Articulo de referencia

Error de cobertura

Todos los círculos de colores están incluidos en la población objetivo. Los círculos verdes y naranjas están incluidos en el marco muestral. Los círculos verdes son una muestra ...

Todos los círculos de colores están incluidos en la población objetivo. Los círculos verdes y naranjas están incluidos en el marco muestral. Los círculos verdes son una muestra generada aleatoriamente del marco muestral. El marco muestral presenta sobrecobertura porque John y Jack son la misma persona, pero aparece más de una vez en el marco muestral. El marco muestral presenta subcobertura porque no toda la población objetivo está incluida en el marco muestral.

El error de cobertura es un tipo de error ajeno al muestreo [ 1 ] que se produce cuando no existe una correspondencia uno a uno entre la población objetivo y el marco de muestreo del que se extrae una muestra. [ 2 ] Esto puede sesgar las estimaciones calculadas a partir de datos de encuestas. [ 3 ] Por ejemplo, un investigador puede querer estudiar las opiniones de los votantes registrados (población objetivo) llamando a las residencias que figuran en una guía telefónica (marco de muestreo). Puede producirse una subcobertura si no todos los votantes figuran en la guía telefónica. Podría producirse una sobrecobertura si algunos votantes tienen más de un número de teléfono registrado. También podría producirse un sesgo si algunos números de teléfono que figuran en la guía no pertenecen a votantes registrados. [ 4 ] En este ejemplo, la subcobertura, la sobrecobertura y el sesgo debido a la inclusión de votantes no registrados en el marco de muestreo son ejemplos de error de cobertura.

Discusión

El error de cobertura es un tipo de error total de la encuesta que puede ocurrir en el muestreo . En el muestreo, un marco muestral es la lista de unidades de muestreo de las cuales se extraen muestras de una población objetivo. [ 3 ] El error de cobertura se produce cuando existen diferencias entre la población objetivo y el marco muestral. [ 5 ]

Por ejemplo, supongamos que una investigadora utiliza Twitter para determinar la opinión de los votantes estadounidenses sobre una acción reciente del presidente de Estados Unidos. Si bien la población objetivo de la investigadora son los votantes estadounidenses, utiliza una lista de usuarios de Twitter como marco de muestreo. Dado que no todos los votantes son usuarios de Twitter, y no todos los usuarios de Twitter son votantes, existirá una discrepancia entre la población objetivo y el marco de muestreo que podría generar resultados de encuesta sesgados, ya que las características demográficas y las opiniones de los votantes que utilizan Twitter podrían no ser representativas de la población objetivo. [ 4 ]

La subcobertura se produce cuando el marco de muestreo no incluye a todos los miembros de la población objetivo. En el ejemplo anterior, los votantes están subrepresentados porque no todos son usuarios de Twitter. Por otro lado, la sobrecobertura se produce cuando algunos miembros de la población objetivo están sobrerrepresentados en el marco de muestreo. En el ejemplo anterior, es posible que algunos usuarios tengan más de una cuenta de Twitter y, por lo tanto, tengan más probabilidades de ser incluidos en la encuesta que los usuarios de Twitter con una sola cuenta. [ 4 ]

Los estudios longitudinales son particularmente susceptibles a la subcobertura, ya que la población estudiada en una encuesta longitudinal puede cambiar con el tiempo. [ 6 ] Por ejemplo, un investigador podría querer estudiar la relación entre las calificaciones obtenidas por los alumnos de tercer grado en un distrito escolar determinado y los salarios que estos mismos niños perciben al llegar a la edad adulta. En este caso, el investigador está interesado en todos los alumnos de tercer grado del distrito que crecen hasta convertirse en adultos (población objetivo). Su marco de muestreo podría ser una lista de alumnos de tercer grado del distrito escolar (marco de muestreo). Con el tiempo, es probable que el investigador pierda el rastro de algunos de los niños utilizados en el estudio original, de modo que su marco de muestra de adultos ya no coincida con el marco de muestra de niños utilizado en el estudio.

Formas de cuantificar el error de cobertura

Se han utilizado diversos métodos para cuantificar y corregir el error de cobertura. A menudo, los métodos empleados son exclusivos de agencias y organizaciones específicas. Por ejemplo, la Oficina del Censo de los Estados Unidos ha desarrollado modelos utilizando el archivo de secuencia de entrega del Servicio Postal de los Estados Unidos, datos de direcciones del formulario 1040 del IRS, recuentos de ejecuciones hipotecarias disponibles comercialmente y otros datos para desarrollar modelos capaces de predecir el subregistro por bloque censal. La Oficina del Censo ha reportado cierto éxito al ajustar dichos modelos a distribuciones binomiales negativas con inflación de ceros o distribuciones de Poisson con inflación de ceros (ZIP). [ 7 ]

Otro método para cuantificar el error de cobertura emplea la metodología de marcado y recaptura . [ 8 ] En esta metodología, se toma una muestra directamente de la población, se marca y se reintroduce en ella. Posteriormente, se toma otra muestra (recaptura) y la proporción de muestras previamente marcadas se utiliza para estimar el tamaño real de la población. Este método puede extenderse para determinar la validez de un marco de muestreo tomando una muestra directamente de la población objetivo y luego otra muestra del marco de datos para estimar la subcobertura. [ 9 ] Por ejemplo, supongamos que se realizó un censo. Una vez finalizado el censo, se podrían extraer muestras aleatorias del marco para volver a contarlas. [ 8 ]

Formas de reducir el error de cobertura

Una forma de reducir el error de cobertura es recurrir a múltiples fuentes para construir un marco muestral o para recabar información. Esto se denomina enfoque de modo mixto. Por ejemplo, los estudiantes de la Universidad Estatal de Washington realizaron encuestas sobre la experiencia estudiantil construyendo un marco muestral con direcciones postales y de correo electrónico. [ 5 ]

En otro ejemplo de un enfoque de modo mixto, el Censo de EE. UU. de 2010 se basó principalmente en las respuestas por correo postal y luego desplegó entrevistadores de campo para entrevistar a quienes no habían respondido. De esta manera, los entrevistadores de campo pudieron determinar si la dirección en cuestión aún existía o si seguía ocupada. Este enfoque tuvo la ventaja adicional de reducir costos, ya que la mayoría de las personas respondieron por correo y no requirió una visita de campo. [ 8 ] [ 5 ]

Ejemplo: Censo de 2010

La Oficina del Censo de los Estados Unidos prepara y mantiene un Archivo Maestro de Direcciones con aproximadamente 144,9 millones de direcciones, que utiliza como marco de muestreo para el Censo Decenal de los Estados Unidos y otras encuestas. A pesar de los esfuerzos de unos 111.105 representantes de campo y un gasto de casi quinientos millones de dólares, la Oficina del Censo aún encontró un número significativo de direcciones que no se habían incluido en el Archivo Maestro de Direcciones. [ 7 ]

El Seguimiento de Cobertura (CFU) y la Verificación de Campo (FV) fueron operaciones de la Oficina del Censo realizadas para mejorar el censo de 2010 utilizando los datos del censo de 2000 como base. Estas operaciones tenían como objetivo abordar los siguientes tipos de errores de cobertura: no contar a alguien que debería haber sido contado; contar a alguien que no debería haber sido contado; y contar a alguien que debería haber sido contado, pero cuya ubicación identificada era errónea. Los errores de cobertura en el Censo de los Estados Unidos pueden tener el impacto potencial de permitir que ciertos grupos de personas estén subrepresentados por el gobierno. Preocupan especialmente los "subregistros diferenciales", que son subestimaciones de grupos demográficos específicos. Si bien los esfuerzos del CFU y la FV mejoraron la precisión del Censo de 2010, se recomendó un estudio más profundo para abordar la cuestión de los subregistros diferenciales. [ 10 ]

Véase también

Referencias

  1. Salant, Priscilla y Don A. Dillman. "Cómo realizar su propia encuesta: Profesionales líderes le brindan técnicas comprobadas para obtener resultados confiables." (1995)
  2. Pesca, NOAA (21 de febrero de 2019). "Resumen de estadísticas de encuestas | NOAA Fisheries" . www.fisheries.noaa.gov . Consultado el 24 de febrero de 2019 .
  3. 1 2 Scheaffer, Richard L. 1996. Sección 5 de Teaching Survey Sampling, por Ronald S. Fecso, William D. Kalsbeek, Sharon L. Lohr , Richard L. Scheaffer, Fritz J. Scheuren, Elizabeth A. Stasny. The American Statistician 50:4 (noviembre de 1996), págs. 335–337. (en jstor )
  4. 1 2 3 Scheaffer, Richard L. (2012). Muestreo de encuestas elementales (7.ª ed. para estudiantes). Boston, MA: Brooks/Cole. ISBN  978-0840053619OCLC 732960076 
  5. 1 2 3 Dillman, Don A.; Smyth, Jolene D.; Christian, Leah Melani (6 de agosto de 2014). Encuestas por Internet, teléfono, correo y métodos mixtos : el método de diseño personalizado (Cuarta ed.). Hoboken. ISBN   9781118921302OCLC 878301194 {{cite book}}: CS1 mantenimiento: falta el editor de ubicación ( enlace )
  6. Lynn, Peter (2009). Metodología de encuestas longitudinales . Chichester, Reino Unido: John Wiley & Sons. ISBN 9780470743911OCLC 317116422 
  7. 1 2 "Selección de predictores para modelar errores de cobertura" . www.census.gov . Oficina del Censo de los Estados Unidos . Consultado el 24 de febrero de 2019 .
  8. ^ Biemer , Paul P .; de Leeuw, Edith Desirée; Eckman, Stephanie; Edwards, Brad; Kreuter, Frauke; Lyberg, Lars, eds. (6 de febrero de 2017). Error total de encuesta en la práctica . Hoboken, Nueva Jersey. ISBN 9781119041689OCLC 971891428 {{cite book}}: CS1 mantenimiento: falta el editor de ubicación ( enlace )
  9. "Modelos de error de cobertura para datos de censos y encuestas" . www.census.gov . Oficina del Censo de los Estados Unidos . Consultado el 24 de febrero de 2019 .
  10. Censo de 2010: el seguimiento debería reducir los errores de cobertura, pero es necesario determinar los efectos en los grupos demográficos: informe a los solicitantes del Congreso . Oficina de Responsabilidad Gubernamental de EE. UU. 2010. OCLC 721261877 .