316477_es-ES

liliconcom

Pregunta de peso de la encuesta

Estoy trabajando con algunos datos del Censo que provienen de una encuesta.Hay una variable de peso, dado que utilizan un esquema de muestreo bastante complejo para asegurar una representación adecuada de los diferentes grupos.Soy consciente de que JMP calculará promedios ponderados al analizar distribuciones, si coloco la variable de peso en el cuadro Peso del cuadro de diálogo.También soy consciente de que JMP ignora la variable de peso al analizar la distribución de una variable nominal.Pero no me queda claro por qué.En particular, me pregunto cuál es la forma correcta de describir la distribución de una variable nominal.Por ejemplo, supongamos que hay dos grupos y el grupo 1 comprende el 40% del total de encuestados.Supongamos que las variables del grupo 1 tienen el 60% de los pesos totales.Las distribuciones analizadas mostrarán el 40% en el grupo 1. Si coloco la variable de peso en el cuadro Frecuencia, entonces el grupo 1 comprenderá el 50% del total.¿Cuál es la fracción correcta del grupo 1?¿Es el % bruto o el porcentaje ponderado por la frecuencia de las ponderaciones?Y, si es lo último, ¿por qué no se maneja poniendo el peso en el cuadro Peso, en lugar del cuadro Frecuencia?

Investigación de Consumidores y MercadosExploración y visualización de datosIngeniería de Calidad y ProcesosRe: Pregunta sobre el peso de la encuestaPermítame llamar a su variable de peso W para facilitar la discusión.

Primero, quiero aclarar su conclusión "las ponderaciones deben usarse como frecuencias para una variable nominal y ponderaciones para una variable continua". Esta no es una conclusión correcta sobre cómo se deben utilizar la frecuencia y el peso en la plataforma de distribución. He explicado qué hacen la frecuencia y el peso. En resumen, la siguiente sugerencia es lo que me gustaría ofrecer cuando uno tiene dificultades para decidir si usar Freq o Weight:
1) En la mayoría de los casos, use su variable W en Freq. En esta situación, W significa el recuento de réplicas de sus observaciones individuales.
2) Utilice su variable W en Peso, sólo si sabe lo que está haciendo.

Ahora déjame volver a tu variable W. Como ha descrito, no encaja perfectamente ni en Freq ni en Weight. El propósito de W es contrarrestar las diferentes probabilidades de selección en la encuesta. Suponga que está interesado en estimar tanto la proporción de la población como el error estándar de la estimación. Creo que la herramienta correcta a utilizar es un procedimiento SAS Proc SURVEYMEANS. Si la plataforma de Distribución es equivalente al procedimiento SAS Proc UNIVARIATE, no creo que JMP tenga una plataforma equivalente a Proc SURVEYMEANS. He comprobado la plataforma Categorical, pero no creo que sea equivalente.

Entonces, para mí, su verdadero desafío no es decidir poner W en Freq o Weight en la plataforma de Distribución, sino comprender qué cálculos realizar en Distribución para replicar los resultados si hubiera podido tener acceso a Proc SURVEYMEANS. En este punto, puedo confirmar que su cálculo de estimación puntual utilizando Distribución al poner W en Freq replicará la estimación de Proc SURVEYMEANS. Las fórmulas de los dos cálculos son matemáticamente equivalentes. Y tiene razón, no podrá replicar el error estándar de la estimación. Los detalles del cálculo del error estándar se pueden encontrar en la documentación de Proc SURVEYMEANS.
Re: Pregunta sobre el peso de la encuesta

Para aclarar esto, aquí hay un ejemplo de una encuesta reciente.A una pregunta sobre si alguien en el hogar ha cambiado sus planes educativos, el 5,3% de los 109.051 encuestados dio una respuesta afirmativa.Agregar las ponderaciones de los hogares al análisis no cambia nada.Sumando las ponderaciones de los hogares como frecuencia, se obtiene una estimación del 4,8% de 121.520.180 hogares.Creo que el 4,8% es la estimación puntual correcta.Por supuesto, el error estándar será incorrecto; de hecho, no creo que exista una manera fácil de obtener una estimación del error estándar.Se deben utilizar las 80 ponderaciones replicadas que el Censo proporciona para ese fin.Pero, por ahora, sólo estoy preguntando sobre la estimación puntual y por qué las ponderaciones deberían usarse como frecuencias para una variable nominal y ponderaciones para una variable continua (como el ingreso del hogar).Creo que ha respondido a esta última pregunta (no hay una buena razón desde mi perspectiva, sino una razón histórica para tener que lidiar con usuarios de sas y scripts antiguos).¿Puedes confirmar la parte sobre la estimación puntual?

Re: Pregunta sobre el peso de la encuesta

Estas son ponderaciones de las encuestas de la Oficina del Censo.Dado que utilizan un procedimiento de muestreo estratificado complejo, las ponderaciones de los hogares representan el número de hogares que representa un hogar encuestado.Si bien el hogar en sí es un solo encuestado, puede representar 1.000 hogares de ese "tipo".Por lo tanto, no se ajusta a la descripción de frecuencia en el sentido de que no hay otros encuestados con exactamente esas respuestas.Pero si se utiliza como ponderación, se ignorará en la distribución de una variable categórica.Entonces, por ejemplo, si desea saber qué porcentaje de personas tiene la característica x, entonces el porcentaje de encuestados diferirá del porcentaje de la población, pero no solo por el muestreo aleatorio, sino por el procedimiento de muestreo utilizado.Me parece que queremos utilizar las ponderaciones, pero la única forma en que influirán en el % con la característica x es utilizarla como frecuencia, no como ponderación.Creo que eso es correcto para la estimación puntual, pero probablemente no para estimar el error estándar.

Re: Pregunta sobre el peso de la encuestaPara responder dónde colocar la variable de peso, necesito preguntar qué representa la variable de peso. ¿Peso = 2 significa que hay dos resultados de encuesta idénticos, por ejemplo, dos personas dan exactamente las mismas respuestas a todas las preguntas si cada fila significa un resultado de encuesta en sus datos? Si es así, la variable de peso debería ir a "Freq". "Freq" significa literalmente cuántas copias de la misma observación. De lo contrario, si lo asigna a "Peso", necesitamos ver cómo afectará "Peso" a las estadísticas que le interesan. Y esa será una situación caso por caso. Por ejemplo, si pones la variable de peso en "Peso", entonces N será el número de filas de tu tabla de datos; la Media será la misma que la Media usando la variable de peso en "Freq"; Std Dev, sin embargo, será diferente al uso de la variable de peso en "Freq". El "peso" puede afectar los cálculos cuyas fórmulas incluyan "w_i". Pero es necesario comprobar la documentación individual para estar seguro.

Dos referencias más que podrían ser útiles para explicar las diferencias entre Freq y Weight. Ambos son de SAS. Y sí, SAS tuvo una fuerte influencia en los diseños de las plataformas JMP en los primeros días.
https://blogs.sas.com/content/iml/2013/09/13/frequencies-vs-weights-in-regression.html
https://support.sas.com/kb/22/600.html

Por "razones históricas", sólo puedo decirlo basándome en mi experiencia. Puedo ver dos razones:
1) "Freq" solía ser solo un número entero. Aunque ya no es cierto en JMP, todavía parece ser el caso en algunos procedimientos SAS. Y al agregar "Peso", que puede contener valores más grandes y valores fraccionarios, permitió algunos cálculos que no eran posibles usando "Freq".
2) El "peso" se puede utilizar como truco para algunos cálculos estadísticos, pero no cambia los datos. Ese blog de SAS ofrece un buen ejemplo sobre cómo se pueden manejar los valores atípicos mediante la reponderación. Según mi experiencia, estos trucos generalmente se desarrollaban junto con las metodologías clásicas. Son valiosos de una situación a otra, pero hay que tener cuidado con lo que hacen.
Re: Pregunta sobre el peso de la encuesta

Gracias por intentar responder a mi pregunta, pero su respuesta es demasiado críptica para mí.La documentación de JMP no ayudó; solo indica lo que dije en mi pregunta.Las ponderaciones se pueden utilizar para variables continuas, pero se ignoran para variables nominales.No entiendo su afirmación sobre "razones históricas".¿Qué son éstos?Por las otras citas que proporcionó, sospecho que esto tiene algo que ver con sas en lugar de jmp.No soy usuario de sas, así que no lo sé.Sólo di lo que quieres decir.

 

Más concretamente, ¿está usted confirmando que cuando se tienen ponderaciones de encuestas, estas deberían asignarse a la función de frecuencia para las variables nominales, pero a la función de ponderación para las variables continuas?Eso es lo que he llegado a creer, pero agradecería alguna confirmación de ello, incluso si las "razones históricas" deben permanecer oscuras.

Re: Pregunta sobre el peso de la encuestaEl comportamiento actual que puede causar confusión se debe principalmente a razones históricas. Y creo que el comportamiento debe permanecer como está para siempre. De lo contrario, los scripts JSL existentes en la producción del usuario pueden producir resultados inesperados sin advertencias y difíciles de detectar.
Algunas referencias pueden ayudar a comprender el comportamiento actual:
1) Documentación JMP. Análisis Básico > Distribuciones > Lanzar la Plataforma de Distribución. https://www.jmp.com/support/help/en/15.0/jmp/launch-the-distribution-platform.shtml
2) Declaración FREQ y declaración PESO en SAS Proc Univariate Documentation: https://support.sas.com/documentation/cdl/en/procstat/63104/HTML/default/procstat_univariate_sect012.htm https://support.sas.com/documentation/cdl/en/procstat/63104/HTML/default/procstat_univariate_sect021.htm