Estimadores de calibración - Inferencia asistida por modelos - Estrategias de muestreo, diseño de encuestas y estimación de parámetros - Libros y Revistas - VLEX 747468309

Estimadores de calibración

AutorAndrés Gutiérrez Rojas
Páginas355-391
Cap´ıtulo 10
Estimadores de calibraci´on
La calibraci´on [como proceso] se ha establecido como un importante instru-
mento metodol´ogico en la producci´on de grandes masas de estad´ısticas. La
mayor´ıa de agencias estad´ısticas han desarrollado software especialmente
dise˜nado para calcular las ponderaciones resultantes, usualmente calibra-
das a la informaci´on auxiliar disponible en registros administrativos y otras
fuentes precisas.
Carl-Erik S¨arndal (2008)
El proceso de calibraci´on es el tema principal de los m´as recientes art´ıculos pu-
blicados acerca de estimaci´on en poblaciones finitas y muestreo. Este fen´omeno se
presenta debido a que la calibraci´on provee una forma sistem´atica para la incor-
poraci´on de la informaci´on auxiliar en la etapa de estimaci´on en una encuesta. Un
estimador de calibraci´on es aquel estimador lineal que tiene la agradable propiedad
de la representatividad bajo cualquier dise˜no de muestreo; aunque el t´ermino cali-
braci´on es nuevo, hay autores que coinciden en afirmar que han usado calibraci´on
desde mucho tiempo atr´as, antes de conocer este proceso con ´este nombre.
Como S¨arndal (2007) afirma, el ´ıtem m´as importante en la calibraci´on, como pro-
ceso sistem´atico de estimaci´on, es la existencia de informaci´on auxiliar. Si no hay
informaci´on auxiliar no hay nada a lo que se pueda calibrar, y por tanto no habr´an
estimadores de calibraci´on que aplicar. Como se ver´a a lo largo del cap´ıtulo, los
estimadores generales de regresi´on pueden arrojar los mismos resultados que los
estimadores de calibraci´on; sin embargo, el esp´ıritu y la esencia de su aplicaci´on
tienen direcciones marcadamente diferentes.
¿Pero qu´e es un estimador de calibraci´on? ¿cu´al es su esencia?. A continuaci´on
una breve descripci´on de este m´etodo:
1. Suponga que se tiene acceso a un vector de informaci´on auxiliar, xk=
(x1k, x2k, . . . , xpk), de pvariables auxiliares y conocido para los individuos
seleccionados en la muestra.
2. Adem´as, por registros administrativos u otras fuentes de confianza, se tiene
el conocimiento del total del vector de informaci´on auxiliar tX=PkUxk.
355
356 10. Estimadores de calibraci´on
3. El prop´osito del estudio es estimar el total de la caracter´ıstica de inter´es
usando la informaci´on dada por xkkS.
4. Aunque el estimador de Horvitz-Thompson es insesgado, se requiere que las
estimaciones cumplan con la siguiente restricci´on dada por
X
kS
wkxk=tX
y conocida como ecuaci´on de calibraci´on.
5. La idea consiste en buscar estos pesos wktan cercanos como sea p osible al
inverso de la probabilidad de inclusi´on del kesimo elemento dk= 1k
Aunque el concepto de calibraci´on es nuevo en la teor´ıa de muestreo, la esencia del
etodo y el esp´ıritu pr´actico de obtener estimaciones que a justen exactamente con
totales conocidos no es nuevo. De hecho, este m´etodo se ha utilizado, y algunos
investigadores lo est´an utilizando, sin saber que se llama calibraci´on. Este fue el
caso de Deming & Stephan (1940) quienes abordaron este tema utilizando tablas
de contingencia con estimaciones internas y totales marginales conocidos. Ellos
fueron los pioneros del proceso iterativo de ajuste proporcional o IPFP, por
sus siglas en ingl´es.
10.1 IPFP
Suponga que existen dos variables cualitativas que dividen la poblaciones en sub-
grupos poblacionales. Por un lado una variable permite dividir la poblaci´on en H
subgrupos poblacionales, U1·, . . . , Uh·, . . . , UH·, y por otro lado una variable que
permite dividir la poblaci´on en Gsubgrupos p oblacionales, U·1, . . . , U·g, . . . , U·G.
Como resultado la poblaci´on se particiona en H×Gsubgrupos p oblacionales como
lo muestra la siguiente tabla.
Tabla 10.1: Distribuci´on de la poblaci´on en la tabla de contingencia.
U11 ··· U1g· · · U1GU1·
.
.
..
.
..
.
..
.
.
Uh1··· Uhg · · · UhG Uh·
.
.
..
.
..
.
..
.
.
UH1··· UHg · ·· UHG UH·
U·1··· U·g· · · U·GU
Los tama˜nos de los subgrupos poblacionales se definen as´ı: Nhg = #Uhg ,Nh·=
#Uh·,N·g= #U·g. N´otese que se tiene que
N=
H
X
h=1
Nh·=
G
X
g=1
N·g.(10.1.1)
Adem´as de esto, los totales de las celdas de la tabla de contingencia siguen la
siguiente relaci´on:
10.1. IPFP 357
Tabla 10.2: Distribuci´on de los tama˜nos poblacionales en la tabla de contingencia.
N11 ··· N1g· · · N1GN1·
.
.
..
.
..
.
..
.
.
Nh1··· Nhg · · · NhG Nh·
.
.
..
.
..
.
..
.
.
NH1··· NHg · ·· NHG NH·
N·1··· N·g· · · N·GN
Despu´es de la recolecci´on y observaci´on de los datos en la encuesta, se tiene la
estimaci´on definitiva de los totales de cada una de las celdas internas y de las
celdas marginales. As´ı, ˆ
Nhg corresponde a la estimaci´on de Nhg ,ˆ
Nh·corresponde
a la estimaci´on de Nh·,N·gcorresponde a la estimaci´on de N·gy por ´ultimo, ˆ
N
corresponde a la estimaci´on de N. De est´a manera, es posible utilizar el estimador
de Horvitz-Thompson, definiendo
N·g=X
kU
zhk Nh·=X
kU
zgk.
Donde,
zhk =(1 si kUh·
0 en otro caso zgk =(1 si kU·g
0 en otro caso
Al utilizar el estimador de Horvitz-Thompson se garantiza el insesgamiento y se
tiene la relaci´on dada por la siguiente tabla
Tabla 10.3: Distribuci´on de los tama˜nos poblacionales estimados en la tabla de
contingencia.
ˆ
N11 ··· ˆ
N1g··· ˆ
N1Gˆ
N1·
.
.
..
.
..
.
..
.
.
ˆ
Nh1··· ˆ
Nhg ··· ˆ
NhG ˆ
Nh·
.
.
..
.
..
.
..
.
.
ˆ
NH1··· ˆ
NHg · · · ˆ
NHG ˆ
NH·
ˆ
N·1··· ˆ
N·g··· ˆ
N·Gˆ
N
Hasta el momento, se ha cumplido con el objetivo de estimar las celdas internas
y las marginales de la tabla de contingencia. Sin embargo, suponga que, debido
a registros administrativos u otras fuentes de confianza, es posible tener acceso a
los totales de las celdas marginales tanto por columnas como por filas. Es decir,
suponga que N·g,g= 1, . . . , G yNh·,g= 1, . . . , G son conocidos.
Bajo el anterior supuesto, es posible construir un algoritmo que a juste las estima-
ciones de las celdas internas y que tenga la agradable propiedad que, finalizado

Para continuar leyendo

Solicita tu prueba

VLEX utiliza cookies de inicio de sesión para aportarte una mejor experiencia de navegación. Si haces click en 'Aceptar' o continúas navegando por esta web consideramos que aceptas nuestra política de cookies. ACEPTAR