dosr

Herramientas de análisis de encuestas para el Observatorio Social del Ministerio de Desarrollo Social de Chile.

dosr provee funciones de alto nivel para calcular estimaciones (medias, proporciones, totales, razones y cuantiles) sobre diseños de encuestas complejas (como la CASEN) y generar reportes estandarizados en Excel con clasificación automática de fiabilidad estadística.

Instalación

# install.packages("remotes")
remotes::install_github("GabrielSotomayorl/dosr")

Uso básico

library(dosr)
library(srvyr)

design_2022 <- as_survey_design(casen_2022, ids = varunit,
                                strata = varstrat, weights = expr, nest = TRUE)
design_2024 <- as_survey_design(casen_2024, ids = varunit,
                                strata = varstrat, weights = expr, nest = TRUE)

# Proporción de pobreza por región (un año)
obs_prop(design_2022, sufijo = "2022", var = "pobreza",
         des = "region", porcentaje = TRUE, save_xlsx = FALSE)

# Ingreso medio comparando dos años, con pruebas de significancia
obs_media(
  designs = list(design_2022, design_2024),
  sufijo  = c("2022", "2024"),
  var     = "ytotcorh",
  des     = "region",
  sig     = TRUE,
  save_xlsx = FALSE
)

Reportes Excel

Cada función genera automáticamente un .xlsx con dos tipos de hojas:

Hoja consolidada: tabla completa con todas las estimaciones y métricas de calidad para todas las desagregaciones solicitadas:

Hoja consolidada con estimaciones por región y área

Hojas de formato: presentación lista para publicar, con bloques separados por métrica (estimación, error estándar, población expandida, casos muestrales) y, cuando sig = TRUE, tablas de p-valores para comparaciones intra-año, contra el último año y contra el total nacional:

Hoja de formato con series de tiempo y tests de significancia

Parámetros principales

Todas las funciones obs_* comparten los siguientes parámetros:

Parámetro	Descripción	Default
`designs`	Objeto `tbl_svy` o lista de ellos (varios años)	(requerido)
`sufijo`	Etiquetas para cada diseño (p.ej. `c("2022", "2024")`)	autodetectado
`var`	Nombre de la variable de interés	(requerido)
`des`	Variable(s) de desagregación	`NULL` (solo nacional)
`filt`	Filtro como expresión R en string	`NULL`
`sig`	Calcular pruebas de significancia estadística	`FALSE`
`parallel`	Cálculo en paralelo (distribuye combos o diseños entre workers)	`FALSE`
`save_xlsx`	Guardar reporte Excel	`TRUE`
`dir`	Directorio de salida (obligatorio si `save_xlsx = TRUE`)	—
`cv_umbral_alto`	Umbral de CV para “No Fiable (CV)”	`0.30`
`cv_umbral_medio`	Umbral de CV para “Poco Fiable (CV)”	`0.20`
`n_minimo`	Tamaño muestral mínimo	`30`
`nivel_confianza`	Nivel de confianza	`0.95`

Clasificación de fiabilidad

Los resultados incluyen una columna fiabilidad que clasifica automáticamente la calidad de cada estimación:

Valor	Significado
Fiable	Estimación publicable sin restricciones
Poco Fiable (CV / EE)	Publicar con advertencia
No Fiable (CV / gl / muestra)	No publicar; indica la causa
Sin casos	Subgrupo sin observaciones en la muestra

Los criterios se aplican en orden de prioridad (grados de libertad → tamaño muestral → CV o EE). Todos los umbrales son configurables. Consulta la viñeta de metodología para los detalles estadísticos.

Múltiples diseños (series de tiempo)

resultado_serie <- obs_prop(
  designs    = list(design_2022, design_2024),
  sufijo     = c("2022", "2024"),
  var        = "pobreza",
  des        = "region",
  porcentaje = TRUE,
  sig        = TRUE   # agrega tablas de p-valores al Excel
)

Múltiples variables binarias: `multi_bin()`

# Prevalencia de los 8 indicadores de inseguridad alimentaria FIES
multi_bin(design_2024,
          vars_binarias = paste0("r8", letters[1:8]),
          des           = "area",
          dir           = tempdir())

Requisitos

R ≥ 3.5.0
srvyr, dplyr, purrr, rlang, openxlsx, haven, labelled