Departamento de Estadística e Investigación Operativa
Universidad de Sevilla
Sevilla, 12 de noviembre de 2008
La Encuesta Social Europea:
aspectos metodológicos y consideraciones desde
una perspectiva docente e investigadora
Investigación financiada por el proyecto SEJ2007-29562-E
Anna Cuxart Jardí
equipo español de la ESE
[email protected] Premio Descartes 2005
¿Una encuesta más?
¿Por qué?
¿Qué características técnicas
la hacen diferente?
Guión del seminario
•
Introducción: ¿por qué otra encuesta europea?
–
¿Quien la promueve?–
¿Con qué objetivos?–
Países participantes y organización•
La ESE en España: implementación y balance de las
tres primeras olas
–
Cuestionario–
Diseño muestral–
Trabajo de campo•
El futuro y sus retos
–
La ESE en la docencia de la estadística–
La ESE y la investigación–
La misma ESE debería adaptarse a los cambios:Introducción
¿Por qué una encuesta europea?
•
Diversidad de culturas en la Europa actual
•
Europa es un laboratorio de observación para
las ciencias sociales
•
Limitaciones de las encuestas existentes
–
en el diseño muestral : en general, no probabilísticas
–
en el trabajo de campo: deficiencias
–
de difícil comparación entre países
La Encuesta Social Europea
Estudio comparado y longitudinal de las
actitudes, valores y comportamientos de los
ciudadanos europeos en los ámbitos
económico, social y político
Objetivos de la ESE
Ofrecer infraestructuras de investigación
Facilitar estudios comparados y longitudinales
Impulsar la generación de indicadores sociales
Difundir estándares de rigor
La Encuesta Social Europea
Acceso libre a los datos y a toda la documentación,
incluyendo el fichero del trabajo de campo:
http://www.europeansocialsurvey.org
http://ess.nsd.uib.no
Estructura de la ESE:
una parte común a todas las rondas (evolución)
2 o 3 módulos para estudiar la actualidad
La Encuesta Social Europea
¿Quién promueve la ESE?
la European Science Foundation
¿Quien la financia?
la European Science Foundation
la Comisión Europea (5º y 6º
programas marco)
Países participantes
País Ola 1 Ola 2 Ola 3 Ola 4 País Ola 1 Ola 2 Ola 3 Ola 4 Alemania (DE) • • • • Israel (IL) • • Austria (AT) • • • • Italia (IT) • • • Bélgica (BE) • • • • Lituania (LV) • • Bulgaria (BG) • • Luxemburgo (LU) • •
Chipre (CY) • • Noruega (NO) • • • • Croacia (CR) • Países Bajos (NL) • • • • Dinamarca (DK) • • • • Polonia (PL) • • • • Eslovaquia (SK) • • • Portugal (PT) • • • • Eslovenia (SI) • • • • Reino Unido (GB) • • • • España (ES) • • • • República Checa (CZ) • •
Estonia (EE) • • • Rumania (RO) • • Finlandia (FI) • • • • Federación Rusa (RU) • • Francia (FR) • • • • Suecia (SE) • • • • Grecia (GR) • • • Suiza (CH) • • • • Hungría (HU) • • • • Turquía (TK) • • Irlanda (IE) • • • • Ucrania (UA) • • • Islandia (IS) • Total participantes 22 26 25 30
Organización
Organización central en Europa:
Central Coordinating Team, CCT Scientific Advisory Board, SAB Grupos de expertos por áreas
Organización en España
:
Equipo de coordinación dirigido por Mariano Torcal de la UPF Consejo asesor (Ministerio, CSIC , J.R. Montero del SAB)
Empresa trabajo de campo: Metroscopia (3ª y 4ª olas) Colaboración del Instituto Nacional de Estadística, INE
Colaboración con otras instituciones (Xunta de Galicia y
Organización
Scientific AdvisoryBoard Funders’ Forum
Central Coordinating Team Specialist Advisory Groups Question Design Teams Methods Group Sampling Panel Translation Taskforce National Coordinators and Survey Institutes etc… Country 1 Country 2 Country 3
Aspectos metodológicos
Población: residentes en domicilios ≥ 15 años, sea cual
fuere la nacionalidad, ciudadanía o estado legal
Periodicidad: bianual
Dos cuestionarios:
–
Cuestionario principal, entrevista cara a cara (duración ≈ 1 hora)–
Cuestionario autoadministrado (≈ 7 minutos) con 21 items de la escala de valores Schwartz y 6 preguntas para aplicar MTMM–
Traducción a todas las lenguas habladas como primera lengua por un 5% de la poblaciónAspectos metodológicos
Muestra totalmente probabilística
la probabilidad de selección debe ser conocida y
documentada
no se admiten sustituciones
Tasa de respuesta ≥ 70%
Diseño muestral en cada país:
a propuesta del equipo local
supervisado por los expertos de la ESS
Aspectos metodológicos
Requisitos del trabajo de campo
Agotamiento de todas las posibilidades de contacto y respuesta
(primer contacto personal con un mínimo de 4 intentos, uno en fin de semana y otro por la tarde-noche)
Documentación exhaustiva de todo el proceso (intentos de
contacto, características del rechazo, entorno físico... en un FORMULARIO DE CONTACTO)
Formación (de entrevistadores y coordinadores) e incentivos
Limitación del volumen de entrevistas por entrevistador (24/48) Monitorización de todo el proceso (por parte de la empresa
encuestadora y por parte del equipo local)
Cuestionario principal, olas 1-4
1 módulo permanente
2-3 módulos rotatorios (a concurso)
1ª ola: - Ciudadanos y Democracia - Inmigración
2ª ola: - Familia, Trabajo y Bienestar,
- Opiniones sobre salud y cuidados
- Moral y Economía en Europa: el mercado y la ciudadanía
3ª ola: - Bienestar personal y social: creando
indicadores
- La organización de nuestra vida 4ª ola: - Envejecimiento
- Actitudes en relación a las políticas de
La ESE en España
Implementación en España de la
cuarta ola y balance de las tres
primeras olas
La ESE en España: cuarta ola
Traducción de los cuestionarios
Principio de equivalencia funcional, necesidad de aunar:
•
Corrección lingüística
•
Uso del lenguaje propio del ámbito político-social
•
Registro comprensible para el ciudadano
Protocolo:
•
Traducción a todas las lengua habladas por un mínimo del
5% (castellano, catalán y gallego)
•
Dos equipos independientes de traductores para cada
lengua
•
Una reunión para discutir la mejor alternativa
•
Un árbitro que decide la formulación final
La ESE en España: cuarta ola
Diseño muestral
Población:
todas las personas de 15 años o más,
residentes en domicilios particulares (incluyendo Ceuta y
Melilla)
Marco de muestreo:
registro de habitantes por
secciones censales procedente del Padrón Continuo
actualizado anualmente por el INE
Tipo de muestreo:
estratificado polietápico (tres etapas
en la 1ª ola, dos en las siguientes)
Estratos:
CCAA y tamaño de hábitat (2 tamaños en la 1ª
ola, 3 en la segunda y 4 a partir de la tercera).
La ESE en España: cuarta ola
Muestra estratificada de dos etapas
Estratos que resultan del cruce de 18 CCAA y 4
tamaños de municipio (
más de 100.000 habitantes; entre 50.001 y 100.000; entre 10.001 y 50.000; 10.000 o menos)
En los 64 estratos no vacíos:
Primera etapa: selección de 446 UPMs, secciones
censales, proporcionalmente a la población de 15 o
más años
Segunda etapa: selección aleatoria de 6 o 7 individuos
en cada UPM
¿
Necesidad de sobrerepresentación en la cuarta ola?
Los datos de la tercera ola no evidencian la necesidad
En Galicia y Cataluña se extrae una muestra
La ESE en España, cuarta ola
Presencia de Efecto de diseño
EDc debido a la selección de 6/7 casos en una misma
sección censal (cluster).
intra
n
correlació
de
e
coeficient
el
y
sección
por
respuestas
de
promedio
el
siendo
126
,
1
046
,
0
)
1
72
,
3
(
1
)
1
(
1
ρ
ρ
b
b
ED
c=
+
−
⋅
=
+
−
⋅
=
(Kish, 1995))
ˆ
(
)
ˆ
(
θ
θ
mas c cVar
Var
ED
=
Determinación del tamaño de la muestra 2008
La ESE en España, cuarta ola
Determinación del tamaño de la muestra 2008
Proporción de casos válidos: 0,87
Tasa de respuesta: 0,67
Efecto de diseño: 1,126
Tamaño mínimo efectivo: 1.500
En consecuencia:
Tamaño neto: 1.500 · 1,126 = 1.689
Tamaño bruto: 1.689/(0,87·0,67) =2.898
Tamaño bruto final: 3.962 casos
Mejoras introducidas entre la
Mejoras introducidas entre la 1ª y 3ª olas
Relativas al cuestionario
•
En la calidad de las preguntas formuladas:– Estudios de validez y fiabilidad de las preguntas (MTMM)
– Creación de un programa semiautomático de evaluación a priori de la calidad de las preguntas y de corrección a posteriori de los
errores de medida (Saris y Gallhofer, 2007)
•
En la comparabilidad de los datos:– Análisis de la variabilidad de las respuestas por países
– Búsqueda de la equivalencia funcional en las traducciones
– Eliminación de preguntas no válidas
•
En la medición de variables complejas:– Análisis de los casos de no respuesta o de respuestas incompletas
Mejoras introducidas entre la 1ª y 3ª olas
Relativas al diseño de la muestra
•
Capacidad representativa de la muestra:– Reducción del número de etapas: muestra de individuos en vez de muestra de hogares
– Refinamiento de la estratificación: 4 tramos de tamaño de hábitat en lugar de dos
– Reducción del número de individuos por conglomerado
•
Estimación de los efectos de diseño:– Valores sugeridos por expertos en la primera ola
– Estimados a partir de los datos de la ola anterior en las siguientes
•
Aumento de la precisión en el cálculo del tamaño de la muestra a partir de:– El análisis de las tasas de respuesta por estratos y
Mejoras introducidas entre la 1ª y 3ª olas
En relación al trabajo de campo
•
Formación inicial:– Más sesiones formativas a entrevistadores y coordinadores con participación activa del equipo de la ESE
– Mejora de los materiales formativos, con inclusión de estrategias de reconversión de negativas
•
Incentivos económicos a los entrevistadores:– Bonificaciones crecientes en función de la tasa de respuesta alcanzada
– Bonificación extra por la correcta documentación de los registros
•
Realización de las tareas de campo:– Mejora de la información a los ciudadanos
– Mayor esfuerzo de localización y contacto
– Uso de información sobre los momentos en los que es más probable tener éxito procedente de la ola anterior
•
Capacidad de supervisión y control:– Uso de CAPI e incremento del rol supervisor del equipo de la ESE
Trabajo de campo a examen
1a ola
2a ola
3a ola
Número de entrevistas necesarias para
un tamaño efectivo de 1.500
2.088 1.829 1904
Número de entrevistas completadas
1.736
1.663
1.876
Número de casos elegibles
3.702
3.033
2.846
Porcentaje de respuesta
51,7
54,8
65,9
Entrevistas completadas / requisito de 2.000
0,87
0,83
0,94
Entrevistas completadas / necesarias
para tamaño efectivo de 1.500
0,83 0,91 0,98
Tasa de respuesta por países y olas
0 10 20 30 40 50 60 70 80 90 CH FR ES DE GB BE AT IE NO NL DK PT SE HU SI PL FI GR SK EE 1ª Ola 2ª Ola 3ª OlaBalance de las tres primeras olas
•
En las encuestas periódicas, el análisis de los datos de las olas precedentes proporciona información esencial para la mejora de las siguientes olas•
El fichero con la información del formulario de contacto se revela como una herramienta importantísima en ese proceso de mejora.•
Usado en conjunción con el fichero de respuestas:– Facilita un diseño muestral adaptado a las características de cada país
– Posibilita un cálculo más ajustado del tamaño de la muestra
– Dota de una mayor eficacia a las tareas de campo
•
La colaboración entre académicos y empresas encuestadorasayuda a la difusión de buenas prácticas entre los profesionales de las encuestas y pone en contacto con la realidad a los académicos
La ESE en la docencia de la
estadística
La ESE en la docencia
Los ficheros de la ESE proporcionan un
material de gran utilidad en la elaboración
de trabajos de estadística aplicada por
parte de los estudiantes
A nivel de grado, posgrado y doctorado
Además, EduNet es un proyecto en marcha
que ya da sus frutos (módulo de
La ESE como infraestructura de
investigación
Ámbitos de investigación en metodología
Cuestionario: Split-ballot MTMM, proyecto en curso
con el soporte de los modelos de ecuaciones
estructurales,… (Saris y Gallhofer,2007)
Identificación de las características del no-contacto y
del rechazo a la participación
Creación de indicadores sociales
Creación de indicadores de actitud
El rol de los entrevistadores, ¿cómo adaptar su
formación a las necesidades actuales?
Un ejercicio en curso
¿Cuando y cómo deberíamos
tener en cuenta la presencia del
Efecto de diseño ED?
En el cálculo del tamaño de la muestra
de la ola siguiente
En la determinación de la precisión de
Efecto de diseño en la tercera ola
Relativa homogeneidad de las respuestas de individuos que
pertenecen a un mismo conglomerado (sección censal, UPM).
Necesidad de considerar el llamado Efecto de diseño
¿Cuando y cómo deberíamos tener en cuenta la presencia del ED?
•
El tamaño efectivo de una muestra es el tamaño de una muestra aleatoria simple con la cual se obtendría el mismo grado de precisión:)
ˆ
(
)
ˆ
(
θ
θ
mas c cVar
Var
ED
=
c efecED
n
n
=
Efecto del diseño y tamaño de la muestra
•
Antes de la encuesta: en la determinación del tamaño de la muestraintra
n
correlació
de
e
coeficient
el
y
sección
por
respuestas
de
promedio
el
siendo
269
,
1
095
,
0
)
1
829
,
3
(
1
)
1
(
1
ρ
ρ
b
b
ED
c=
+
−
⋅
=
+
−
⋅
=
–
tamaño efectivo
: 1.500–
efecto de diseño estimado
: 1,269–
tamaño neto
= 1.500 · 1,269 = 1.904–
total de casos válidos:
1.904/0,62= 3.070la tasa de respuesta esperada para la 3ª ola era del 62%
–
tamaño bruto =
3.070/0,95 = 3.232se esperaba un 5% de casos ineligibles
Efecto del diseño y precisión
•
Después de la encuesta: en la corrección de los errores estándar.Por ejemplo, el cálculo del margen de error máximo en la estimación de porcentajes globales para una confianza del 95%, para los datos de la tercera ola en España, sería:
respuestas los de partir a calculada corrección la con te inicialmen estimada corrección la con , % 40 , 2 0240 , 0 1,126 0,226 , % 55 , 2 0255 , 0 269 , 1 226 , 0 % 26 , 2 0226 , 0 876 . 1 5 , 0 5 , 0 96 , 1 ⇒ = ⋅ ⇒ = ⋅ ⇒ = ⋅ ⋅ = m
Efectos de diseño en promedio por países
Fuente: QEM1, 2007 1,39 1,39 Mediana 1,56 1,47 Media 1,95 Ucrania 1,25 1,27 Suiza 2,60 1,28 República Checa 1,34 1,39 Reino Unido 1,88 1,57 Portugal 1,57 1,83 Polonia 1,00 1,60 Noruega 1,00 1,00 Luxemburgo 1,87 1,92 Irlanda 2,41 1,36 Hungría 1,00 1,00 Holanda 1,36 1,64 Grecia 1,36 1,34 Francia 1,40 1,60 España 1,39 1,33 Eslovenia 1,19 1,22 Bélgica 1,47 1,61 Austria 2,01 2,03 Alemania DFc en la ESE 2 DFc en la ESE 1 País¿Cómo estimar el coeficiente ρ?
•
Modelización estadística: ANOVA (utilizada por el
CCT de la ESE), modelos multinivel,...
)
,
0
(
)
,
0
(
2 2σ
ε
σ
N
N
u
ic u c≈
≈
ic c icu
y
=
µ
+
+
ε
2 2 2σ
σ
σ
ρ
+
=
u u¿Y el efecto del entrevistador?
e
c
i
ice
ce
e
ice
v
u
y
dores,
entrevista
:
3
nivel
censales,
secciones
:
2
nivel
,
individuos
:
1
nivel
ε
µ
+
+
+
=
Fowler, 1991; Hox, de Leeuw and Kreft, 1991;
Schnell and Kreuter, 2005
Descomposición de la varianza (tres niveles)
Varianza Variables entre individuos entre secciones entreentrevistadores varianza explicada
Confianza en el sistema legal 4,902 0,141 0,475 0,616 13%
23% 77%
Confianza en los políticos 4,605 0,188 0,345 0,533 12%
35% 65%
Satisfacción con la democracia 3,323 0,197 0,226 0,423 13%
47% 53% Años de educación 24,332 2,008 1,514 3,522 14% 57% 43% Número de miembros en el hogar 1,702 0,001 0,039 0,0397 2% 2% 98% Edad 351,288 0,014 5,439 5,453 2% 0% 100%
Balance y futuro
•
Las mejoras introducidas en el diseño de la muestra de la ESE en España han permitido reducir el efecto de diseño y, enconsecuencia, aumentar la precisión de las estimaciones en las sucesivas olas.
•
Sin embargo, el estudio exploratorio llevado a cabo sugiere asimismo la existencia de un segundo efecto: el debido alinvestigador. Como era de esperar, dicho efecto aparece con más relevancia en preguntas de opinión.
•
El CCT de la ESE, consciente de que esta situación es común a la mayoría de países participantes en el proyecto:– Se plantea publicar en el futuro la pertenencia de cada individuo a su
correspondiente UPM, con el objetivo de permitir que los usuarios puedan corregir los errores estándar para cada variable.
– Insta a estudiar en cada país tanto las magnitudes de los efectos debidos a la agrupación (EDc) como las de los efectos debidos al entrevistador (EDe).
– Ha requerido la incorporación en el formulario de contacto de la 4ª ronda de información relativa al entrevistador (edad y sexo, para empezar)
Referencias sobre efecto de diseño
•
Biemer, P.P. and Trewin, D. (1997). A Review of Measurement Error Effects on the Analysis of Survey Data. In Survey Measurement and Process Quality, L.E. Lyberg, P.P. Biemer, M. Collins , E. DeLeeuw, C. Dippo, N. Shwarz, and D. Trewin (eds), 603-632. New York: John Wiley and Sons.•
Fowler, F.J.(1991). Reducing Interviewer-related Error through Interviewer Training Supervision, and Other Means. In Measurement Errors in Surveys (eds P.P. Biemer, R.M. Groves, L.E. Lyberg, N.A. Mathiowetz and S. Sudman). New York: Wiley.•
Hox, J.J., de Leeuw, E.D. and Kreft, I.G.G. (1991) The effect of interviewer and respondent characteristics on the quality of survey data: a multilevel model. InMeasurement Errors in Surveys (eds P.P. Biemer, R.M. Groves, L.E. Lyberg, N.A.
Mathiowetz and S. Sudman). New York: Wiley.
•
Kish, L. (1995a y 1965). Survey Sampling. New York : Wiley-Interscience.•
Kish, L. (1995b). Methods for Design effects. Journal of Official statistics, 11, 55-77.•
Schnell, R. and Kreuter, F. (2005) Separating Interviewer and Sampling Effects.Journal of Official Statistics, 21, 389-410.
•
O’Muircheartaigh, C. and Campanelli, P. (1998) The Relative Impact of Interviewer Effects and Simple Design effects on Survey Precision. Journal of the RoyalStatistical Society, Series A, 161, 63-77.
•
Saris, W.E. y Gallhofer, I. (2007) Design, Evaluation and analysis of questionnairesfor survey research, New Jersey, John Wiley and Sons.
•
Wiggins, R.D., Longford, N. And O’Muircheartaigh, C.A. (1992). A variancecomponents approach to interviewer effects. In Survey and Statistical Computing, A. Westlake, R.Bancks, C. Payne and T. Orchard (eds), 243-254. Amsterdam:
Precisión y calidad de los datos
•
Design Effects and Interviewer Effects in the
European Social Survey:
Where are we now and where do we want to go tomorrow? ESS Disemination Activities. Quality Enhancement, QEM1,http://www.europeansocialsurvey.org
•
British Household Panel Study
(encuesta anual desde 1991, de la que se dispone de amplios estudios sobre lamagnitud e impacto de ambos efectos, el debido al diseño y el debido al investigador) http://www.iser.essex.ac.uk/ulsc/bhps ,
•
Design effect Study,DEFECT,
estudio comparativo de los errores en diseños complejos en Alemania,Otros proyectos de la ESE
•
La Encuesta Social Europea está preparando un Libro-guíasobre la no-respuesta cuyo contenido versará sobre:
–
La tasa de respuesta como un elemento de calidad de los datos–
Tasas de respuesta en estudios comparativos y componentes–
Ejemplos prácticos y recomendaciones•
El reducido número de países participantes en cada ronda de la ESE limita la aplicación de estudios multinivel. La ESE ha decidido crear una base de datos contextuales de nivelnacional y regional que:
–
Integrará información procedente de fuentes diversas–
Proporcionará conocimiento de las diferencias estructurales en Europa (sistemas educativos, electorales,…)–
Permitirá la visualización a través de mapasLa calidad de los datos de encuesta como materia de
investigación en España
•
DÍAZ de RADA, V. y NÚÑEZ, A. (2008). Estudio
de las incidencias en la investigación con
encuesta. El caso de los barómetros del CIS.
Madrid: CIS, colección Monografías, nº 251.
•
Cea d’Ancona, Mª A. (2004). Métodos de
Encuesta: teoría y práctica, errores y mejora.
Madrid: Síntesis.
•
SILVA, Luis Carlos (2000). Diseño razonado de
muestras y captación de datos para la
investigación sanitaria. Madrid: Ediciones Díaz de
Santos.
Publicaciones del equipo de la CCT
•
R Jowell and the Central Coordinating Team, European Social Survey 2002/03: Technical Report, London: Centre forComparative Social Surveys, City University (2003)
•
R Jowell and the Central Coordinating Team, European Social Survey 2004/05: Technical Report, London: Centre forComparative Social Surveys, City University (2005)
•
R Jowell and the Central Coordinating Team, European Social Survey 2006/07: Technical Report, London: Centre forComparative Social Surveys, City University (2007)
•
BILLIET, Jaak y PLEYSIER, Stefaan (2007) “Response Based Quality Assessment in the ESS-Round 2. An update for 26 countries”, disponible en http://ess.nsd.uib.no (survey documentation).Publicaciones del equipo español
Riba, C. y Cuxart, A. (2003) “Construyendo las bases para una comparación fiable: la Encuesta Social Europea 2002 en España” en Revista Española de
Ciencia Política, nº 8, pp.165-185.
España: sociedad y política en perspectiva comparada, M. Torcal, L. Morales,
S. Perez-Nievas, (Eds), Tirant lo Blanch, Valencia 2005.
Torcal, M., Morales, L. y Riba, C. (2006) “Supervisión y control de calidad del trabajo de campo de la Encuesta Social Europea en España: Evaluación y resultados” Metodología de Encuestas, vol. 8, pp.75-97.
Cuxart, A. y Riba, C. Mejorando a partir de la experiencia: la implementación de la tercera ola de la ESE en España, en Economics and Business WP 1036,
http://www.econ.upf.edu/en/research/onepaper.php?id=1036 aceptada su
publicación en Revista Española de Investigaciones Sociológicas, 2009.
En proceso de edición un segundo libro del equipo español por el CIS
Otras iniciativas a partir de la ESS
ESRA (European Survey Research Association)
Congresos de la ESRA (Barcelona 2005; Praga
2007 y Varsovia 2009)
La revista SRM (Survey Research Methods)
Diversas publicaciones (información actualizada en
el boletín de la ESE y en la Bibliografía de la WEB
Conclusiones
•
La Encuesta Social Europea está avanzando en el
cumplimiento de sus objetivos (generación de
datos de calidad y difusión de estándares de rigor)
•
Ahora es cuando está en condiciones de avanzar
en la creación y difusión de indicadores de actitud
y de opinión sólidamente contrastados
•
El reto que se plantea en el futuro es la aceptación
generalizada de estos indicadores sociales y su
amplia utilización tanto en el ámbito de la
investigación como en el de la gestión.
Un apunte personal
A la vista de la situación actual
–
la economía mundial experimenta una recesión–
la población muestra un cierto agotamiento ante el creciente alud de sondeos de opinión a los qué se ve expuesta–
la ciencia estadística aporta nuevos métodos de estimación que no necesitan de grandes tamaños de muestra como imputación dedatos (Rubin, 1987); estimación en áreas pequeñas (Longford, 2005; Satorra et al., 2006); …
Quizás sea el momento de introducir innovación creativa,
también en los diseños de la ESE, que permita:
–
reducir el número de encuestas, el tamaño de las muestras y la longitud de los cuestionarios–
Ganando, al mismo tiempo, calidad en los datos y eficiencia global RUBIN, D. B. (1987), Multiple Imputation for Nonresponse in Surveys. New Cork, WileySATORRA, A., VENTURA, E. y COSTA, À. (2006). Improving small area estimation by combining surveys: new perspectives in regional statistics. SORT (Statistics and Operations Research Transactions) vol. 30, 101-122.
