a função retorna apenas um data-frame com os microdados. É altamente recomendado que mantenha essa opção como TRUE, caso contrário suas análises poderão ser feitas de forma incorreta;
  • reload: Um argumento lógico que indica se a função deve baixar novamente os arquivos no diretório de referência mesmo que estes arquivos já tenham sido baixados;
  • curlopts: Uma lista com indicação das opções para utilização nas funções do pacote RCurl;
  • savedir: O endereço onde devem ser salvos os arquivos baixados. Padrão é utilizar uma pasta temporária.

Por exemplo, um usuário que deseje trabalhar apenas com as variáveis de Diagnóstico de alguma doença crônica, física ou mental, ou doença de longa duração (J007) e Informação sobre a procura de um mesmo médico ou serviço de saúde para atendimento (J009) da PNDS 2023, pode utilizar o argumento vars para selecionar apenas estas variáveis:

dadosPNDS <- get_pnds(year=2023, section="Female", vars=c("J007","J009"))

Através do código abaixo, podemos ver que o objeto retornado pela função é da classe survey.design ou svyrep.design, sendo o tipo de objeto utilizado para análises de dados amostrais complexos através do pacote survey.

dadosPNDS
class(dadosPNDS)

Caso o usuário não queira trabalhar com este objeto, ele pode escolher a opção design=FALSE para baixar os microdados brutos:

dadosPNDS_brutos <- get_pnds(year=2023, section="Female", vars=c("J007","J009"), design=FALSE)

O Objeto resultante é um data-frame com as variáveis selecionadas e as variáveis relacionadas ao processo de amostragem:

dadosPNDS_brutos

Também é possível baixar os dados sem incluir os rótulos dos níveis, através do argumento labels.

dadosPNDS_brutos_sem <- get_pnds(year=2023, section="Female", vars=c("J007","J009"), labels=FALSE, design=FALSE)

Perceba que agora os níveis das categorias são representados por números:

dadosPNDS_brutos_sem

Com relação ao processo de inserção das variáveis para deflacionamento através do argumento deflator, existe um documento disponível no site oficial do IBGE para auxílio no processo de deflacionamento das variáveis de rendimento.

Microdados do questionário de homens

Além dos microdados do questionário de mulheres, a função get_pnds também permite a importação dos microdados do questionário de homens.

Neste exemplo, mostraremos como importar os microdados do questionário de homens da PNDS 2023.

Para a importação dos microdados do questionário de homens basta alterar o valor fornecido no argumento section:

dadosPNDS_homens <- get_pnds(year=2023, section="Male")
dadosPNDS_homens

O objeto retornado é da classe survey.design ou svyrep.design, e os argumentos vars, labels, deflator, design, reload, curlopts e savedir podem ser utilizados da mesma forma dos microdados do questionário de mulheres.

Importação offline

Caso não seja possível utilizar a importação online através da função get_pnds, é possível criar o mesmo objeto para análise com arquivos que estejam em disco. Para isto, são utilizadas quatro funções:
  • read_pnds: Para a leitura do arquivo .txt dos microdados;
  • pnds_labeller: Opcional. Coloca os rótulos dos níveis nas variáveis categóricas;
  • pnds_deflator: Opcional. Insere as variáveis para deflacionamento nos microdados;
  • pnds_design: Cria o objeto do plano amostral para a análise com o pacote survey.

Para utilizar estas funções, primeiramente é necessário ter os microdados e sua documentação no disco e extraídos dos arquivos compactados, se for o caso.
Estes arquivos podem ser baixados diretamente do FTP do IBGE.

Para a função read_pnds são utilizados os arquivos de texto contendo os microdados e o input para SAS.

Exemplo de leitura para a PNDS 2023:

dadosPNDS <- read_pnds(microdata="PNDS_2023.txt", input_txt="input_PNDS_2023.txt")

Assim como na importação online, pode ser utilizado o argumento vars para definir quais variáveis serão lidas.

Como na PNDS o questionário é dividido em suas seção, tendo o questionário de mulheres e o questionário de homens, é necessário após a realização do procedimento de obtenção dos microdados através da função read_pnds, realizar um recorte na variável identificadora de seleção da subamostra correspondente e também remover as variáveis de peso relativas ao outro tipo de questionário.

dadosPNDS <- dadosPNDS[(dadosPNDS$M001 == "1" & !is.na(dadosPNDS$M001)),]
dadosPNDS <- dadosPNDS[,!(names(dadosPNDS) %in% c("V0029", "V00291", "V00292", "V00293"))]

Para o método de obtenção dos microdados na importação online não é preciso realizar tal procedimento, pois isto é feito automaticamente dentro da própria função.

A função pnds_labeller utiliza o objeto criado pela função read_pnds e o arquivo de dicionário das variáveis presente na documentação da pesquisa.

dadosPNDS <- pnds_labeller(data_pnds=dadosPNDS, dictionary.file="dicionario_PNDS_microdados_2023.xls")

A utilização de pnds_labeller é opcional e não interfere nos resultados obtidos.

A função pnds_deflator utiliza o objeto criado pela função read_pnds e o arquivo de deflatores presente na documentação da pesquisa.

dadosPNDS <- pnds_deflator(data_pnds=dadosPNDS, deflator.file="deflator_PNDS.xls")

A utilização de pnds_deflator é opcional e não interfere nos resultados obtidos, desde que não seja o objetivo a análise das variáveis de rendimento em valor real.

A criação do objeto do plano amostral é feita diretamente pela função pnds_design aplicada no objeto que contém os microdados:

dadosPNDS <- pnds_design(data_pnds=dadosPNDS)

O objeto resultante é o mesmo retornado pela função get_pnds e pode ser utilizado para análises com o pacote survey.

A importação offline é feita da mesma forma tanto para microdados do questionário de mulheres, quanto para os microdados do questionário de homens. No entanto, para alternar a seção dos questionários é preciso utilizar as variáveis identificadoras de seleção da subamostra e também remover as variáveis de peso relativas ao outro tipo de questionário.

Análise com pacote survey

Devido ao plano amostral da PNAD Contínua, é necessário que sejam utilizadas ferramentas específicas para a análise de dados amostrais complexos. O pacote survey é um pacote criado especificamente para análise e modelagem de dados provenientes de pesquisas com estes tipos de planos amostrais. Maiores detalhes sobre o pacote podem ser encontrados no site do autor.

Para os exemplos, utilizaremos microdados da PNDS de 2023, com algumas variáveis selecionadas de acordo com a tabela abaixo:

Variável Descrição
V0001 Unidade da Federação
C001 Número de pessoas no domicílio
C004 Condição no domicílio
C006 Sexo
C008 Idade do morador na data de referência
C009 Cor ou raça
E01602 Rendimento bruto mensal normalmente recebido para pessoas de 14 anos ou mais de idade
E017 Número de horas normalmente trabalhadas para pessoas de 14 anos ou mais de idade
J002 Interrupção na realização de quaisquer atividades habituais por motivo da própria saúde
J00402 Motivo de saúde que impediu a realização das atividades habituais
J007 Diagnóstico de alguma doença crônica, física ou mental, ou doença de longa duração
VDD004A Nível de instrução mais elevado alcançado

Importando os dados:

variaveis_selecionadas <- c("V0001","C001","C004","C006","C008","C009","E01602","E017","J002","J00402","J007","VDD004A")
dadosPNDS <- get_pnds(year=2023, section="Female", vars=variaveis_selecionadas)

O objeto dadosPNDS vai ser utilizado com o pacote survey para a análise dos microdados.

Para iniciar a análise dos dados é necessário carregar o pacote survey.

library(survey)

Estimando totais

A função do pacote para a estimação de totais populacionais é a svytotal. Sua sintaxe precisa de três parâmetros principais:
  • O nome da variável que se deseja calcular o total, precedido por um ~;
  • O nome do objeto do plano amostral;
  • A opção na.rm=TRUE, que remove as observações onde a variável é não-aplicável.

Variáveis numéricas

Ela pode ser utilizada para a estimação do total de uma variável numérica, como a renda bruta mensal normalmente recebida:

totalrenda <- svytotal(x=~E01602, design=dadosPNDS, na.rm=TRUE)
totalrenda

Além da estimativa do total da renda bruta mensal normalmente recebida, o comando também retorna o erro padrão (SE) dessa estimativa.
A partir desse resultado, também é possível calcular coeficientes de variação e intervalos de confiança para a estimativa:

cv(object=totalrenda)
confint(object=totalrenda)
confint(object=totalrenda, level=0.99)

Variáveis categóricas

Também é possível estimar totais populacionais de categorias, utilizando variáveis categóricas, como o sexo:

totalsexo <- svytotal(x=~C006, design=dadosPNDS, na.rm=TRUE)
totalsexo

E estimar o total de mais de uma variável categórica no mesmo código, separando com o operador +:

totalsexoraca <- svytotal(x=~C006+C009, design=dadosPNDS, na.rm=TRUE)
totalsexoraca

Também é possível estimar o total resultante do cruzamento de duas ou mais variáveis categóricas, com a função interaction:

totalsexoEraca <- svytotal(x=~interaction(C006,C009), design=dadosPNDS, na.rm=TRUE)
ftable(x=totalsexoEraca)

A função ftable possibilita uma saída mais organizada da tabela no caso de cruzamento de variáveis. Para todos esses objetos também podem ser utilizadas as funções cv e confint.

Estimando médias

A média de uma variável numérica é estimada através da função svymean, que possui uma sintaxe idêntica à svytotal. O exemplo do total da renda bruta mensal normalmente recebida pode ser facilmente reescrito para médias:

mediarenda <- svymean(x=~E01602, design=dadosPNDS, na.rm=TRUE)
mediarenda

E podemos calcular coeficientes de variação e intervalos de confiança da mesma forma:

cv(object=mediarenda)
confint(object=mediarenda)

Estimando proporções

Utilizando variáveis categóricas, é possível estimar a frequência relativa de cada categoria. Isso pode ser feito também através da função svymean, com uma sintaxe análoga à utilizada para estimar os totais das categorias.

Para estimar a proporção de cada sexo na população:

propsexo <- svymean(x=~C006, design=dadosPNDS, na.rm=TRUE)
propsexo

Da mesma forma, podemos estimar a proporção de mais de uma variável:

propsexoraca <- svymean(x=~C006+C009, design=dadosPNDS, na.rm=TRUE)
propsexoraca

E estimando a proporção de um cruzamento de duas ou mais variáveis com a função interaction:

propsexoEraca <- svymean(x=~interaction(C006,C009), design=dadosPNDS, na.rm=TRUE)
ftable(x=propsexoEraca)

Neste caso, as frequências relativas calculadas são em relação ao total, não a uma marginal.

Estimando razões

Além das proporções, também é possível estimar razões entre duas variáveis. Um exemplo de razão é a taxa de interrupção das atividades habituais por problemas respiratórios: ela é a razão entre o total de pessoas que indicaram problemas respiratórios como motivo da interrupção das atividades habituais pelo total de pessoas que interromperam as atividades habituais por motivo de saúde.

A função para estimar razões é a svyratio. Sua sintaxe utiliza quatro argumentos: a variável cujo total estará no numerador, a variável cujo total estará no denominador, o objeto do plano amostral e a opção de remover valores não aplicáveis.

Um exemplo para a estimativa dessa taxa é:

txprobresp <- svyratio(numerator=~(J00402=="Problemas respiratórios (Resfriado / gripe /sinusite/ asma / bronquite / pneumonia)"), denominator=~(J002=="Sim"), design=dadosPNDS, na.rm=TRUE)
txprobresp

Cálculos de coeficiente de variação e intervalos de confiança para essa taxa:

cv(object=txprobresp)
confint(object=txprobresp)

Estimando medianas e quantis

Medianas e quantis de variáveis numéricas são estimados através da função svyquantile. Além dos argumentos utilizados para estimar a média, é necessário definir os quantis a serem calculados no argumento quantiles.

Para calcular a mediana da renda bruta mensal normalmente recebida, basta utilizar quantiles=0.5:

medianarenda <- svyquantile(x=~E01602, design=dadosPNDS, quantiles=0.5, ci=FALSE, na.rm=TRUE)
medianarenda

Para obtenção do intervalo de confiança pela função svyquantile, é necessário utilizar o parâmetro ci=TRUE e a partir dele, utilizar as funções SE e cv para estimar o erro padrão e coeficiente de variação, respectivamente.

medianarenda <- svyquantile(x=~E01602, design=dadosPNDS, quantiles=0.5, ci=TRUE, na.rm=TRUE)
medianarenda
SE(object=medianarenda)
cv(object=medianarenda)

Além disso, é possível calcular vários quantis simultaneamente, colocando um vetor no argumento quantiles.
No código abaixo, estimamos, além da mediana, o primeiro e nono decis e primeiro e terceiro quartis:

quantisrenda <- svyquantile(x=~E01602, design=dadosPNDS, quantiles=c(0.1,0.25,0.5,0.75,0.9), ci=FALSE, na.rm=TRUE)
quantisrenda

Estimação para variáveis de rendimento deflacionadas

Para estimar totais e médias de variáveis de rendimento deflacionadas, ou seja, ao invés de obter as estimativas sob o valor nominal destas variáveis, passar a obter as estimativas sob o valor real. Primeiramente, é necessário realizar a criação da variável de rendimento com os valores deflacionados nos microdados.

Para criação desta nova variável nos microdados utilizamos a função transform.

dadosPNDS$variables <- transform(dadosPNDS$variables, E01602_real=E01602*Deflator)

Após a criação da variável de rendimento deflacionada, para obter a estimativa do total desta variável basta utilizar a função svytotal conforme visto anteriormente:

totalrenda_real <- svytotal(x=~E01602_real, design=dadosPNDS, na.rm=TRUE)
totalrenda_real

E para obtenção da média desta nova variável, basta utilizar a função svymean:

mediarenda_real <- svymean(x=~E01602_real, design=dadosPNDS, na.rm=TRUE)
mediarenda_real

O processo de deflacionamento é essencial no processo de comparação de uma série histórica dos microdados quando estiver sendo analisada uma variável de rendimento.

Estimação para um domínio

Muitas vezes queremos fazer uma análise para um domínio específico da população. Com o pacote survey, esse domínio pode ser selecionado utilizando a função subset no objeto do plano amostral, aplicando a condição que define aquele domínio. É necessário que a seleção desse domínio nos dados seja feita somente após a criação do objeto que define o plano amostral, caso contrário poderá ser obtido resultados incorretos.

Para a seleção dos domínios podem ser utilizadas condicionais com igualdade, como por exemplo para estimar a média da renda bruta mensal normalmente recebida de mulheres:

mediarendaM <- svymean(x=~E01602, design=subset(dadosPNDS, C006=="Mulher"), na.rm=TRUE)
mediarendaM

Ou condicionais com desigualdade, como por exemplo estimar a taxa de interrupção das atividades habituais por problemas respiratórios para pessoas com idade igual ou superior a 25 anos:

txprobresp25 <- svyratio(numerator=~(J00402=="Problemas respiratórios (Resfriado / gripe /sinusite/ asma / bronquite / pneumonia)"), denominator=~(J002=="Sim"), design=subset(dadosPNDS, C008>=25), na.rm=TRUE)
txprobresp25

Além disso, é possível utilizar múltiplas condições com os operados lógicos & (“e”) e | (“ou”), para estimar a frequência relativa de cada nível de instrução para homens pardos com mais de 30 anos, por exemplo.

nivelinstrHP30 <- svymean(x=~VDD004A, design=subset(dadosPNDS, C006=="Homem" & C009=="Parda" & C008>30), na.rm=TRUE)
nivelinstrHP30

Além disso, caso deseje realizar diversas análises para um mesmo domínio, é possível criar um objeto que contenha apenas os dados daquele domínio a partir de um subset do objeto original do plano amostral.

dadosPNDS_mulheres <- subset(dadosPNDS, C006=="Mulher")
dadosPNDS_mulheres

Outro ponto importante de ser mencionado diante de análises por domínio, é sobre a obtenção de indicadores em nível de domicílio, que para analisar corretamente é necessário realizar o recorte na variável de condição no domicílio, conforme exemplo apresentado abaixo da média de pessoas no domicílio:

mediapesdom <- svymean(x=~C001, design=subset(dadosPNDS, C004=="Pessoa responsável pelo domicílio"), na.rm=TRUE)
mediapesdom

Estimação para vários domínios

Em outros casos há interesse em estimar quantidades de interesse para diversos domínios mutuamente exclusivos, a fim de possibilitar comparações. Para isto, podemos utilizar a função svyby.

Para utilizá-la são necessários os seguintes argumentos:
  • A variável da qual se deseja calcular a quantidade;
  • A variável que define os domínios;
  • O objeto do plano amostral;
  • A função utilizada para calcular a quantidade de interesse (svytotal, svymean, svyratio, svyquantile, …).

Se desejamos estimar a frequência relativa de homens e mulheres em cada nível de instrução, usamos o seguinte código:

freqSexoInstr <- svyby(formula=~C006, by=~VDD004A, design=dadosPNDS, FUN=svymean, na.rm=TRUE)
freqSexoInstr

Caso desejemos estimar o contrário, a frequência relativa de cada nível de instrução para cada sexo, basta inverter as variáveis correspondentes na sintaxe:

freqInstrSexo <- svyby(formula=~VDD004A, by=~C006, design=dadosPNDS, FUN=svymean, na.rm=TRUE)
freqInstrSexo

Também pode ser utilizado para estimar a renda média bruta mensal normalmente recebida por Unidade da Federação:

mediaRendaUF <- svyby(formula=~E01602, by=~V0001, design=dadosPNDS, FUN=svymean, na.rm=TRUE)
mediaRendaUF

É possível também calcular o intervalo de confiança para cada uma dessas estimativas:

confint(object=mediaRendaUF)

É possível definir domínios que sejam cruzamentos de variáveis categóricas com a função interaction.
Na função svyby também é possível utilizar o argumento vartype=“cv” caso desejemos que no output apareça o coeficiente de variação ao invés do erro padrão da estimativa. Para estimar a taxa de interrupção das atividades habituais por problemas respiratórios por sexo e cor ou raça utilizando as funções svyratio e svyby e o respectivo cv:

txprobrespSexoRaca <- svyby(formula=~(J00402=="Problemas respiratórios (Resfriado / gripe /sinusite/ asma / bronquite / pneumonia)"), denominator=~(J002=="Sim"), by=~interaction(C006,C009), design=dadosPNDS, FUN=svyratio, vartype="cv", na.rm=TRUE)
txprobrespSexoRaca

Gráficos para dados amostrais

O pacote survey possui funções específicas para gerar gráficos que incorporem os pesos amostrais das observações. Para a criação dos gráficos, é utilizado o mesmo objeto de plano amostral utilizado para estimar as quantidades populacionais.

Entre os gráficos disponíveis no pacote estão o histograma, boxplot e gráficos de dispersão.

Histograma

A função svyhist permite a criação de histogramas para variáveis numéricas que consideram os pesos amostrais para computar as frequências ou densidades das barras.
A sintaxe básica é semelhante as de estimação apresentadas anteriormente. Além disto, possui os mesmos parâmetros que a função hist: breaks, xlab, main, […].
Para estimativas das frequências absolutas, deve-se utilizar freq=TRUE. Abaixo, um exemplo do histograma do número de horas normalmente trabalhadas para cada um dos casos:

svyhist(formula=~as.numeric(E017), design=dadosPNDS, main="Histograma", xlab="Número de Horas Normalmente Trabalhadas")
svyhist(formula=~as.numeric(E017), design=dadosPNDS, freq=TRUE, main="Histograma", xlab="Número de Horas Normalmente Trabalhadas")

Boxplot

Para a construção de boxplots que considerem os pesos amostrais, a função é svyboxplot.

A sintaxe dela difere um pouco das demais. É necessário declarar a variável numérica, sucedida por um ~ e a variável de agrupamento do boxplot. Caso não deseje usar grupos, basta colocar o número 1. Além disto, há a opção de plotar apenas os outliers mais extremos ou todos, através do argumento all.outliers=TRUE. Exemplos:

svyboxplot(formula=E017~1, design=dadosPNDS, main="Boxplot do Número de Horas Normalmente Trabalhadas")
svyboxplot(formula=E017~C006, design=dadosPNDS, main="Boxplot do Número de Horas Normalmente Trabalhadas por Sexo")
svyboxplot(formula=E017~C006, design=dadosPNDS, all.outliers=TRUE, main="Boxplot do Número de Horas Normalmente Trabalhadas por Sexo")

Gráficos de dispersão

Os gráficos de dispersão usuais não são muito úteis para dados provindo de amostras complexas, pois não conseguem diferenciar o peso de cada ponto representado no gráfico. Para isso, a função svyplot tem algumas opções de construção de gráficos de dispersão que representam esses pesos através do argumento style.

Uma opção é a utilização de style=“bubble”, que o tamanho do ponto no gráfico representa o peso das observações naquele ponto.

svyplot(formula=E01602~E017, design=dadosPNDS, style="bubble", xlab="Número de Horas Normalmente Trabalhadas", ylab="Rendimento Mensal Bruto Normalmente Recebido")

Outra opção é a style=“transparent”, onde regiões com menor peso são mais transparentes e com maior peso, mais sólidas:

svyplot(formula=E01602~E017, design=dadosPNDS, style="transparent", xlab="Número de Horas Normalmente Trabalhadas", ylab="Rendimento Mensal Bruto Normalmente Recebido")

Modelagem com pacote survey

No pacote survey ainda há a possibilidade de realizar testes de hipóteses e estimar parâmetros de modelos, considerando o plano amostral complexo.

Testes de hipóteses

Os testes de hipóteses incluídos no pacote survey incluem teste-t para médias, teste qui-quadrado e teste de postos.

Abaixo um exemplo do teste-t para diferenças de médias de rendimentos brutos mensais normalmente recebidos entre sexos:

svyttest(formula=E01602~C006, design=dadosPNDS)

Outro exemplo para testar diferenças entre médias de horas normalmente trabalhadas, entre pessoas com e sem diagnóstico de alguma doença crônica, física ou mental, ou doença de longa duração:

svyttest(formula=as.numeric(E017)~J007, design=dadosPNDS)

Modelos lineares

Além de testes de hipóteses, é possível estimar modelos lineares generalizados para dados amostrais complexos através da função svyglm.

Regressão linear

Para regressão linear simples ou múltipla, basta descrever a fórmula do modelo desejado na função svyglm.

No exemplo abaixo, utilizamos um modelo de regressão com rendimento bruto mensal normalmente recebido como variável dependente e escolaridade, cor ou raça e idade como variáveis explicativas. Para obter as estatísticas do modelo, pode ser utilizada a função summary, assim como feito para a regressão linear convencional.

modeloLin <- svyglm(formula=E01602~VDD004A+C009+C008, design=dadosPNDS)
summary(object=modeloLin)

Além disso, é possível computar intervalos de confiança para os parâmetros:

confint(object=modeloLin)

Regressão logística

Outro modelo pertencente a classe de modelos generalizados é a Regressão Logística. Para utilizar este modelo, basta colocar o argumento family=“binomial”.

No exemplo abaixo modelamos o diagnóstico de alguma doença crônica, física ou mental, ou doença de longa duração pelo sexo, cor ou raça e idade:

modeloLog <- svyglm(formula=J007~C006+C009+C008, design=dadosPNDS, family="binomial")
summary(object=modeloLog)

Sendo possível também computar intervalos de confiança para os parâmetros:

confint(object=modeloLog)

Análise de concentração de renda com pacote convey

O pacote convey permite estimar diversas medidas de concentração de renda para dados provenientes de pesquisas com planos amostrais complexos.

Este pacote segue uma sintaxe bem próxima à sintaxe do pacote survey, sendo possível utilizar funções do pacote survey em objetos do pacote convey. Uma extensa documentação sobre este pacote e sobre o processo de estimação dos índices pode ser encontrada no GitHub dos autores: https://guilhermejacob.github.io/context/index.html.

Para a utilização do pacote convey, primeiramente é necessário utilizar a função convey_prep, que transforma o objeto do plano amostral do survey no objeto que o pacote convey utiliza para as estimações:

library(convey)
dadosPNDS <- convey_prep(design=dadosPNDS)

Aqui, apresentaremos apenas exemplo de duas das diversas medidas disponíveis no pacote: O índice de Gini e a Curva de Lorenz.

Índice de Gini

Para estimarmos o índice de Gini, basta utilizar a função svygini com a variável de renda desejada. Neste exemplo, estimamos o índice de Gini do Brasil para a renda bruta mensal normalmente recebida:

giniBR <- svygini(formula=~E01602, design=dadosPNDS, na.rm=TRUE)
giniBR

Assim como nas funções do pacote survey, é possível, por exemplo, estimar o coeficiente de variação desta estimativa:

cv(object=giniBR)

Também é possível utilizar a função svyby para estimar o índice de Gini da renda bruta mensal normalmente recebida por Unidade da Federação:

giniUF <- svyby(formula=~E01602, by=~V0001, design=dadosPNDS, FUN=svygini, na.rm=TRUE)
giniUF

E estimar intervalos de confiança para cada UF:

confint(object=giniUF)

Curva de Lorenz

A Curva de Lorenz é um gráfico utilizado para relacionar a distribuição relativa de renda pelas pessoas. A área entre essa curva e a reta identidade, é uma das formas de definir o coeficiente de Gini. No pacote convey, é possível fazer o gráfico desta curva com a função svylorenz. Os quantis da população, para os quais a renda acumulada será plotada no gráfico, são definidos no argumento quantiles.

Exemplo para a Curva de Lorenz da renda bruta mensal normalmente recebida:

curvaLorenz <- svylorenz(formula=~E01602, design=dadosPNDS, quantiles=seq(from=0, to=1, by=0.05), na.rm=TRUE)

  1. Instituto Brasileiro de Geografia e Estatística - ↩︎