library(survey)
## Cargando paquete requerido: grid
## Cargando paquete requerido: Matrix
## Cargando paquete requerido: survival
##
## Adjuntando el paquete: 'survey'
## The following object is masked from 'package:graphics':
##
## dotchart
options(survey.lonely.psu = "adjust")
data(api)
library(survey) carga el paquete
survey.options(survey.lonely.psu = "adjust") ajusta el cálculo
cuando existe un conglomerado con una sola unidad primaria de
muestreo.data(api) carga la base de datos de ejemplo
api, incluida en el paquete survey.dis <- svydesign(
ids = ~dnum,
weights = ~pw,
data = apiclus1
)
degf(dis)
## [1] 14
La función svydesign() crea el diseño muestral.
ids = ~dnum: identifica el conglomerado.weights = ~pw: indica los pesos muestrales.data = apiclus1: especifica la base de datos.degf(dis) calcula los grados de libertad del diseño.
Al ejecutar la función degf(dis) se obtuvo un valor de 14 grados de libertad para el diseño muestral.
El diseño muestral tiene 14 grados de libertad, los cuales se utilizarán en los análisis posteriores, como la construcción de intervalos de confianza y las pruebas de hipótesis. Este valor refleja la información independiente disponible considerando la estructura del diseño muestral.
m <- svymean(~api00, dis)
m
## mean SE
## api00 644.17 23.779
confint(m, df = degf(dis))
## 2.5 % 97.5 %
## api00 593.1685 695.1703
svymean() calcula la media considerando el diseño
muestral.
confint() calcula el intervalo de confianza del 95%.
Al ejecutar el código se obtuvo la siguiente salida en R: mean SE api00 644.17 23.779
2.5 % 97.5 %
api00 593.1685 695.1703
La media estimada de la variable api00 es 644,17 puntos, considerando el diseño muestral. El error estándar es 23,779, lo que indica la variabilidad de la estimación de la media. Además, con un 95 % de confianza, se estima que la media poblacional se encuentra entre 593,17 y 695,17 puntos. Como el intervalo refleja la incertidumbre de la estimación, se puede afirmar que la verdadera media de la población probablemente se encuentre dentro de ese rango.
svyttest(I(api00 - 650) ~ 0, dis)
##
## Design-based one-sample t-test
##
## data: I(api00 - 650) ~ 0
## t = -0.2452, df = 13, p-value = 0.8101
## alternative hypothesis: true mean is not equal to 0
## 95 percent confidence interval:
## -57.20203 45.54083
## sample estimates:
## mean
## -5.830601
Realiza una prueba t para evaluar si la media poblacional es igual a 650.
Hipótesis
Design-based one-sample t-test
data: I(api00 - 650) ~ 0 t = -0.2452, df = 13, p-value = 0.8101
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval: -57.20203 45.54083
sample estimates: mean -5.830601
La prueba t de una muestra arrojó un estadístico t = -0.2452 con 13 grados de libertad y un valor p = 0.8101. Como el valor p es mayor que 0,05, no se rechaza la hipótesis nula. Por lo tanto, no existe evidencia estadística suficiente para afirmar que la media poblacional de api00 sea diferente de 650. Además, el intervalo de confianza incluye el valor 0 para la diferencia entre la media y 650, lo que respalda la misma conclusión.
svyttest(api00 ~ sch.wide, dis)
##
## Design-based t-test
##
## data: api00 ~ sch.wide
## t = 2.088, df = 13, p-value = 0.05704
## alternative hypothesis: true difference in mean is not equal to 0
## 95 percent confidence interval:
## -1.432285 84.070329
## sample estimates:
## difference in mean
## 41.31902
Compara la media de api00 entre los grupos definidos por
sch.wide.
Hipótesis
Design-based t-test
data: api00 ~ sch.wide t = 2.088, df = 13, p-value = 0.05704
alternative hypothesis: true difference in mean is not equal to 0
95 percent confidence interval: -1.432285 84.070329
sample estimates: difference in mean 41.31902
La prueba t comparó la media de la variable api00 entre los dos grupos definidos por sch.wide. Se obtuvo un estadístico t = 2.088 con 13 grados de libertad y un valor p = 0.05704. Como el valor p es mayor que 0,05, no se rechaza la hipótesis nula. Por lo tanto, no existe evidencia estadística suficiente para afirmar que las medias de los dos grupos sean diferentes al nivel de significancia del 5 %.
Aunque la diferencia estimada entre las medias es de 41,31902 puntos, el intervalo de confianza incluye el valor 0 (desde -1,432285 hasta 84,070329), lo que indica que esa diferencia podría deberse al azar y no puede considerarse estadísticamente significativa.
svyciprop(
~I(sch.wide == "Yes"),
dis,
method = "logit"
)
## 2.5% 97.5%
## I(sch.wide == "Yes") 0.874 0.823 0.912
Calcula la proporción estimada de escuelas donde
sch.wide = "Yes" y su intervalo de confianza.
2.5% 97.5%
I(sch.wide == “Yes”) 0.874 0.823 0.912
La proporción estimada de escuelas que pertenecen a la categoría “Yes” de la variable sch.wide es 0,874, lo que equivale al 87,4 % de la población estimada. Además, con un 95 % de confianza, se estima que la verdadera proporción poblacional se encuentra entre 82,3 % y 91,2 %. Este intervalo de confianza refleja la incertidumbre de la estimación y sugiere que una alta proporción de las escuelas pertenece a dicha categoría.
svychisq(
~sch.wide + stype,
dis,
statistic = "F"
)
##
## Pearson's X^2: Rao & Scott adjustment
##
## data: svychisq(~sch.wide + stype, dis, statistic = "F")
## F = 5.0905, ndf = 1.4946, ddf = 20.9250, p-value = 0.02307
Evalúa la existencia de asociación entre las variables
sch.wide y stype.
Hipótesis
simpleWarning in chisq.test(svytable(formula, design, Ntotal = N), correct = FALSE): Chi-squared approximation may be incorrect
Pearson’s X^2: Rao & Scott adjustment
data: svychisq(~sch.wide + stype, dis, statistic = “F”)
F = 5.0905 ndf = 1.4946 ddf = 20.9250 p-value = 0.02307
La prueba de asociación de Rao–Scott arrojó un estadístico F = 5.0905 y un valor p = 0.02307. Como el valor p es menor que 0,05, se rechaza la hipótesis nula. Por lo tanto, existe evidencia estadísticamente significativa para afirmar que las variables sch.wide y stype están asociadas en la población, considerando el diseño muestral.
svyby(
~api00,
~stype,
dis,
svymean
)
## stype api00 se
## E E 648.8681 22.58731
## H H 618.5714 38.40263
## M M 631.4400 31.92737
Calcula la media de api00 para cada tipo de
establecimiento (stype).
| Tipo de establecimiento (stype) | Media de api00 | Error estándar (SE) |
|---|---|---|
| E | 648.8681 | 22.58731 |
| H | 618.5714 | 38.40263 |
| M | 631.4400 | 31.92737 |
La función svyby() permitió calcular la media de la variable api00 para cada categoría de la variable stype, considerando el diseño muestral. Los resultados muestran que el tipo E presenta la mayor media (648.87 puntos) y también el menor error estándar (22.59), lo que indica una estimación más precisa. Por su parte, el tipo H registra la menor media (618.57 puntos) y el mayor error estándar (38.40), lo que refleja una mayor variabilidad en la estimación. Finalmente, el tipo M presenta una media intermedia (631.44 puntos) y un error estándar de 31.93, situándose entre los otros dos grupos.
d0 <- svydesign(
ids = ~1,
weights = ~pw,
data = apiclus1
)
svymean(~api00, d0)
## mean SE
## api00 644.17 7.8172
confint(svymean(~api00, d0))
## 2.5 % 97.5 %
## api00 628.848 659.4908
Crea un diseño muestral sin considerar conglomerados y calcula la media y su intervalo de confianza.
mean SE
api00 644.17 7.8172
2.5 % 97.5 %
api00 628.848 659.4908
Comparación con los resultados con ÍTEM 2: | Resultado | Ítem 2 | Ítem 8 | |———–|——–|——–| | Media | 644.17 | 644.17 | | Error estándar | 23.779 | 7.8172 | | Intervalo de confianza | 593.17–695.17 | 628.85–659.49 |
En este ítem se creó un diseño muestral que no considera los conglomerados (ids = ~1), sino únicamente los pesos muestrales. La media estimada de api00 fue 644,17, igual a la obtenida en el Ítem 2. Sin embargo, el error estándar disminuyó de 23,779 a 7,8172, lo que produjo un intervalo de confianza mucho más estrecho (628,848 a 659,491), en comparación con el intervalo obtenido en el Ítem 2 (593,169 a 695,170). Esto demuestra que ignorar la estructura por conglomerados subestima la variabilidad de los datos, generando estimaciones aparentemente más precisas de lo que realmente son. Por ello, para obtener inferencias válidas es importante considerar el diseño muestral completo
En este laboratorio se analizaron diferentes procedimientos de inferencia estadística utilizando el paquete survey de R para trabajar con muestras complejas. Los resultados demostraron la importancia de considerar el diseño muestral, incorporando tanto los conglomerados como los pesos de muestreo, para obtener estimaciones e inferencias más confiables. Al comparar los resultados obtenidos con y sin identificación de conglomerados, se observó que la media permaneció constante, pero el error estándar y el intervalo de confianza variaron considerablemente. Esto evidencia que ignorar la estructura del diseño puede subestimar la variabilidad de los datos y generar conclusiones excesivamente optimistas. En consecuencia, es fundamental considerar el diseño muestral completo para realizar inferencias estadísticas válidas y representativas de la población.