Gratuita calculadora de efecto de diseño: del tamaño medio del conglomerado y la correlación intraclase salen el efecto, la muestra a levantar y los grupos.
Esta calculadora convierte un diseño muestral por conglomerados en los dos números que necesita un plan de encuesta: el efecto de diseño que arrastra y la muestra que hay que levantar para conservar la precisión de un muestreo aleatorio simple. Introduce el número medio de entrevistas por conglomerado, la correlación intraclase y la muestra que exigiría un muestreo aleatorio simple.
El efecto de diseño (DEFF) es la varianza de tu estimación con el diseño real dividida por la varianza de un muestreo aleatorio simple del mismo tamaño. Entrevistar a varias personas del mismo pueblo, colegio o centro de salud aporta menos información nueva que repartir esas entrevistas al azar, porque los vecinos se parecen entre sí. Un efecto de diseño de 2 significa el doble de varianza: 1.000 entrevistas rinden como 500.
En el muestreo por conglomerados de una etapa la fórmula estándar es 1 + (m - 1) x rho, donde m es el tamaño medio del conglomerado y rho la correlación intraclase, la parte de la variación total que está entre conglomerados y no dentro de ellos. Con 20 entrevistas por conglomerado y rho de 0,05 el efecto de diseño es 1,95, cerca de la duplicación que suelen asumir los manuales de encuestas.
Los resultados son un plan de campo: el efecto de diseño, las entrevistas que hay que levantar (la muestra aleatoria simple multiplicada por el efecto y redondeada hacia arriba), los conglomerados que eso supone y cuánto crece la muestra en porcentaje. Si pones el tamaño del conglomerado en 1 o rho en 0, el efecto vuelve a 1: los conglomerados solo pueden costar precisión.
Lo difícil es elegir rho, y ninguna fórmula lo resuelve: tómala de un piloto, de una encuesta anterior de la misma población o de estimaciones publicadas, y prefiere el extremo alto del rango plausible. La fórmula supone conglomerados de igual tamaño, un número grande de ellos y sin corrección por población finita, y no puede expresar una estratificación que supere al muestreo aleatorio simple.
La cifra grande es el efecto de diseño. Todos los resultados derivados utilizan su valor calculado sin redondear. Las entrevistas y los conglomerados se redondean hacia arriba; la muestra efectiva del plan es la muestra levantada dividida por el efecto de diseño.
Es el cociente entre la varianza de tu estimación con el diseño muestral que usas y la varianza de la misma estimación con un muestreo aleatorio simple del mismo tamaño. Lo introdujo Leslie Kish en 1965 y sigue siendo la forma estándar de describir lo que cuestan los conglomerados, los pesos y la estratificación. Un valor de 2 significa el doble de varianza: 1.000 entrevistas valen como 500 aleatorias simples; por debajo de 1 el diseño es más eficiente que el muestreo aleatorio simple.
Usa un piloto, una encuesta anterior de la misma población o estimaciones publicadas para el mismo indicador, no una corazonada. En encuestas de salud y de hogares suele estar entre 0,01 y 0,15, y dentro de un mismo pueblo o aula el valor es normalmente positivo, que es justo la razón de que los conglomerados cuesten. El valor de referencia de la OMS para cobertura de vacunación, DEFF 2, equivale a rho 0,05 con unas 21 entrevistas por conglomerado. Si dudas, planifica con el rho más alto que sea creíble.
La muestra efectiva es la muestra levantada dividida por el efecto de diseño: 1.000 entrevistas con un efecto de 2 rinden como 500. Para reutilizar un efecto de diseño ajeno, conviértelo antes a rho con rho = (DEFF - 1) / (m - 1): un DEFF publicado de 1,4 con 11 entrevistas por conglomerado corresponde a rho 0,04, y al introducir ese par aquí se reproduce la muestra ampliada.