library(survey)
options(survey.lonely.psu = "adjust")
data(api)
library(survey): Carga el paquete survey,
utilizado para analizar muestras complejas (por conglomerados,
estratificadas y con pesos muestrales).options(survey.lonely.psu = "adjust"): Configura cómo
manejar estratos con una sola unidad primaria de muestreo (lonely
PSU), ajustando la varianza respecto a la media global para evitar
errores.data(api): Carga los conjuntos de datos Academic
Performance Index (API) de escuelas de California, incluyendo la
muestra por conglomerados apiclus1.svydesign(...): Define el objeto de diseño muestral
complejo (dis).
ids = ~dnum: Identifica los conglomerados o Unidades
Primarias de Muestreo (número de distrito escolar).weights = ~pw: Especifica los pesos o ponderadores
muestrales de cada escuela.data = apiclus1: Indica la base de datos
utilizada.degf(dis): Calcula los grados de libertad del diseño
muestral (\(n_{\text{conglomerados}} -
1\)).dis <- svydesign(
ids = ~dnum,
weights = ~pw,
data = apiclus1
)
degf(dis)
## [1] 14
El diseño dis reconoce que las escuelas fueron
seleccionadas agrupadas por distrito escolar (dnum) y
ponderadas por pw. El resultado de degf(dis)
es 14 grados de libertad, lo que indica que la muestra
contiene 15 conglomerados (distritos) independientes (\(15 - 1 = 14\)). En muestreo por
conglomerados, los grados de libertad dependen del número de
conglomerados y no del total de escuelas.
m <- svymean(~api00, dis): Estima la media
poblacional del puntaje api00 y su error estándar bajo el
diseño dis.confint(m, df = degf(dis)): Calcula el intervalo de
confianza del 95% para la media utilizando una distribución \(t\) con los 14 grados de libertad del
diseño.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
Con un 95% de confianza, se estima que el puntaje promedio
poblacional del índice api00 se encuentra entre
593.17 y 695.17 puntos.
svyttest(I(api00 - 650) ~ 0, dis): Ejecuta una prueba
\(t\) de una muestra ajustada por el
diseño dis. Al restar 650 a api00 y
contrastarlo contra 0 (~ 0), evalúa si la media poblacional
de api00 es igual a 650 puntos.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
api00 sea distinto de 650 puntos.svyttest(api00 ~ sch.wide, dis): Realiza una prueba
\(t\) de comparación de medias entre
dos grupos bajo el diseño dis. Compara el puntaje promedio
de la variable cuantitativa api00 entre las dos categorías
de sch.wide (si la escuela cumplió o no su meta escolar:
"Yes" vs. "No").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
api00 y
variable de agrupación sch.wide.api00
entre ambos grupos.svyciprop(~I(sch.wide == "Yes"), dis, method = "logit"):
Estima la proporción poblacional de escuelas que cumplieron la meta
escolar (sch.wide == "Yes") y calcula su IC del 95% bajo el
diseño dis. El argumento method = "logit" usa
una transformación logística para garantizar que los límites del
intervalo se mantengan dentro de \([0,
1]\).svyciprop(
~I(sch.wide == "Yes"),
dis,
method = "logit"
)
## 2.5% 97.5%
## I(sch.wide == "Yes") 0.874 0.823 0.912
Con un 95% de confianza, se estima que entre el 82.3% y el 91.2% de las escuelas de la población lograron cumplir su meta de crecimiento a nivel escolar.
svychisq(~sch.wide + stype, dis, statistic = "F"):
Aplica una prueba de independencia chi-cuadrado con corrección de
Rao-Scott para muestras complejas entre las variables categóricas
sch.wide (cumplimiento de meta) y stype (tipo
de escuela). El argumento statistic = "F" ajusta el
estadístico a una distribución \(F\).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
sch.wide y
stype.sch.wide
y stype son independientes vs. \(H_1\): Existe asociación entre
sch.wide y stype.svyby(~api00, ~stype, dis, svymean): Calcula la media
estimada y el error estándar de api00 de forma separada
para cada subgrupo definido por el tipo de escuela (stype),
respetando el diseño muestral dis.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
Los grupos corresponden al tipo de escuela (stype): *
Primaria (E): Media =
648.87, Error estándar = 22.59. *
Secundaria / Media (M): Media =
631.44, Error estándar = 31.93. *
Preparatoria / Liceo (H): Media =
618.57, Error estándar = 38.40.
Las escuelas primarias (E) presentan el puntaje promedio
más alto (648.87) y la mayor precisión (menor error estándar: 22.59).
Por el contrario, las preparatorias (H) registran el
promedio más bajo (618.57) y la mayor incertidumbre (error estándar:
38.40), lo que refleja mayor variabilidad o menor representación
muestral en ese grupo.
d0 <- svydesign(ids = ~1, weights = ~pw, data = apiclus1):
Crea un diseño alternativo que mantiene los pesos (pw) pero
ignora los conglomerados al usar ids = ~1,
asumiendo que cada escuela fue seleccionada de forma independiente.confint(svymean(~api00, d0)): Estima la media de
api00 y su intervalo de confianza del 95% bajo este diseño
simplificado.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
Al comparar con el Ítem 2, ambos diseños entregan la misma
media estimada (ya que usan los mismos ponderadores
pw), pero los intervalos de confianza cambian
drásticamente: * Ítem 2 (con conglomerados,
dis): IC 95% = [593.17, 695.17]
(amplitud de 102.00 puntos). * Ítem 8 (sin conglomerados,
d0): IC 95% = [628.85, 659.49]
(amplitud de 30.64 puntos).
Al ignorar los conglomerados en d0, se subestima
fuertemente el error estándar y el intervalo de confianza se vuelve
artificialmente estrecho (más de tres veces más angosto), dando una
falsa sensación de precisión.
La comparación entre los ítems 2 y 8 demuestra que omitir la
identificación de conglomerados (ids = ~1) no altera la
estimación puntual de la media, pero sí distorsiona gravemente la
inferencia estadística. Al asumir independencia entre escuelas dentro de
un mismo distrito, se ignora que estas comparten características
similares, lo que subestima el error estándar real y genera intervalos
de confianza artificialmente estrechos (de 30.64 puntos frente a los
102.00 puntos del diseño correcto). En consecuencia, no declarar los
conglomerados aumenta el riesgo de cometer errores de tipo I (rechazar
hipótesis nulas verdaderas), por lo que especificar adecuadamente el
diseño muestral en el paquete survey es indispensable para
obtener conclusiones válidas.