Introducción al diseño de una muestra maestra para la provincia de Santa Fe

Las oficinas de estadística utilizan entre sus operativos a las encuestas a hogares para realizar mediciones de indicadores específicos de las problemáticas públicas, con el fin de favorecer la toma de decisiones políticas para mejorar la calidad de vida humana en general. Para ello se valen de operativos que, en su mayoría, se apoyan en muestras que son seleccionadas a través de procedimientos probabilísticos, los cuales aseguran la representatividad de la muestra respecto a la población. Para la selección de una muestra por procedimientos aleatorios, se requiere un marco de muestreo que está compuesto por el conjunto de materiales que sirven para identificar, localizar y acceder a cada uno de los elementos de la población. Una opción para la construcción de un marco es la de seleccionar una muestra grande en una primera fase inicial que posteriormente sirva de marco para seleccionar las muestras. El IPEC tiene como objetivo la realización de una Muestra Maestra en la provincia de Santa Fe, la cual estará basada en el diseño de la MMUVRA desarrollada por el INDEC. El objetivo del presente trabajo es comenzar con el estudio de los distintos componentes que forman parte del diseño muestral a partir del cual se construirá la Muestra Maestra para ir determinando aquellos aspectos que brinden estimaciones más precisas. Se consideró el diseño muestral que se emplea en la localidad más grande de la provincia, Rosario, teniendo como objetivo evaluar la precisión que se obtiene en la estimación de parámetros relacionados con el ámbito laboral que forman parte de la Encuesta Permanente de Hogares. Se consideraron diseños con distintos métodos de selección y distintos tamaños de unidades de muestreo de primera etapa basados en las desagregaciones geográficas censales que considera el INDEC en los Censos de Población. Las unidades de mayor tamaño formadas por la unión de 2 o 3 radios censales tuvieron los mejores comportamientos en términos de precisión, mientras que las desagregaciones menores, radios y segmentos, tuvieron un desempeño pobre. El diseño que considera probabilidades de inclusión distintas para las unidades de primera etapa brinda mejores resultados respecto a la precisión comparado a un diseño con igual probabilidad como el muestreo simple al azar