Covariance-Aware Compromise Allocation in Multivariate Stratified sampling under Nonlinear Constraints

Resumen Técnico: Asignación de Compromiso con Conciencia de Covarianza en el Muestreo Estratificado Multivariante bajo Restricciones No Lineales

Planteamiento del Problema
En el muestreo estratificado multivariante, la determinación de una asignación óptima se complica debido al hecho de que una asignación óptima para una variable puede no serlo para otras. Si bien se han desarrollado métodos de "asignación de compromiso" para equilibrar estos objetivos contrapuestos, la literatura existente a menudo se centra en equilibrar las varianzas marginales o en utilizar funcionales de matriz agregados (como la varianza generalizada) sin modelar explícitamente las interacciones de covarianza entre variables de estudio específicas dentro de la función objetivo. Además, muchos modelos existentes dependen de supuestos de costos lineales o no logran abordar simultáneamente las restricciones operativas no lineales y realistas (como el tiempo de encuesta y el presupuesto) junto con estas estructuras de covarianza. Este estudio aborda la brecha en el desarrollo de un marco de asignación que integre explícitamente la información de covarianza mientras se adhiere a restricciones de costo y tiempo no lineales.

Metodología
Los autores formulan el problema de asignación como un modelo de programación no lineal (NLP) multiconstricción.

• Función Objetivo: El estudio propone una función objetivo "con conciencia de la covarianza" definida como la suma ponderada de las varianzas y covarianzas de los estimadores. Específicamente, el objetivo es minimizar $\Phi(n) = a^T \Sigma(n) a$, donde $a$ es un vector de pesos de importancia característicos y $\Sigma(n)$ es la matriz de covarianza de los estimadores. Esta formulación se expande para incluir tanto las varianzas individuales como los términos de covarianza ($S_{h,jk}$) entre características dentro de los estratos. La función se simplifica minimizando $\sum \frac{B_h}{n_h}$, donde $B_h$ representa la contribución de variabilidad multivariante combinada ponderada por la covarianza del estrato $h$.
• Restricciones: El modelo incorpora tres tipos de restricciones:
  1. Restricción de Costo Lineal: $\sum c_h n_h \leq C$.
  2. Restricciones de Tiempo No Lineales: Se investigan dos estructuras de tiempo operativas específicas para reflejar condiciones de campo realistas:
     • Cuadrática: $t_h(n_h) = \alpha_h n_h + \beta_h n_h^2$ (que representa cargas crecientes como la fatiga y la sobrecarga de coordinación).
     • Logarítmica: $t_h(n_h) = \alpha_h n_h + b_h \ln(n_h)$ (que representa efectos de aprendizaje y ganancias de eficiencia).
  3. Restricciones de Factibilidad: $2 \leq n_h \leq N_h$.
• Marco de Optimización: El problema se resuelve utilizando las condiciones de Karush–Kuhn–Tucker (KKT). Los autores derivan las condiciones de estacionariedad tanto para los modelos de tiempo cuadrático como para el logarítmico, resultando en ecuaciones no lineales que se resuelven numéricamente mediante el software LINGO.
• Análisis Teórico: El estudio establece la existencia de una solución óptima mediante el teorema del valor extremo de Weierstrass. Demuestra que la función objetivo es estrictamente convexa. Si bien el costo y las restricciones de tiempo cuadráticas definen una región factible convexa (asegurando la optimalidad global), la restricción de tiempo logarítmica introduce no convexidad, lo que requiere múltiples procedimientos de inicialización para evitar óptimos locales.

Contribuciones Clave

1. Integración Explícita de la Covarianza: A diferencia de los métodos de asignación de compromiso anteriores que a menudo reducen las estructuras de covarianza a un solo escalar o ignoran la covarianza, este marco incorpora explícitamente las interacciones de covarianza entre las variables de estudio en la función objetivo a través de los coeficientes $B_h$.
2. Modelado Operativo No Lineal: El estudio va más allá de los supuestos de costo lineal al modelar el tiempo de la encuesta utilizando funciones cuadráticas y logarítmicas, ofreciendo una representación más realista de las operaciones de campo (fatiga frente a curvas de aprendizaje).
3. Optimización Impulsada por la Factibilidad: El marco prioriza la factibilidad operativa (el cumplimiento de los topes de presupuesto y tiempo) junto con la precisión estadística, demostrando que las asignaciones que parecen óptimas bajo restricciones relajadas pueden ser infactibles en la práctica.

Resultos
Se realizó un estudio numérico utilizando una población hipotética con cinco estratos y tres características correlacionadas. Los modelos de Asignación con Conciencia de Covarianza (CAA) propuestos se compararon con la Asignación Proporcional, la Ascción de Neyman y la Asignación de Compromiso Basada en la Varianza (VBCA) bajo un presupuesto de 1800 unidades y un límite de tiempo de 650 unidades.

• Factibilidad: Tanto las asignaciones Proporcionales como las de Neyman arrojaron valores de la función objetivo más bajos (mayor precisión aparente) pero violaron la restricción de presupuesto (requiriendo 1833 y 1819 unidades, respectivamente), lo que las hace infactibles.
• Desempeño: El modelo CAA Cuadrático propuesto logró un valor de la función objetivo de 0.0587, el cual fue superior al VBCA factible (0.0594) y cumplió estrictamente con la restricción de presupuesto (1800 unidades) utilizando menos tiempo (549.43 unidades) que el límite permitido.
• Modelo Logarítmico: El modelo CAA Logarítmico logró un tamaño de muestra total menor (173) y un costo menor (1738.41), pero resultó en un valor de la función objetivo más alto (0.0608), indicando un compromiso donde se priorizó la conservación de recursos sobre la máxima precisión.
• Análisis de Sensibilidad:
  • Sensibilidad al Tiempo: La precisión mejoró a medida que el límite de tiempo aumentaba hasta un umbral (~550 unidades), tras el cual el tiempo adicional no produjo más ganancias, indicando que el presupuesto era la restricción vinculante.
  • Sensibilidad al Presupuesto: La precisión mostró una mejora monotónica a medida que el presupuesto aumentaba, confirmando que los recursos financieros son el principal motor de la precisión en este marco una vez establecido un cronograma factible.

Significancia y Reivindicaciones
El artículo sostiene que el marco propuesto proporciona un enfoque más integral para la asignación de muestras estratificadas multivariantes al abordar simultáneamente las estructuras de covarianza y las restricciones operativas no lineales realistas. Los autores afirman que su método produce asignaciones que son tanto estadísticamente eficientes como operativamente factibles, evitando la precisión "ilusoria" de los métodos que ignoran los límites presupuestarios. El estudio concluye que la incorporación de las interacciones de covarianza es crítica para determinar si la exactitud aparente de un modelo es alcanzable en un entorno práctico. El marco se presenta como una herramienta para diseñadores de encuestas que enfrentan restricciones de recursos realistas, ofreciendo una elección entre maximizar la precisión (modelo cuadrático) o minimizar el gasto de recursos (modelo logarítmico). Los autores señalan que el trabajo futuro podría extender este marco a entornos estocásticos, escenarios de no respuesta y diseños de dos etapas.