Coarsening-adjusted estimators for finite-population indicators

Resumo Técnico: Estimadores ajustados para o arredondamento em indicadores de população finita

Definição do Problema
Variáveis numéricas autorrelatadas em inquéritos por amostragem são frequentemente sujeitas ao arredondamento (coarsening), onde os respondentes relatam valores arredondados ou agrupados (ex: múltiplos de 5, 10 ou 30) em vez do valor latente exato subjacente. Embora a literatura estatística ofereça soluções baseadas em modelos para tais dados incompletos, as estatísticas oficiais e a vigilância de saúde pública exigem tipicamente inferência baseada em desenho (design-based inference) sobre indicadores de populações finitas sob desenhos de amostragem complexos.

Os desafios atuais incluem:

1. Desajuste do Alvo de Inferência: Muitos métodos existentes focam-se em parâmetros de superpopulação, enquanto as estatísticas oficiais requerem inferência sobre quantidades de populações finitas (ex: médias, quantis, taxas de prevalência) definidas pelo próprio desenho e amostra.
2. Impacto Heterogéneo: O arredondamento afeta os funcionais de forma distinta. Enquanto as médias podem ser relativamente estáveis devido à compensação de erro, os quantis e indicadores baseados em limiares (ex: prevalência de fumadores pesados definida por um corte de 20 cigarros) podem ser altamente sensíveis à acumulação de massa em valores de reporte preferenciais.
3. Não-Ignorabilidade: O mecanismo de reporte (arredondamento) pode depender do valor latente em si (ex: um consumo mais elevado leva a um reporte mais arredondado), violando as suposições de ignorabilidade.

Metodologia
O artigo propõe um quadro geral que faz a ponte entre a correção baseada em modelos e a inferência baseada em desenho. A abordagem central trata o valor observado como uma manifestação arredondada de uma variável latente, modelada conjuntamente com o regime de reporte.

1. Representação da Variável Latente:

   • Seja $Y$ o valor latente verdadeiro e $G$ uma variável de arredondamento latente que representa o regime de reporte (ex: exato, arredondamento para 5, arredondamento para 10).
   • O valor observado $Y^*$ é gerado por uma função de arredondamento $h(Y, G)$.
   • O quadro permite o arredondamento não-ignorável, onde a probabilidade de um regime de reporte específico depende do valor latente $Y$.

2. Pseudo-Verosimilhança Ponderada pelo Inquérito:

   • Os autores formulam um modelo estatístico para a distribuição conjunta da variável latente e do mecanismo de arredondamento.
   • Para lidar com a intratabilidade da distribuição dos dados observados, o suporte da variável latente é discretizado.
   • Uma pseudo-verosimilhança ponderada pelo inquérito é construída, incorporando pesos de amostragem ($w_i$) para contabilizar o desenho de amostragem complexo. Isto induz uma distribuição pseudo-posterior para os parâmetros do modelo, inserindo-se no quadro da pseudo-posterior bayesiana para amostragem informativa.

3. Estimador de Ajuste de Arredondamento (CA):

   • Imputação: Utilizando a pseudo-posterior ajustada, o método gera réplicas preditivas posteriores dos valores latentes ($\tilde{y}_i$) para cada unidade amostrada, condicional aos dados arredondados observados e à informação auxiliar.
   • Estimação: Estimadores padrão de desenho (ex: Horvitz-Thompson, Hájek) são aplicados a estas amostras latentes replicadas para estimar a quantidade alvo da população finita $\theta$.
   • Decomposição da Variância: A variância total do estimador é decomposta em dois componentes utilizando a lei da variância total:
     • Variância dentro da imputação: Incerteza devida ao desenho de amostragem, média sobre a distribuição preditiva posterior.
     • Variância entre imputações: Incerteza induzida pelo modelo de imputação (o mecanismo de arredondamento).
   • Esta decomposição permite a propagação explícita da incerteza do processo de arredondamento para as margens de erro dos estimadores de desenho.

Principais Contribuições

• Integração de Quadro: O artigo introduz um quadro unificado que combina explicitamente a modelação de variáveis latentes para o arredondamento com a inferência de população finita baseada em desenho.
• Propagação de Incerteza: Fornece um mecanismo formal para propagar a incerteza adicional causada pelos valores latentes não observados para a variância dos estimadores de desenho, separando a variância de desenho da variância de imputação.
• Flexibilidade: A abordagem é geral, permitindo diferentes distribuições latentes (ex: Lognormal, Modelos de Mistura) e diversos mecanismos de arredondamento, bem como diversos indicadores alvo (médias, quantis, proporções).
• Aplicação a Limiares: O método aborda especificamente a sensibilidade dos indicadores baseados em limiares (ex: prevalência de fumadores pesados) ao agrupamento (heaping), que os estimadores ingénuos muitas vezes representam incorretamente.

Resultados e Aplicações
A metodologia é validada através de estudos de simulação e aplicada a dados do sistema de vigilância Italian PASSI (Progressi delle Aziende Sanitarie per la Salute in Italia).

• Simulação: Os estudos avaliam o desempenho em amostras finitas e a robustez sob vários cenários de especificação incorreta e desenhos de amostragem, demonstrando a capacidade do método em recuperar estimativas precisas e intervalos de confiança válidos.
• Aplicação PASSI (Tabagismo):
  • Dados: Consumo diário de cigarros, que apresenta um forte agrupamento em múltiplos de 5 e 10.
  • Modelos: Dois modelos latentes foram comparados: um Lognormal (LN) simples e uma Mistura Lognormal de dois componentes (LNM). O LNM proporcionou um melhor ajuste à distribuição observada com agrupamento.
  • Conclusões:
    • Prevalência de Fumadores Pesados: O estimador ingénuo (usando os valores observados diretamente) e o estimador CA produziram resultados diferentes para a proporção de fumadores pesados (definida como $\ge 20$ cigarros/dia). As estimativas CA foram sensíveis à escolha do modelo latente (LN vs. LNM), realçando a importância de modelar o mecanismo de reporte.
    • Incerteza: A decomposição da variância revelou que uma fração não negligenciável da incerteza total nas estimativas de prevalência era atribuível ao mecanismo de arredondamento, e não apenas ao desenho de amostragem.
    • Quantis e Médias: A análise ilustrou que, embora as médias fossem menos afetadas, os quantis e as proporções baseadas em limiares mostraram sensibilidade significativa ao processo de arredondamento.

Significado e Alegações
O artigo afirma que ignorar o processo de reporte em dados de inquéritos autorrelatados pode levar a evidências distorcidas para decisões políticas, particularmente para indicadores que dependem de limiares específicos ou caudas da distribuição.

• Relevância Política: Ao demonstrar como o arredondamento afeta diferentes funcionais (médias vs. limiares) de forma heterogénea, o artigo argumenta que os gabinetes estatísticos e as autoridades de saúde pública devem ir além dos simples estimadores "ingénuos".
• Necessidade Metodológica: Os autores afirmam que a sua abordagem é necessária para manter os alvos de inferência e os estimadores utilizados na prática padrão de inquéritos, enquanto corrigem o viés e a incerteza introduzidos pelo arredondamento.
• Escopo Moderado: O artigo posiciona-se como um quadro geral, e não como uma solução para todos os conjuntos de dados específicos. Enfatiza que o impacto do arredondamento deve ser avaliado em relação aos indicadores específicos utilizados, dado que a magnitude do viés e da incerteza varia conforme a forma funcional.

O trabalho estende contribuições anteriores (ex: Drechsler e Kiesl, 2016; Gardini e Mori, 2026) ao incorporar a correção explicitamente dentro de um quadro baseado em desenho, adequado para dados de inquéritos complexos, tornando-o diretamente aplicável à produção de estatísticas oficiais.