En este documento se explicará cómo introducir el factor de expansión y las ponderaciones en los cálculos estadísticos usando los datos del Barómetro de las Américas. Seguiremos lo que se trabajó en el documento de “Manipulación de datos”, disponible aquí.
Los datos que vamos a usar deben citarse de la siguiente manera: Fuente: Barómetro de las Américas por el Proyecto de Opinión Pública de América Latina (LAPOP), wwww.LapopSurveys.org. Pueden descargar los datos de manera libre aquí En este enlace, se pueden registrar o entrar como “Free User”. En el buscador, se puede ingresar el texto “merge”. Ahí se tendrá acceso a la base de datos completa “2004-2018 Grand Merge Free” en versión para STATA. Se descarga la base de datos en formato zip, la que se descomprime en formato .dta. Una vez descargada y guardada en el directorio de trabajo, se tiene que leer la base de datos como un objeto dataframe en R. En este documento se carga una base de datos recortada. Esta base de datos se encuentra alojada en el repositorio “materials_edu” de la cuenta de LAPOP en GitHub.
library(rio)
lapop18 <- import("https://raw.github.com/lapop-central/materials_edu/main/LAPOP_AB_Merge_2018_v1.0.sav")Cuando un investigador abre una base de datos en cualquier programa estadístico, el software asume que los datos provienen de un muestro simple aleatorio. Cuando se trabaja con datos de opinión pública, como los datos del Barómetro de las Américas, el diseño muestral generalmente no es un muestreo simple aleatorio, sino un diseño complejo, con estratificaciones, segmentaciones, cuotas, en diferentes etapas. Como indica el reporte técnico de la ronda 2018/19 del Barómetro de las América, disponible aquí, las muestras en cada país fueron diseñadas usando un diseño probabilístico multietapa (con cuotas al nivel de hogares para la mayoría de países), y fueron estratificadas por regiones principales en el país, tamaño de la municipalidad y por áreas urbanas y rurales dentro de las municipalidades. Este diseño muestral complejo se tiene que incorporar generalmente en los cálculos. En ciertas ocasiones si no se incopora puede llevar a diferencias en los resultados. Una explicación más detallada sobre el uso de los factores de expansión y las potenciales consecuencias de no usarlos con los datos del Barómetro de las Américas puede ser leída en la Nota Metodológica 007 (Castorena, 2021), disponible aquí. Esta Nota Metodológica describe tres escenarios de usos de factores de expansión:
Como indica la Nota metodológica, “los análisis sin ponderar pueden resultar en estimaciones sesgadas” (p.9). Por ejemplo, en el documento sobre manipulación de datos replicamos los resultados sobre el apoyo a la democracia en Honduras (45%) y Uruguay (76.2%), para lo que se calculó la variable recodificada .
lapop18$ing4rec <- car::recode(lapop18$ing4, "1:4=0; 5:7=1")
table(lapop18$ing4rec)##
## 0 1
## 12261 17828En este dataframe se puede calcular la distribución del apoyo a la democracia en estos dos países y se puede reportar los porcentajes redondeado.
round(prop.table(table(lapop18$ing4rec[lapop18$pais==4]))*100, 1)##
## 0 1
## 55 45round(prop.table(table(lapop18$ing4rec[lapop18$pais==14]))*100, 1)##
## 0 1
## 23.8 76.2Se observa que estos resultados son iguales a los que aparecen en el Gráfico 1.2 del reporte “El Pulso de la Democracia” (p.12), disponible aquí. Esto es esperable porque, como indica la Tabla 5 de la Nota Metodológica, ambos países tienen un diseño muestral autoponderado, por lo que estos cálculos aquí, que no incluyen el diseño, coinciden con los del reporte, que sí incluyen el factor de expansión. Un caso diferente es el de Brasil que, según la Nota Metodológica, tiene un diseño muestral ponderado, por lo que sí requeriría usar el factor de expansión para ajustar la sobremuestra en el diseño. Si se calcula el descriptivo del apoyo a la democracia en Brasil sin incluir el factor de expansión se obtiene un resultado distinto al del reporte.
round(prop.table(table(lapop18$ing4rec[lapop18$pais==15]))*100, 1)##
## 0 1
## 40.2 59.8En este cálculo obtenemos 59.8%, mientras que en el Gráfico 1.2 del reporte se observa 60.0%. Esta diferencia es debida a que el comando table, y luego prop.table, no incluyen el factor de expansión.
Algunos comandos en R permiten la inclusión de una variable de expansión en los cálculos. El paquete descr, por ejemplo, incluye varios comandos, como compmeans o crosstab que permiten esta inclusión del factor de expansión. Para reproducir los datos que se observan en el Gráfico 1.2 del reporte, se puede usar el comando compmeans que permite calcular la media de una variable por grupos de una variable factor, como “pais”.
library(descr)
compmeans(lapop18$ing4rec, lapop18$pais, lapop18$weight1500, plot=FALSE)## Mean value of "La democracia es mejor que cualquier otra forma de gobierno"
## according to "País"
## Mean N Std. Dev.
## 1 0.6272307 1436 0.4837099
## 2 0.4888451 1432 0.5000501
## 3 0.5856655 1454 0.4927762
## 4 0.4501005 1436 0.4976772
## 5 0.5153743 1451 0.4999359
## 6 0.7235940 1457 0.4473736
## 7 0.5380612 1479 0.4987179
## 8 0.5978999 1460 0.4904899
## 9 0.5443122 1479 0.4982010
## 10 0.4914110 1454 0.5000983
## 11 0.4926471 1475 0.5001155
## 12 0.5121786 1463 0.5000225
## 13 0.6387097 1419 0.4805438
## 14 0.7619359 1451 0.4260454
## 15 0.5999750 1470 0.4900697
## 17 0.7110368 1468 0.4534353
## 21 0.5922659 1458 0.4915818
## 23 0.5118871 1334 0.5000461
## 40 0.7173120 1496 0.4504565
## 41 0.7430692 1497 0.4370869
## Total 0.5928825 29072 0.4913055De acuerdo a estos resultados, vemos que Brasil, pais 15, tiene un apoyo a la democracia de 0.599975. Si transformamos este número en porcentaje, aproximando a 1 decimal, reproducimos el valor de 60% que se observa en el Gráfico 1.2 del reporte. No solo eso, además, se observa que para el resto de países, los datos se replican. Por ejemplo, para México, país 1, esta tabla muestra un apoyo a la democracia de 0.6272307, o, en porcentaje aproximado a 1 decimal, 62.7%, igual al dato del reporte.
Otra forma de replicar los resultados incorporando el efecto de diseño es usando el paquete survey, paquete especialmente desarrollado para trabajar con diseños muestrales complejos. La Nota Metodológica incluye un apéndice con el código de STATA para usar los factores de expansión en los datos del Barómetro de las Américas. Aquí haremos lo mismo en R, para lo cual usaremos el comando svydesign (similar al comando svyset en STATA). Con este comando se crea un nuevo objeto llamado “lapop.design”, que guarda la información de las variables incluyendo el factor de expansión. Por tanto, si luego se creara una nueva variable, se tendría que correr nuevamente esté comando para que este objeto “lapop.design” incluya esta nueva variable.
library(survey)
lapop.design<-svydesign(ids =~upm, strata =~ estratopri, weights = ~weight1500, nest=TRUE, data=lapop18)Una vez creado guardado los datos con el factor de expansión en el objeto “lapop.design”, se puede usar los comandos nativos del paquete survey para realizar cálculos. Por ejemplo, para calcular la media de la variable “ing4rec” (apoyo a la democracia) en toda la base de datos de la ronda 2018/19, se puede usar el comando svymean.
svymean(~ing4rec, lapop.design, na.rm=T)## mean SE
## ing4rec 0.59288 0.003De esta manera se reproduce el valor de la última fila de resultados del comando compmeans, que corresponde al promedio de toda la muestra. Es decir, de ambas maneras se está encontrando el mismo resultado. Para reproducir los resultados por país, se puede usar el comando svyby que permite hallar resultados de una variable, por valores de otra variable.
svyby(~ing4rec, ~pais, design=lapop.design, svymean, na.rm=T)## pais ing4rec se
## 1 1 0.6272307 0.01245940
## 2 2 0.4888451 0.01358318
## 3 3 0.5856655 0.01267273
## 4 4 0.4501005 0.01197688
## 5 5 0.5153743 0.01419558
## 6 6 0.7235940 0.01512205
## 7 7 0.5380612 0.01372306
## 8 8 0.5978999 0.01212261
## 9 9 0.5443122 0.01357881
## 10 10 0.4914110 0.01374835
## 11 11 0.4926471 0.01337323
## 12 12 0.5121786 0.01624846
## 13 13 0.6387097 0.01161029
## 14 14 0.7619359 0.01240878
## 15 15 0.5999750 0.01556882
## 17 17 0.7110368 0.01415857
## 21 21 0.5922659 0.01050698
## 23 23 0.5118871 0.01325745
## 40 40 0.7173120 0.01261872
## 41 41 0.7430692 0.01189836En este caso, vemos que esta tabla es exactamente igual a la reportada con compmeans, pues ambas usan el factor de expansión. De esta manera, hemos visto dos maneras de incorporar el efecto de diseño muestral en los cálculos básicos con los datos del Barómetro de las Américas. Más adelante, se verá la inclusión del factor de expansión en otros cálculos más complejos, como el cálculo de intervalos de confianza o de regresiones. En estos documentos se trabajará la versión simple, sin incluir estos efectos y con los comandos más básicos de R, y luego la versión compleja, incluyendo el factor de expansión en los cálculos.