Perfilar Múltiples Variables Dicotómicas con Criterios de Calidad

Para un **único diseño de encuesta**, calcula la proporción de "1s" para un vector de variables dicotómicas (0/1). Esta función es una herramienta de conveniencia para perfilados rápidos y análisis exploratorios. A diferencia de `obs_prop`, está optimizada para analizar múltiples variables dentro de una sola encuesta, pero no para comparar entre años. Genera un reporte en Excel con una hoja consolidada (con todas las métricas de calidad) y hojas de formato para el nivel nacional y cada desagregación simple.

Usage

multi_bin(
  design,
  vars_binarias,
  des = NULL,
  es_var_estudio = FALSE,
  filt = NULL,
  dir = NULL,
  filename = NULL,
  decimales = 1,
  decimales_se = 3,
  n_minimo = 30,
  verbose = TRUE
)

Arguments

design: Un objeto `tbl_svy` de `srvyr`.
vars_binarias: Un vector de strings con los nombres de las variables dicotómicas (codificadas como 0/1) a perfilar.
des: Un vector de strings con los nombres de las variables de desagregación simple.
es_var_estudio: Booleano. Si `TRUE`, aplica criterios de fiabilidad menos estrictos para el tamaño muestral.
filt: Expresión de filtro. Acepta tanto una expresión R sin comillas (`filt = edad > 18`) como un string (`filt = "edad > 18"`). Ambas formas son equivalentes y retrocompatibles.
dir: Un string con la ruta del directorio de salida. Obligatorio (no tiene valor por defecto, para no escribir en el directorio de trabajo sin consentimiento explícito). Use por ejemplo `dir = tempdir()`. Se crea si no existe.
filename: Un string con el nombre del archivo Excel.
decimales: Entero. Número de decimales para la estimación puntual. Por defecto es 1.
decimales_se: Entero. Número de decimales para el error estándar. Por defecto es 3.
n_minimo: Entero. Tamaño muestral mínimo para clasificar una estimación como fiable. Por defecto es `30`.
verbose: Booleano. Si `TRUE`, muestra mensajes de progreso.

Value

Un data.frame con todos los resultados consolidados (invisiblemente).

Examples

library(srvyr)
#> 
#> Attaching package: ‘srvyr’
#> The following object is masked from ‘package:stats’:
#> 
#>     filter
library(dplyr)
#> 
#> Attaching package: ‘dplyr’
#> The following objects are masked from ‘package:stats’:
#> 
#>     filter, lag
#> The following objects are masked from ‘package:base’:
#> 
#>     intersect, setdiff, setequal, union

# Se usa una región pequeña (Aysén) para un ejemplo rápido;
# con la base completa el uso es idéntico.
design_ays <- casen_2024 %>%
  filter(region == 11) %>%
  as_survey_design(ids = varunit, strata = varstrat,
                   weights = expr, nest = TRUE)

# Prevalencia de indicadores de inseguridad alimentaria por área
multi_bin(design_ays, vars_binarias = paste0("r8", letters[1:8]),
          des = "area", dir = tempdir(), verbose = FALSE)