Resumen Técnico: Estimación de Sistemas Duales mediante Modelos Loglineales de Efectos Mixtos

1. Planteamiento del Problema

La Estimación de Sistemas Duales (DSE, por sus siglas en inglés) es una herramienta estándar en la estadística oficial para estimar el tamaño de la población vinculando dos fuentes de datos y estimando el número de unidades omitidas por ambas. El método se basa en el supuesto de independencia entre las dos listas y en la homogeneidad de las probabilidades de inclusión. Para satisfacer el supuesto de homogeneidad, la DSE suele estratificarse por variables como la región.

El enfoque estándar emplea modelos loglineales de efectos fijos, estimando parámetros para cada nivel de la variable de estratificación. Este enfoque enfrenta desafíos signific efectivos:

• Proliferación de Parámetros: Cuando el número de niveles de estratificación (por ejemplo, regiones) es grande, el número de parámetros se vuelve inmanejable.
• Sesgo de Muestra Pequeña: En escenarios con muchos estratos y tamaños de muestra pequeños dentro de cada estrato, los modelos de efectos fijos (y el estimador estándar de Lincoln-Petersen) producen estimaciones sesgadas.
• Estimaciones Infinitas: En casos donde la intersección de ambas listas es vacía dentro de un estrato específico ($n_{11}=0$), el estimador de efectos fijos produce estimaciones de población infinitas.

Aunque el estimador de Chapman se utiliza a menudo para mitigar el sesgo de muestra pequeña en los modelos de efectos fijos, este no aborda la ineficiencia de estimar muchos parámetros de forma independiente. Este documento investiga el uso de modelos loglineales de efectos mixtos (también conocidos como modelos multinivel o jerárquicos) como una alternativa. Estos modelos reemplazan los parámetros fijos de las variables de estratificación por efectos aleatorios extraídos de una distribución, permitiendo el "préstamo de fuerza" (borrowing strength) entre grupos para mejorar la estabilidad de la estimación.

2. Metodología

2.1. Modelos Loglineales de Efectos Fijos

Los autores definen la línea base utilizando regresión de Poisson con un enlace logarítmico.

• Sin Estratificación: Un modelo saturado para dos listas ($A$ y $B$) incluye un intercepto y términos de interacción. Dado que la celda de las unidades omitidas por ambas ($A=0, B=0$) no es observada, el modelo asume independencia, reduciendo el modelo a una forma de independencia condicional.
• Con Estratificación: Cuando se introduce una variable de estratificación $R$ (por ejemplo, región), el enfoque estándar ajusta un modelo de independencia condicional $[AR][BR]$ para cada nivel $l$ de $R$. Esto resulta en un conjunto separado de parámetros para cada región, lo que conduce a un modelo maximal con cero grados de libertad.

2.2. Modelos Loglineales de Efectos Mixtos

La propuesta central es reemplazar los efectos fijos asociados con la variable de estratificación ($R$) y sus interacciones con efectos aleatorios.

• Estructura del Modelo: El modelo loglineal se reparametriza para incluir un intercepto aleatorio ($u_{0l}$) y pendientes aleatorias ($u_{1il}, u_{2jl}$) para las probabilidades de inclusión de las listas $A$ y $B$ a través de las regiones.
  $$\log \mu_{ijl} = (\lambda + u_{0l}) + \lambda^A_i + \lambda^B_j + u_{1il} + u_{2jl}$$
  Aquí, $u_{0l} \sim N(0, \sigma^2_{u0})$ captura la variabilidad entre regiones en el tamaño de la población, mientras que los términos de pendiente capturan la variabilidad en las probabilidades de captura.
• Estimación por Contracción (Shrinkage): Los estimadores de efectos aleatorios actúan como estimadores de contracción (Mejores Predictores No Sesgados). Las estimaciones a nivel de grupo se "contraen" hacia la media global, ponderadas por la fiabilidad de los datos del grupo (tamaño de la muestra) y la distancia de la media global. Esto reduce la varianza y mitiga el sesgo de muestra pequeña sin requerar estimaciones infinitas.
• Implementación: Los modelos se ajustan utilizando el paquete lme4 en R, utilizando el optimizador bobyqa para manejar los problemas de convergencia comunes en conteos de celdas pequeñas.

2.3. Reducción de Sesgo y Extensiones

• Estimador de Chapman: Para los modelos de efectos fijos, los autores aplican el estimador de Chapman (añadiendo 1 a la celda $n_{11}$) para reducir el sesgo de muestra pequeña. Este ajuste no se aplica a los modelos de efectos mixtos, ya que el mecanismo de contracción sirve para un propósito similar de reducción de sesgo.
• Estimación de Sistemas Múltiples (MSE): La metodología se extiende a tres listas (Estimación de Sistemas Triples). Los autores formulan un modelo de efectos mixtos para tablas de tres vías, reemplazando los términos de interacción fijos con efectos aleatorios para estimar la celda no observada ($A=0, B=0, C=0$).

3. Diseño del Estudio de Simulación

Los autores realizaron un estudio de simulación exhaustivo para evaluar el desempeño de los modelos de efectos mixtos frente a los modelos de efectos fijos (con y sin la corrección de Chapman).

• Factores Variados:
  • Tamaño de la Población ($N$): Desde 500 hasta 300,000.
  • Número de Regiones: De 5 a 30.
  • Probabilidades de Captura: Escenarios de alta ($\pi_A=0.8, \pi_B=0.7$) y baja ($\pi_A=0.4, \pi_B=0.2$) probabilidad.
  • Distribuciones de Efectos Aleatorios: Normal (asumida), Lognormal y Pareto (para probar la robustez contra violaciones de la normalidad).
• Métricas: El desempeño se evaluó utilizando el Sesgo Relativo Absoluto Medio (MARb), el Coeficiente de Variación (CV) y el Error Cuadrático Medio (MSE).

4. Resultados Clave

• Comparación de Desempeño: El modelo loglineal de efectos mixtos superó consistentemente o se desempeñó de manera similar al modelo de efectos fijos con el estimador de Chapman.
  • Sesgo: El modelo de efectos mixtos mostró un MARb menor, particularmente en escenarios con tamaños de población pequeños y un gran número de regiones (donde los conteos de celdas son dispersos).
  • Varianza: El modelo de efectos mixtos demostró una menor variabilidad (CV) en comparación con los modelos de efectos fijos, especialmente cuando los tamaños de muestra eran pequeños.
• Robustez a las Suposiciones Distribucionales: Los resultados indicaron que el modelo de efectos mixtos es robusto ante las violaciones del supuesto de normalidad. Las estimaciones derivadas de efectos aleatorios con distribuciones lognormal y Pareto produjeron MARb y CV comparables a aquellos donde la suposición de normalidad se cumplía.
• Comportamiento de Muestra Pequeña: En escenarios donde los modelos de efectos fijos sin la corrección de Chapman produjeron estimaciones infinitas (debido a conteos de cero en la intersección), el modelo de efectos mixtos proporcionó estimaciones finitas y estables.
• Magnitud de la Mejora: Aunque el modelo de efectos mixtos funcionó mejor, los autores señalan que la mejora en el Error Cuadrático Medio sobre el modelo de efectos fijos con el estimador de Chapman fue generalmente pequeña.

5. Significado y Reivindicaciones

El artículo sostiene que los modelos loglineales de efectos mixtos ofrecen una alternativa viable y robusta a los enfoques tradicionales de efectos fijos, particularmente en contextos de estadística oficial que involucran:

1. Muchos Estratos: Situaciones donde el número de regiones es grande en relación con la población total.
2. Tamaños de Muestra Pequeños: Escenarios donde los estratos individuales tienen datos dispersos, lo que genera inestabilidad en las estimaciones de efectos fijos.
3. Bajas Probabilidades de Captura: Contextos donde las probabilidades de inclusión son bajas, aumentando el riesgo de celdas vacías.

Los autores concluyen que, si bien el estimador de Chapman sigue siendo un fuerte competidor, los modelos de efectos mixtos proporcionan un "enfoque robusto al sesgo" que toma información de todos los grupos. Este enfoque maneja naturalmente el compromiso (trade-off) entre sesgo y varianza, reduciendo el riesgo de estimaciones infinitas y mejorando la precisión general en escenarios de estimación difíciles. La metodología se extiende con éxito a la estimación de sistemas múltiples, lo que sugiere una amplia aplicabilidad más allá del caso de sistemas duales.

El documento mantiene un tono modesto, reconociendo que aunque el modelo de efectos mixtos supera al de efectos fijos, las ganancias en el Error Cuadrático Medio son a menudo marginales en los escenarios probados. Sin embargo, se destaca la estabilidad y la robustez del enfoque de efectos mixtos en entornos de muestras pequeñas y altos estratos como sus principales ventajas.