Weight adjustments after sub-sampling crosssectional data

• Autores: Surendra Prasad, Josefa Ramoni Perazzi, Giampaolo Orlandoni Merli, Elizabeth Torres Rivas
• Localización: Estadística española, ISSN 0014-1151, Vol. 59, Nº 192, 2017, págs. 45-57
• Idioma: inglés
• Títulos paralelos:
  • Corrección de los pesos en submuestras de datos de corte transversal
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    To avoid biased results, sample units must be included in the sample in the correct proportion. Sample weights are intended to correct potential disproportions observed in survey sample data. While their use is widely accepted to estimate population descriptive statistics, their role to estimate causal effects is not clear.

    This paper analyzes when and how to use weights, considering wages in Colombia as an example, providing a procedure for selecting the final weight components based on empirical evidence. Results indicate that weights are required for descriptive statistics to resemble the population ones. However, several coefficients obtained from weighted and unweighted wage equations show no significant differences.

  • English

    A fin de evitar resultados sesgados, las unidades muestrales deben ser incluidas en la muestra en la proporción correcta. Los pesos muestrales se utilizan para corregir posibles desproporciones, frecuentes en datos muestrales. Mientras su uso es ampliamente aceptado para estimar estadísticas descriptivas de la población, su papel en la estimación de efectos causales no es claro. Este trabajo analiza cuándo y cómo utilizar dichos pesos, considerando salarios en Colombia como ejemplo, proporcionando un procedimiento para seleccionar los componentes del peso final basado en la evidencia empírica. Los resultados indican que los pesos muestrales son necesarios para que las estadísticas descriptivas de la muestra se asemejen a las de la población. Sin embargo, varios coeficientes obtenidos a partir de ecuaciones de salarios ponderados y no ponderados no muestran diferencias significativas.