En este curso, se tratarán los pasos que se deben seguir para ponderar encuestas de muestra. Se incluirán los métodos para ajustar las no respuestas y para usar datos externos a la encuesta para calibrarla. Entre las técnicas que se abordarán, se encuentran los ajustes que se utilizan para las propensiones de respuesta estimada, la postestratificación, el rastrillado y la estimación de regresión general. Asimismo, se discutirán las técnicas alternativas para imputar los valores de los elementos faltantes. Se tratarán las funciones que ofrecen los diferentes paquetes de software estadístico R®, Stata® y SAS® para la ponderación y la imputación.
Skills you'll gain
Details to know
Add to your LinkedIn profile
21 assignments
See how employees at top companies are mastering in-demand skills
Earn a career certificate
Add this credential to your LinkedIn profile, resume, or CV
Share it on social media and in your performance review
There are 5 modules in this course
Se requieren las ponderaciones para expandir una muestra y transformarla en una población. Para lograrlo, es posible que las ponderaciones corrijan los errores de cobertura en el marco del muestreo, ajusten la no respuesta y reduzcan las varianzas de los estimadores al incorporar covariables. Se indican en el módulo 1 la serie de pasos que se deben realizar.
What's included
7 videos7 readings7 assignments
Los pasos específicos para realizar ponderaciones incluyen computar ponderaciones base, efectuar ajustes si hay casos de cuya elegibilidad no estamos seguros, ajustar para no respuestas y usar covariables para calibrar la muestra para los controles de población externos. Brindamos información detallada específica sobre los pasos generales.
What's included
6 videos6 readings5 assignments
El software es crucial a la hora de implementar los pasos, pero el sistema R es una fuente excelente de rutinas gratuitas. En este módulo, se hablará de diversos paquetes en R que incluyen sampling, survey y PracTools, que permiten seleccionar muestras y computar ponderaciones.
What's included
6 videos5 readings4 assignments
En la mayoría de las encuestas, se encontrarán elementos para los que los respondedores no brindarán información, aunque sí proporcionó datos suficientes en el instrumento de recopilación de datos para considerarlo “completo”. Si solo se retuvieran los casos con todos los elementos completados cuando se ajusta un modelo, se excluirían varios casos del análisis. Imputar los elementos faltantes evita desestimar los casos faltantes. En este módulo, tratamos métodos para hacer la imputación y para reflexionar sobre los efectos de las imputaciones en los errores estándar.
What's included
6 videos5 readings5 assignments
Resumimos brevemente los métodos de ponderación e imputación que tratamos en el curso 5.
What's included
1 video1 reading
Instructor
Offered by
Why people choose Coursera for their career
Recommended if you're interested in Data Science
University of Maryland, College Park
Universidad de Palermo
Universidad Nacional Autónoma de México
Universidad de los Andes
Open new doors with Coursera Plus
Unlimited access to 10,000+ world-class courses, hands-on projects, and job-ready certificate programs - all included in your subscription
Advance your career with an online degree
Earn a degree from world-class universities - 100% online
Join over 3,400 global companies that choose Coursera for Business
Upskill your employees to excel in the digital economy