Tratamiento de la no respuesta a las variables de ingreso en la Encuesta Permanente de Hogares de Argentina

Transcripción

1 Tratamiento de la no respuesta a las variables de ingreso en la Encuesta Permanente de Hogares de Argentina Introducción: Augusto E. Hoszowski*, Marta R. de Messere*, Lía S. Tombolini*. Uno de los principales problemas que se presentan en las encuestas a hogares es la no-respuesta a las variables referidas a ingreso, la cual no es completamente aleatoria sino que mantiene una asociación positiva con el nivel socioeconómico. Considerar al conjunto de hogares/personas que responden ingreso como una submuestra representativa de la muestra completa, y por lo tanto de la población en estudio, introduciría un sesgo en las estimaciones cuya magnitud dependería de la discrepancia entre los niveles de ingreso de respondentes y no respondentes, siendo mayor la discrepancia cuanto mayor sea el nivel de la no-respuesta. Surgió entonces la necesidad de plantear un modelo de imputación para la información faltante de ingresos, tarea que está llevando a cabo un grupo de trabajo dentro del Sistema Integrado de Encuestas a Hogares (SIEH). A la espera de la implementación de dicho modelo, en la Encuesta Permanente de Hogares se decidió construir nuevos ponderadores con el objetivo de mejorar la calidad de las estimaciones relativas a la variable ingreso. Dichos ponderadores parten del ponderador para la muestra completa (que incluye ya las correcciones por norespuesta general y el ajuste demográfico), son ajustados por la no-respuesta específica de la variable de ingreso, y luego calibrados a ciertas subpoblaciones de interés para que mantengan la estructura de la muestra original. Si bien se sabe que ello introduce un aumento en los errores de muestreo de las estimaciones (lo cual resulta lógico si se piensa que se esta estimando a partir de una muestra menor), disminuye el sesgo de las estimaciones para que sigan siendo representativas de la población en estudio. Se construyeron tres ponderadores, uno para el Ingreso Total Familiar (ITF), otro para el Ingreso total Individual y el tercero para el ingreso de la Ocupación Principal. Construcción de los nuevos ponderadores A) Ajuste de la ponderación a nivel de estrato de corrección de no-respuesta En el caso del ITF, se definió: Ponderador _ ITF Donde: ijk w = i v. vr 0, si el hogar ( ijk) responde ingreso, en cualquier otro caso - a indica el aglomerado, h el estrato dentro del aglomerado, i el área, j la vivienda y k el hogar; - wi es la ponderación del k-ésimo hogar de la j-ésima vivienda del área i en el estrato h del aglomerado a en la muestra completa, para todo k y j ; * Departamento de Muestreo, Dirección Encuesta Permanente de Hogares, Instituto Nacional de Estadística y Censos, Argentina 1 Noviembre de 2004

2 - v es el total de viviendas del estrato h en el aglomerado a que responden la encuesta; y - vr es el total de viviendas del estrato h en el aglomerado a que responden al ítem de ingreso En el caso del Ingreso total individual (ITI), se definió: Ponderador_ITI Donde: ijkl w = 0 w i i p. pr, si la y responde, si la persona persona y no responde, en cualquier ( ijkl) ingreso ( ijkl) ingreso otro caso es perceptora es perceptora - a indica el aglomerado, h el estrato dentro del aglomerado, i el área, j la vivienda, k el hogar y l la persona; - w i es la ponderación de la persona l en el k-ésimo hogar de la j-ésima vivienda del área i en el estrato h del aglomerado a en la muestra completa, para todo k, j y l ; - p es el total de perceptores del estrato h en el aglomerado a ; y - pr es el total de perceptores del estrato h en el aglomerado a que responden al ítem de ingreso NOTA: Se decidió dejar fuera de la corrección del ingreso total individual a los perceptores menores de diez años, dado que se trata de un grupo de perceptores muy diferente del resto, por sus características propias y por la forma en que se capta en la EPH. En el caso de presentarse no-respuesta en el ingreso total individual para algún menor de diez años, luego de analizar la información disponible se observó que (1) la incidencia de la no-respuesta de ingreso en este grupo es baja, y (2) la distribución de los montos no es muy dispersa y tiene un comportamiento relativamente estable trimestre a trimestre. Por lo tanto, se decidió imputar la mediana del ingreso de los menores respondentes en el trimestre en cuestión. Dicha imputación se realiza previo al cálculo de los correctores y se incorporan los nuevos montos al ITF. Por último, en el caso del Ingreso total de la ocupación principal (IOP), se definió: ( ijkl) o, si la persona es ocupada, perceptora wi. or y responde ingreso Ponderador_IOPijkl = 0, si la persona ( ijkl) es ocupada, perceptora y no responde ingreso wi, en cualquier otro caso 2 Noviembre de 2004

3 Donde: - a indica el aglomerado, h el estrato dentro del aglomerado, i el área, j la vivienda, k el hogar y l la persona; w i - es la ponderación de la persona l en el k-ésimo hogar de la j-ésima vivienda del área i en el estrato h del aglomerado a en la muestra completa, para todo k, j y l ; - o es el total de ocupados perceptores del estrato h en el aglomerado a ; y - or es el total de ocupados perceptores del estrato h en el aglomerado a que responden al ítem de ingreso B) Calibración de los ponderadores Una vez obtenidos los ponderadores, se procede a calibrarlos de manera tal que la estructura de ciertas variables de interés para el estudio de los ingresos refleje la estructura de la muestra original. A tal efecto se utiliza la Macro SAS CALMAR (método lineal truncado), desarrollada por el instituto de estadística de Francia (INSEE), y adaptada para ser aplicada convenientemente en la EPH, para cada Aglomerado. El resultado que se obtiene en cada caso es un ponderador, ya corregido por la no-respuesta específica del ingreso, y que mantiene la estructura de la muestra original en cuanto a características tales como condición de actividad, sexo, etc. El siguiente cuadro muestra, en cada caso, los marginales que son tenidos en cuenta en la calibración: Ponderador Ponderador para el Ingreso Total Familiar Marginales que se tuvieron en cuenta - Total de hogares según régimen de tenencia de la vivienda - Total de hogares según nivel educativo del jefe - Población total - Población total según condición de actividad - Población total según tramos de edad - Población total según sexo Ponderador para el Ingreso total individual Ponderador para el Ingreso individual de la ocupación principal - Total de perceptores - Total de perceptores ocupados según categoría ocupacional - Total de perceptores desocupados - Total de perceptores inactivos - Total de perceptores según sexo - Total de jefes perceptores - Total de perceptores según nivel educativo - Total de ocupados perceptores - Total de ocupados perceptores según sexo - Total de jefes ocupados perceptores - Total de ocupados perceptores según categoría ocupacional - Total de ocupados perceptores asalariados según descuento jubilatorio - Total de ocupados perceptores según intensidad de la ocupación 3 Noviembre de 2004

4 Imputación de variables necesaria para el proceso de calibración Un requisito para que el proceso de calibración sea posible es que todas aquellas variables que participan en el mismo deben tener la información completa. Debido a ello debió incorporarse a la encuesta un proceso de imputación de datos faltantes bajo el método hot-deck jerárquico, que se realiza previo a la expansión de la muestra, y que hasta el momento se acota sólo a aquellas variables necesarias para la calibración. Las variables que se imputan, los casos en las que se imputan y las variables de control se presentan en la siguiente tabla: Variable a imputar 1 ) Edad 2 ) Nivel educativo 3 ) Categoría ocupacional 4 ) Intensidad de la ocupación 5 ) Tenencia de descuento jubilatorio Población / Subpoblac. Población Total Población Total Ocupados Ocupados Ocupados Asalariados Variables de control utilizadas para la selección del donante 1- para los registros que tienen nivel educativo completo: Aglomerado, estrato, relación de parentesco, sexo, nivel educativo, y edad del jefe o cónyuge 2- para los registros que tienen faltantes ambos, edad y nivel educativo: Aglomerado, estrato, relación de parentesco, sexo, y edad del jefe o cónyuge Aglomerado, estrato, relación de parentesco, sexo y edad Aglomerado, estrato, relación de parentesco, sexo, edad, nivel educativo y condición de actividad Aglomerado, estrato, relación de parentesco, sexo, edad, nivel educativo, si trabajó en la semana de referencia y categoría ocupacional Aglomerado, estrato, sexo, edad, nivel educativo, si es servicio doméstico y tenencia de obra social Detalle del procedimiento Para llevar a cabo la imputación se desarrolló un procedimiento en SAS que aplica el método de imputación hot_deck jerárquico. Dicho procedimiento numera los registros en forma independiente en los valores faltantes y valores no faltantes. Un valor faltante con Orden=k se imputa tomando como donante un registro con valor no faltante y Orden=k. Esto se hace en forma independiente dentro de cada celda definida por las variables de control. Ejemplo: Nro de registro Variable a imputar Orden 1 Missing 1 2 Missing 2 3 No missing 1 4 Missing 3 5 No missing 2 6 No missing 3 7 No missing 4 8 Missing 4 9 Missing 5 4 Noviembre de 2004

5 Luego, la imputación será Nro de registro Nro de missing registro donante El registro 9 queda sin imputar. Esta numeración de la variable se realiza en forma independiente dentro de cada celda definidas por las variables de control, con el orden del archivo en forma original. La macro hot-deck desarrollada acepta los parámetros: Arch1: Nombre del archivo de entrada Arch2: Nombre del archivo de salida Clave1-Clave7: Nombre de hasta 7 posibles variables de control VarImput: Nombre de la variable a imputar VarImput2: Nombre de la variable imputada Donante: Número de registro del donante Hay dos variables de control que siempre son las mismas en el caso de la imputación en EPH: Aglomerado y Estrato de Corrección de No Respuesta, que coincide en general con los estratos de selección.. Cuando intentamos imputar una variable y seleccionamos 7 distintas variables de control, pueden quedar algunos datos faltantes sin imputar: el número de valores faltantes en alguna celda de imputación es superior al de valores no faltantes. Se repite entonces el procedimiento con una variable de control menos. Esto se continúa hasta que no queden valores sin imputar. La macro genera también una serie de listados que indican el total de valores faltantes, quienes son (sus variables de control), total de casos que fueron imputados, etc. Resumen Para corregir la no respuesta en las variables de ingreso, como paso intermedio hasta la puesta a punto de un método de imputación, se procedió a un ajuste de las ponderaciones en dos pasos: En el primero se corrige la no respuesta reponderando según estrato de selección. En el segundo paso se calibran las ponderaciones para que la submuestra de respondentes proporcione las mismas estimaciones de ciertas subpoblaciones de interés que la muestra completa (ocupados, desocupados, varones, mujeres, etc).previo a dicho ajuste se imputa mediante hot-deck los valores faltantes de las variables explicativas por las cuales se calibran los ponderadores. 5 Noviembre de 2004

6 Bibliografía Deville J.C., Sarndal C.-E.(1992) Calibration estimation in survey sampling. Journal of the American Statistical Association, vol 87, nº418, Deville J.C., Sarndal C.-E., Sautory O. (1993) Generalized raking procedures in survey sampling. Journal of the American Statistical Association, vol 88, nº423, Sautory O.(1993) La macro CALMAR. Redressement d un échantillon par calage sur marges. Document n F9310, INSEE, France. Lohr Sharon (2000) Muestreo: Diseño y Análisis. International Thomson Editores. Tillé Yves (2001) La théorie des sondages: Échantillonnage et estimation en populations finies. Cours et exercices corrigés, Dunod. 6 Noviembre de 2004