9.2 Selección de dominios

En la sección anterior, se llevó a cabo una estimación directa para cada categoría individualmente en cada municipio (dominio) presente en la muestra. Ahora, para evaluar la calidad de los resultados obtenidos, realizaremos un análisis descriptivo. Se emplean varias medidas de calidad, entre ellas, se cuenta el número de dominios que tienen dos o más unidades primarias de muestreo (UPM), así como el efecto de diseño mayor a 1 y las varianzas mayores a 0. Estas medidas nos permitirán determinar la fiabilidad de nuestros resultados y tomar decisiones informadas en función de ellos.

Después de realizar las validaciones anteriores se establece como regla incluir en el estudio los dominios que posean

• Dos o más UPM por dominio.

• Contar con un resultado en el Deff

• Varianza estimada mayor a \(10^{-7}\)

indicador_dam <- encuesta %>% select(id_dominio, upm) %>%
  distinct() %>% 
  group_by_at(id_dominio) %>% 
  tally(name = "n_upm") %>% 
  inner_join(indicador_dam, by = id_dominio)

indicador_dam1 <- indicador_dam %>% 
  filter(n_upm >= 2, 
         !is.na(Desocupado_deff),
         !is.na(Ocupado_deff), 
         !is.na(Inactivo_deff),
         Desocupado_var > 0.0000001,
         Ocupado_var > 0.0000001, 
         Inactivo_var > 0.0000001) %>% 
  mutate(id_orden = 1:n())

# saveRDS(object = indicador_dam1, "Rmd/PER/Recursos/base_modelo.Rds")

dam2	n_upm	n_ocupado	n_desocupado	n_inactivo	Ocupado	Ocupado_se	Ocupado_var	Ocupado_deff	Desocupado	Desocupado_se	Desocupado_var	Desocupado_deff	Inactivo	Inactivo_se	Inactivo_var	Inactivo_deff	id_orden
010101	27	288	12	125	0.6764	0.0162	0.0003	0.5156	0.0278	0.0073	0.0001	0.8500	0.2958	0.0171	0.0003	0.6013	1
010201	11	127	2	56	0.6937	0.0296	0.0009	0.7620	0.0135	0.0131	0.0002	2.3718	0.2927	0.0372	0.0014	1.2349	2
010206	3	48	1	5	0.8633	0.0240	0.0006	0.2598	0.0255	0.0163	0.0003	0.5680	0.1112	0.0224	0.0005	0.2709	3
010307	3	37	2	12	0.7049	0.0359	0.0013	0.3112	0.0563	0.0330	0.0011	1.0334	0.2388	0.0645	0.0042	1.1492	4
010401	9	128	1	40	0.7427	0.0510	0.0026	2.3145	0.0083	0.0074	0.0001	1.1294	0.2490	0.0495	0.0024	2.2222	5
010403	5	90	1	22	0.8156	0.0338	0.0011	0.8589	0.0075	0.0071	0.0001	0.7671	0.1769	0.0342	0.0012	0.9096	6
010513	2	31	1	12	0.7045	0.0390	0.0015	0.3188	0.0227	0.0155	0.0002	0.4690	0.2727	0.0235	0.0006	0.1220	7
010701	23	256	8	67	0.7596	0.0271	0.0007	1.3373	0.0259	0.0101	0.0001	1.3487	0.2145	0.0272	0.0007	1.4655	8
010706	5	73	2	20	0.7396	0.0439	0.0019	0.9520	0.0353	0.0292	0.0009	2.3771	0.2251	0.0196	0.0004	0.2104	9
020101	14	168	6	80	0.6749	0.0277	0.0008	0.8879	0.0266	0.0089	0.0001	0.7734	0.2984	0.0289	0.0008	1.0127	10