Análisis de encuestas con diseño complejo

1 · El problema

Casi todas las encuestas grandes —la EPH, la EPH continua, la ENGHo, las encuestas de salud— usan un diseño que combina estratificación, conglomerados en varias etapas y ponderadores desiguales.

2 · Cuánto importa

Calculado sobre la EPH del primer trimestre de 2026:

Indicador	EE simple	EE con diseño	Razón	deff
Ingreso medio	$8.076	$17.995	2,23	4,96
Proporción de menores de 15	0,0019	0,0039	2,12	4,48
Tasa de desocupación	0,0017	0,0032	1,85	3,42
Edad media	0,1065	0,2255	2,12	4,48

3 · Los tres componentes del diseño

Componente	Efecto sobre la varianza	Hay que declarar
Estratificación	la reduce	la variable de estrato
Conglomerados	la aumenta	el identificador de conglomerado
Ponderadores desiguales	la aumentan	la variable de peso

Cuánto aporta declarar el estrato

Repitiendo el bootstrap de la sección anterior de dos maneras: sorteando viviendas de toda la muestra —que es omitir el estrato— y sorteándolas dentro de cada aglomerado, que es lo que hace el diseño real.

	EE simple	Solo conglomerado	Con estrato	Exceso
Ingreso medio	8.076	18.183 (deff 5,07)	17.721 (deff 4,81)	+2,6 %
Edad media	0,1065	0,2269 (deff 4,54)	0,2294 (deff 4,64)	−1,1 %

4 · El efecto de diseño

$$\text{deff} = \frac{\text{Var}_{\text{diseño complejo}}}{\text{Var}_{\text{muestreo simple}}} \qquad n_{\text{efectivo}} = \frac{n}{\text{deff}}$$

Se usa para dos cosas: corregir los errores estándar de un análisis ya hecho, y planificar el tamaño de una encuesta futura, multiplicando el $n$ calculado con fórmulas simples por el deff esperado.

5 · Qué cambia y qué no

Es la distinción que más se confunde, porque hay dos decisiones y no una: ponderar o no, y declarar el diseño o no.

	Ponderar	Declarar el diseño
La estimación puntual	cambia	no cambia
El error estándar	cambia poco	cambia mucho

Cuánto cambia la estimación puntual al ponderar, en la EPH:

Indicador	Sin ponderar	Ponderado	Diferencia
Ingreso medio	990.201	1.095.162	+10,60 %
Edad media	37,33	35,45	−5,03 %
Proporción con secundario o más	0,649	0,658	+1,31 %

6 · Cuál ponderador

La EPH trae varios y no son intercambiables. Para el ingreso de la ocupación principal corresponde PONDIIO, que además reparte el peso de los que no declararon ingreso entre los que sí:

Ponderador	Ingreso medio	Población que representa
Sin ponderar	990.201	15.448
PONDERA	1.095.162	9.786.920
PONDIIO (el correcto)	1.104.227	13.127.975
PONDIH	1.125.588	13.040.818

7 · Los métodos de estimación de la varianza

Método	Idea
Linealización de Taylor	aproximación analítica; el más usado
Remuestreo de conglomerados	bootstrap que sortea conglomerados completos
Jackknife	deja fuera un conglomerado por vez
Replicaciones balanceadas (BRR)	para diseños con dos unidades por estrato

Algunos organismos publican ponderadores replicados ya calculados, que permiten estimar la varianza sin conocer la estructura completa del diseño —que a veces no se difunde por confidencialidad—.

8 · No todos los errores cuestan lo mismo

Las listas de errores de este tema suelen presentarlos como igual de graves. Sobre la EPH del primer trimestre de 2026 no lo son:

Error	Cuánto cuesta
Ignorar el diseño por completo	el error estándar queda en la mitad; deff de 3,4 a 5,0
No ponderar	la media del ingreso se corre un 10,6 %
Ponderador equivocado, si se informan totales	25 % de la población
Ponderador equivocado, si se informan medias	0,8 %
Omitir el estrato	2,6 % en el error estándar
Filtrar antes de declarar el diseño	menos del 5 %, sin signo sistemático

9 · Errores frecuentes

• Ignorar el diseño por completo y usar las fórmulas simples. Es el error caro: los errores estándar quedan en la mitad.
• Usar los ponderadores sin declarar el diseño. Da la estimación puntual correcta con un error estándar equivocado, y la salida no lo delata.
• No ponderar. No es un ajuste fino: el ingreso medio de la EPH se corre un 10,6 %.
• Usar el ponderador equivocado. PONDERA para población, PONDIIO para ingreso de la ocupación principal, PONDIH para ingreso del hogar. Cambia poco las medias y un 25 % los totales.
• Sumar los ponderadores de subpoblaciones filtradas sin cuidado: es el mismo problema, visto desde el total.
• Declarar el conglomerado y omitir el estrato, lo que infla los errores estándar. En la EPH un 2,6 %: real, pero de otro orden que lo anterior.
• Correr modelos de regresión sobre datos complejos sin corregir.
• Hacer el subconjunto antes de declarar el diseño: hay que declararlo con todos los casos y después filtrar, para que no queden estratos con una sola unidad de muestreo.

10 · En el software

# R — survey es el paquete de referencia
library(survey)

dis <- svydesign(ids = ~CODUSU, strata = ~AGLOMERADO,
                 weights = ~PONDERA, data = eph, nest = TRUE)

svymean(~P21, dis, na.rm = TRUE, deff = TRUE)
svytotal(~factor(ESTADO), dis)
svyby(~P21, ~AGLOMERADO, dis, svymean, na.rm = TRUE)
svyglm(y ~ x1 + x2, design = dis)          # regresión con diseño

# Para ingreso de la ocupación principal, el peso es otro
dis_ing <- svydesign(ids = ~CODUSU, strata = ~AGLOMERADO,
                     weights = ~PONDIIO, data = eph, nest = TRUE)

# Subpoblaciones: subset() del diseño, NO filtrar los datos antes
ocupados <- subset(dis, ESTADO == 1)
svymean(~P21, ocupados, na.rm = TRUE)

# Si aun así aparece un estrato con una sola unidad
options(survey.lonely.psu = "adjust")      # y decirlo en el informe

# Python
from samplics.estimation import TaylorEstimator
# o bootstrap de conglomerados a mano, como en el caso

@misc{estadistica_ar_analisis_de_encuestas_complejas,
  author       = {Montivero, Jorge Luis},
  title        = {{Análisis de encuestas con diseño complejo}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/analisis-de-encuestas-complejas}},
  note         = {estadistica.ar. Consultado el \today},
  urldate      = {2026-09-28}
}