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	0,0018	0,0039	2,13	4,54
Tasa de desocupación	0,0017	0,0032	1,85	3,42
Edad media	0,1061	0,2235	2,11	4,44

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

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

	Con diseño complejo
Las estimaciones puntuales	casi no cambian, si se usan los ponderadores
Los errores estándar	cambian mucho
Los intervalos y los valores p	cambian en consecuencia
Las conclusiones	pueden darse vuelta en casos de frontera

6 · 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—.

7 · Errores frecuentes

• Ignorar el diseño por completo y usar las fórmulas simples.
• Usar los ponderadores sin declarar el diseño.
• Declarar el conglomerado y omitir el estrato, lo que infla los errores estándar.
• Usar el ponderador equivocado. La EPH tiene varios: PONDERA para población, PONDIIO para ingreso de la ocupación principal, PONDIH para ingreso del hogar.
• Sumar los ponderadores de subpoblaciones filtradas sin cuidado.
• 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 los estratos no pierdan unidades.

8 · 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

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

# 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      = {2026-09-19}
}