Data analysis in surveys with complex sampling design : an aplication to the ESEMed Projet

1.1 Català Aquest Projecte Final de Carrera de la Llicenciatura en Ciències i Tècniques estadístiques tracta dues situacions que poden estar presents quan es dissenyen grans enquestes de salut com són les enquestes amb disseny complexe i/o amb disseny en dues fases. Amb disseny complexe fem referència a dissenys estratificats i/o multietàpics amb diferents probabilitats de selecció. Estudis en dues fases són aquells que no avaluen el resultat d’interès en tota la mostra sinó en una submostra seleccionada en base a la informació obtinguda durant la primera fase de l’estudi. Quan la recollida de dades fa servir qualsevol d’aquestes metodologies és necessari tenir en compte certes consideracions per tal d’evitar estimacions esbiaixades i inferències errònees, donat que, en totes dues situacions, el disseny mostral té efecte tant en l’estimació puntual com en la seva variança. Al llarg d’aquest document exposem i apliquem els mètodes estadístics més freqüents per analizar les dades en cada situació: la linearització en sèrie de Taylor i les tècniques de replicació, i els estimadors d’imputació i re-ponderació, respectivament. 1.2 English . This final thesis for the Degree in Statistical Sciences and Techniques addresses two common situations that can be present when large health surveys are designed, i.e. the complex design surveys and studies with a two-phase design. By complex design we mean a stratified and/or multi-stage design with different probabilities of selection. Twophase studies are those that do not assess the outcome of interest in the whole sample but in a selected subsample based on information obtained in a first phase of the study. When any of these methodologies are applied in data collection, special considerations need to be taken into account in the analysis in order to avoid biased estimations and false inferences, since in the two situations, the sample design affects both the point estimation as well as the variance. Along this document we expose and apply some of the most commonly used statistical methods to analyze data in each of these situations: the Taylor series linearization and the replication techniques, and the imputation and reweighting estimators, respectively