A New Way to Look at Regional Survey Data: Differences in Vacancy Rates and Persons per Household by County, 2000-2005

Resumo Técnico: Uma Nova Maneira de Analisar Dados de Levantamentos Regionais

Declaração do Problema
Levantamentos frequentemente geram estimativas e medidas de incerteza para milhares de unidades geográficas. Técnicas tradicionais de mapeamento lutam para exibir simultaneamente o nível de uma estimativa e sua incerteza associada para todos os 3.141 condados dos EUA sem se tornar incompreensível para os observadores. Como observado por Torrieri, Wong e Ratcliffe (2001), mapas que transmitem tanto o nível quanto a incerteza para todos os condados dos EUA são tipicamente densos demais para interpretação. Além disso, mapas de diferenças padrão frequentemente exibem estimativas "desinteressantes" onde as diferenças observadas são estatisticamente indistinguíveis de zero, obscurecendo áreas de genuína significância. Os autores visam introduzir uma técnica de mapeamento que permita aos analistas visualizar simultaneamente estimativas de levantamentos regionais e seus níveis de significância, permitindo focar em áreas com diferenças significativas enquanto filtram valores extrínsecos e insignificantes.

Metodologia
O estudo analisa diferenças em duas variáveis — pessoas por domicílio (PPH) e taxas de vacância habitacional — entre o Censo de 2000 e a Pesquisa da Comunidade Americana (ACS) de 2005 em todos os condados dos EUA.

• Fontes de Dados: Dados de 100% do Censo de 2000 e estimativas não publicadas da ACS de 2005 baseadas em dados de amostra completa com pesos de amostra não controlados ajustados para não resposta.
• Cálculo Estatístico: O SAS PROC SURVEYMEANS foi utilizado para calcular estimativas e erros padrão (usando pesos de replicação). Valores-p foram derivados da distribuição normal padrão.
• Técnica de Mapeamento: Os autores propõem um método de visualização onde:
  1. Matiz representa a magnitude e a direção da diferença (ACS 2005 menos Censo 2000).
  2. Saturação representa o nível de significância bilateral (valor-p).
  3. Áreas não sombreadas representam estimativas que não são estatisticamente significativas (indistinguíveis de zero).
     Esta abordagem permite ao analista ignorar estimativas altamente incertas e focar em valores com a menor incerteza.

Principais Resultados

• Tendências Nacionais: Nacionalmente, a taxa de vacância aumentou 1,0 ponto percentual (de 9,0% para 10,9%), e a PPH diminuiu 0,08 (de 2,59 para 2,51). Ambas as diferenças foram altamente significativas (p < 0,01%).
• Hipótese Nula Global (G0): Os autores testaram a hipótese de que todas as diferenças observadas ao nível do condado foram devidas apenas ao acaso. Usando distribuições de valor-p, gráficos QQ e Testes de Sinal, rejeitaram a G0 para ambas as variáveis. Os dados mostraram um excesso de valores-p significativos em comparação com o que seria esperado sob uma distribuição uniforme, indicando que as diferenças observadas não são meramente ruído aleatório.
• Variação Local vs. Significância: Mapas iniciais de diferenças brutas (Figuras 1 e 2) mostraram contrastes agudos entre condados adjacentes (por exemplo, grandes diferenças positivas ao lado de grandes negativas). No entanto, quando a significância foi sobreposta (Figuras 7 e 8), muitas dessas diferenças locais aparentes "radicais" revelaram-se estatisticamente indistinguíveis do acaso.
• Descobertas Específicas:
  • Condado de Sweetwater, WY: Mostrou uma grande queda estimada nas taxas de vacância, cercado por condados com aumentos. No entanto, apenas a diferença de Sweetwater foi estatisticamente significativa; as diferenças circundantes não foram.
  • Summit, UT: Mostrou uma diferença positiva significativa de PPH cercada por diferenças negativas significativas em condados vizinhos.
  • Tamanho da População vs. Significância: Grandes tamanhos de amostra não garantem significância estatística. O Distrito de Anchorage, AK (pop. ~275.000), teve uma diferença de taxa de vacância não significativa devido a uma magnitude de mudança muito pequena (<0,05 pontos percentuais). Por outro lado, o Distrito de Denali, AK (pop. <2.000), teve uma diferença grande e significativa (nível de 1%).

Significância e Alegações
O artigo afirma oferecer uma solução prática para o problema de visualizar incerteza em dados de levantamentos regionais em grande escala. Ao combinar matiz (nível da variável) e saturação (significância), o método permite aos analistas:

1. Focar a atenção em áreas com valores significativamente diferentes sem necessidade de dar zoom em cada pequena área imediatamente.
2. Distinguir entre verdadeiras diferenças estatísticas e variação de amostragem aleatória em uma única visão.
3. Evitar a bagunça "incompreensível" de mapas tradicionais que exibem todos os pontos de dados independentemente de sua confiabilidade estatística.

Os autores notam que aproximadamente 23% das diferenças de taxas de vacância dos condados e 30% das diferenças de PPH foram significativas no nível de 10% ou melhor, uma descoberta que seria difícil de discernir apenas a partir de mapas de diferenças brutas. O artigo conclui que, embora o método tenha desafios relacionados ao design da paleta de cores, ele filtra efetivamente dados de alta incerteza. Os autores recomendam o uso de mapas interativos para áreas geográficas muito pequenas que não podem ser exibidas claramente em mapas estáticos de página única.

Limitações e Advertências
Os autores afirmam explicitamente que as diferenças observadas representam uma soma de mudança real, diferenças conceituais entre o Censo de 2000 e a ACS (como taxas de cobertura) e erro de amostragem aleatório. Eles não tentam decompor esses componentes. Além disso, o artigo alerta que os dados da ACS de 2005 utilizados foram estimativas não publicadas com esquemas de ponderação específicos que podem diferir dos dados publicados.