Hoy día las encuestas son uno de los instrumentos de investigación social más usados en la práctica. Las encuestas por muestreo se emplean como un método de obtener información eficiente acerca de las características poblacionales de interés mediante la inferencia estadística. La validez de las estimaciones proporcionadas depende del error total cometido. El error total de la encuesta es la conjunción de los errores resultantes del muestreo y de los errores no muestrales. En ausencia de errores no muestrales, los métodos de estimación clásicos pueden proporcionar estimaciones válidas, pero en la práctica los errores no muestrales derivados de la falta de respuesta, falta de cobertura, falta de representatividad, etc. hacen que los métodos básicos no sean eficientes en la producción de información precisa. Estos errores proporcionan sesgos importantes en las estimaciones.
En este proyecto se aborda el uso de nuevas metodologías para el tratamiento de los sesgos producidos por errores no muestrales en encuestas, fundamentalmente los sesgos de falta de respuesta, de cobertura así como los sesgos de autoselección de encuestas no probabilísticas. Para ello se utilizarán técnicas modernas de análisis de datos y de machine learning para mejorar los procedimientos de estimación en encuestas probabilísticas y de voluntarios.
Con este planteamiento se ha desarrollado esta plataforma tecnológica que ayuda a corregir los sesgos y mejorar la validez y precisión de las estimaciones de encuestas. Esto permite transferir los resultados de las investigaciones estadísticas recientes a organismos y empresas que usan encuestas de forma que ofrezcan una imagen fidedigna de las opiniones y problemas de la ciudadanía y permitan detectar carencias y necesidades en subpoblaciones que están mal representadas.
Esta plataforma ha sido financiada por:
- La Agencia Estatal de Investigación a través de la convocatoria Pruebas de concepto, referencia del proyecto: PDC2022-133293-I00.
- El Instituto de Salud Carlos III a través la convocatoria Desarrollo Tecnológico en Salud, referencia del proyecto: DTS23/00032.
