Al enfrentar el problema de datos faltantes, el punto más importante es decidir si estos pueden introducir sesgos en el análisis. Si no se sabe nada sobre la o las causas por las cuales faltan datos es imposible descartar un posible sesgo y menos estimar su magnitud.
Este curso cubrirá los pasos usados en la ponderación de encuestas por muestreo, incluidos los métodos para ajustar la falta de respuesta y el uso de datos externos a la encuesta para la calibración.
Entre las técnicas discutidas se encuentran los ajustes que utilizan las propensiones de respuesta estimadas, la posestratificación, el rastrillo y la estimación de regresión general. Se discutirán técnicas alternativas para imputar valores a los elementos faltantes. Tanto para la ponderación como para la imputación, se cubrirán las capacidades de diferentes paquetes de software estadístico, incluidos R®, Stata® y SAS®.
Lo que aprenderás:
- Pasos generales para la ponderación:
- Los pesos se utilizan para expandir una muestra a una población. Para lograr esto, las ponderaciones pueden corregir los errores de cobertura en el marco muestral, ajustar la falta de respuesta y reducir las varianzas de los estimadores mediante la incorporación de covariables. La serie de pasos necesarios para hacer esto se tratan en el Módulo 1.
- Pasos específicos:
- Los pasos específicos en la ponderación incluyen calcular las ponderaciones base, ajustar si hay casos de cuya elegibilidad no estamos seguros, ajustar por falta de respuesta y usar covariables para calibrar la muestra a los controles de población externos. Desarrollamos los pasos generales con detalles específicos aquí.
- Implementar los pasos:
- El software es fundamental para implementar los pasos, pero el sistema R es una excelente fuente de rutinas gratuitas. Este módulo cubre varios paquetes de R, incluidos muestreo, encuestas y PracTools que seleccionarán muestras y calcularán pesos.
- Imputación de elementos faltantes:
- En la mayoría de las encuestas, habrá elementos para los cuales los encuestados no brindan información, a pesar de que el encuestado completó lo suficiente del instrumento de recopilación de datos para ser considerado “completo”.
Si solo se conservan los casos con todos los elementos presentes al ajustar un modelo, es posible que se excluyan del análisis bastantes casos. La imputación de los elementos que faltan evita dejar caer los casos que faltan.
En este módulo, cubrimos los métodos para realizar la imputación y reflejar los efectos de las imputaciones sobre los errores estándar.
Únete al canal oficial de CardBiss para más Cursos GRATIS
- Resumen del curso 5:
- Resumimos brevemente los métodos de ponderación e imputación que se trataron en el Curso 5.
¿Cómo obtengo el curso?
Este curso es ofrecido desde la plataforma de Coursera, es un curso que puedes obtener de manera gratuita bajo ciertas condiciones.
La primera opción es elegir la opción de “Curso gratuito sin certificado”, de esta manera podrás acceder al contenido del curso y finalizarlo, pero no podrás obtener un certificado de finalización avalado por la plataforma.
La segunda opción es elegir “auditar curso”, con esta opción podrás acceder al contenido de video del curso, pero no podrás realizar los exámenes ni obtener el certificado de finalización. Si no ves la opción de auditar curso, debes verificar en la parte de abajo usando el scroll (en forma de link).
Las opciones varían dependiendo el curso, pero con cualquiera de las dos podrás acceder gratuitamente al contenido. Por si fuera poco, algunos cursos tienen la opción de ayuda económica, con los cuales puedes solicitar dicho apoyo y ser acreedor de un curso de pago.
Para obtener el curso de manera gratuita da clic en el siguiente botón: