Sistema Estadístico Agropecuario Nacional

SEAN

ENCUESTA DE SUPERFICIE Y
PRODUCCION AGROPECUARIA CONTINUA

DISEÑO DE MUESTREO
DE LA ESPAC

por
Guillermo Otáñez; Econ.; M.A.
CONSULTOR INEC/BID

Quito, Mayo del 2004

1 INTRODUCCION

El sector agropecuario continúa siendo de vital importancia para la economía del

Ecuador, debido a que por un lado, su contribución al Producto Interno Bruto (PIB) en
el último quinqueño ha fluctuado alrededor del 17 %; y por otro, sigue siendo un sector
generador de empleo muy importante, puesto que la Población Económicamente Activa
(PEA), tiene todavía una importancia relativa del orden del 40 % de la del área rural,
según el Censo de Población y Vivienda del 2001.

También este sector continúa siendo una fuente crucial en la generación de divisas, a
través de la exportación de los productos tradicionales del banano, café y cacao; pero, el
Ecuador al momento trata de diversificar su cuota de participación en los mercados
internacionales con nuevos productos de origen agrícola, tales como las flores, mangos,
espárragos, brócoli, uvillas, tunas, especialmente desde el año 2000 en que se adoptó el
modelo de la dolarización.

Además, el sector agropecuario desempeña un papel estratégico dentro del concepto

global de seguridad alimentaria, ya que el mismo proporciona la mayor parte de
alimentos a una población que crece a una tasa anual del 2.0 %. Para satisfacer esta
demanda, la frontera agrícola se expandió a una tasa de crecimiento promedio anual del
orden del 1.7 % y el ganado vacuno creció a un ritmo del 2.2 % en los años
comprendidos entre 1974 al 2000, superando en el último año censal los 12 millones de
hectáreas bajo alrededor de 843.000 Unidades de producción agropecuaria (UPAs),
dedicadas a la agricultura, ganadería y otros usos, cifra que representa casi la mitad de
la superficie física nacional; el hato de ganado vacuno fue de alrededor de 4’500.00
cabezas en el 2000 y su tasa de crecimiento anual en el período de 26 años (2.2 %) es un
poco superior a la de la población ecuatoriana (2.0 %).1

En el mismo período inter-censal 1974-00, el número de UPAs (843.000) se ha

incrementado a una velocidad un poco menor (1.3 %) que el ritmo de la frontera
agrícola, fenómeno que contrasta con lo que sucede con la población rural del país, la
cual mantiene una tasa casi nula de crecimiento promedio anual (0.3 %). Estas UPAs
mantienen una población de 3’061.500 personas, que representa las 2/3 partes de la
población rural del país, dando ocupación directa en las mismas a 2’522.800, de las
cuales más de la cuarta parte son trabajadores remunerados permanentes y ocasionales.

En lo que se refiere al uso o aprovechamiento de la tierra, la superficie de labor

(cultivos permanentes, transitorios y tierras en descanso) ocupa casi la cuarta parte del
área bajo UPAs y los pastos (cultivados y naturales) abarcan alrededor de la tercera
parte de la superficie total bajo las mismas, que sumados a la categoría de páramos
(también utilizados para el pastoreo), llegan a representar el 42 %. Los montes y
bosques tienen una importancia relativa del 31 % y el restante 3 % corresponde a otros
usos (tierras improductivas, construcciones, caminos, canales de regadío, etc.).

1
Ver ‘Ecuador: Breve Análisis de los Resultados de las Principales Variables del Censo Nacional
Aropecuario’; Guillermo Otáñez y Otros. www.sica.gov.ec

1
Los indicadores presentados en los párrafos anteriores actualizadas con los resultados
del Tercer Censo Nacional Agropecuario (CNA) 20002, muestran la vital importancia
estratégica que todavía tiene el sector agropecuario en los aspectos económicos y
sociales del país.

Es de dominio de los especialistas sectoriales que existen restricciones socio-culturales,

económicas, técnicas e institucionales para planificar el desarrollo sostenible del sector
agropecuario. Paralelamente, durante la última década el país ha vivido los procesos de
globalización de la economía, liberalización y apertura de mercados y al momento se
apresta para entrar en las negociaciones del Tratado de Libre Comercio (TLC) de las
Américas. Entonces, el desarrollo sostenible y la operación eficiente y apertura
transparente de los mercados, requieren disponer de un sistema de información
estadística que sea objetiva, confiable y, sobre todo, oportuna.

Sin embargo, el sistema de información estadística del sector agropecuario de Ecuador

siempre se ha caracterizado por ser débil e incapaz de satisfacer la demanda de cifras de
los tomadores de decisiones, planificadores y otros usuarios, tanto públicos como
privados, incluyendo por supuesto, a los propios Productores Agropecuarios.

Para solucionar el problema permanente de oferta de información estadística que mida

de manera permanente la dinámica del sector agropecuario, el Ecuador ha realizado
esfuerzos aislados a través de los últimos 50 años. El Primer Censo Nacional
Agropecuario se realizó en 1954, siendo el Ecuador el primer país que en Latino
América utilizó la metodología del muestreo probabilístico en una operación censal (dos
procesos separados: Directorio (censo) de UPAs con cuestionario reducido y muestra
con cuestionario ampliado) con excelentes resultados cantonales, provinciales y
nacionales3, seguido por el de 1962 (un solo proceso: censo con cuestionario reducido y
muestra con ampliado), que no llegó a producir cifras finales. Ante el fracaso del censo
agropecuario de 1962, en 1968 se ejecutó la Encuesta Agropecuaria Nacional por
Muestreo, que generó datos a nivel provincial y nacional; y, en 1974 se levantó el
Segundo Censo Agropecuario Nacional, el cual ha sido la única operación censal por
ENUMERACIÓN COMPLETA con cuestionario ampliado , que arrojó cifras a nivel
sectorial, parroquial, cantonal, provincial y nacional.

El Programa Nacional del Trigo del Ministerio de Agricultura y Ganadería

(MAG), con la asistencia técnica del actual Instituto Nacional de Estadística y Censos
(INEC), emprendió a finales de la década de los sesenta la Encuesta Nacional del Trigo
empleando la metodología del muestreo de conglomerados combinada con la del
muestreo de lista; en 1975, se actualizó el marco de muestreo con los datos del Censo
Agropecuario Nacional de 1975 en las provincias de Pichincha y Bolívar. Esta encuesta
se interrumpió con la desaparición del Programa Nacional del Trigo. También el
Programa Nacional del Café del mismo MAG condujo dos esfuerzos con metodologías
objetivas con la realización de la Encuesta del Café a finales de la década del 60 y el
Censo Cafetero de los años 80.

2
Ver ‘III Censo Nacional Agropecuario: Resultados Nacionales y provinciales’, Volúmrn I. INEC,
MAG, SICA
3
La publicación de los Resultados Finales del Censo Agropecuario de 1954 indica que en el mismo no se
aplicó la metodología del muestreo de áreas por la falta de una cartografía y fotografía aérea adecuadas.

2
A finales de 1979, el INEC y el MAG, en coordinación con el Centro de Levantamiento
Integrado de Recursos Naturales por Sensores Remotos (CLIRSEN) iniciaron un
esfuerzo común para producir información estadística permanente con metodologías
científicas. En efecto, se estableció el Sistema de Estadísticas Agropecuarias
Nacionales (SEAN), aplicando la metodología del muestreo de áreas con el uso de
fotografía aérea, imágenes de satélite, mapas topográficos y cartografía censal, sistema
que desde 1982 hasta 1995 llevó a cabo 18 rondas produciendo estimaciones a nivel
provincial y nacional. Lamentablemente, a partir de 1996, la serie anual continua del
SEAN, se interrumpió por falta de voluntad política de los encargados de proveer de los
recursos financieros, puesto que los técnicos siempre estuvieron disponibles en el INEC.

En un nuevo esfuerzo para proveer de información estadística oportuna y confiable del

sector agropecuario, el INEC y el MAG, con el apoyo financiero del Banco Mundial y
la asistencia técnica del Departamento de Agricultura de los Estados Unidos/Servicio
Nacional de Estadísticas Agropecuarias (USDA/NASS) y otros expertos nacionales
conocedores del sistema de información estadística del sector, están terminando las
actividades de análisis, publicación y difusión del denominado “III Censo Nacional
Agropecuario (CNA) 2000”, pero que en realidad se trata de una “Encuesta Grande por
Muestreo”, cuyos objetivos básicos fueron los de conocer la estructura actual del mismo
y servir de base para restablecer el sistema permanente del SEAN.

En el CNA 2000 se utilizó la metodología del Muestreo de Marcos Múltiples (MMM),

la cual combina el método del Muestreo del Marco de Areas (MMA) con el del Marco
de Muestreo de Listas (MML).

El INEC inició en el 2002 el restablecimiento del SEAN interrumpido en 1996, a través

de la planificación y realización de la primera Encuesta de Superficie y Producción
Agropecuaria Continua (ESPAC) empleando la metodología del MMM, para proveer
información estadística confiable y oportuna de manera permanente, que mida los
cambios coyunturales del sector agropecuario.

Este documento contiene el Diseño de Muestreo de la ESPAC, encuesta que constituye

el primer MODULO PERMANENTE dentro del Plan para el Restablecimiento del
SEAN.

2 OBJETIVOS DEL DISEÑO DE MUESTREO DE LA ESPAC

Presentar el diseño de muestreo de la ESPAC, para documentar y describir los procesos

técnicos y operacionales adoptados en la ejecución del plan de muestreo de la misma.

Servir de documento de capacitación y consulta para los técnicos y funcionarios

especializados del INEC y otras instituciones interesadas, para cumplir con el proceso
de selección de las muestras y el proceso de estimación de los resultados y sus errores
de muestreo, tanto de la ESPAC como de otros módulos que se deban diseñar y
desarrollar en el futuro inmediato (pronósticos de la producción de cultivos, por
ejemplo).

3
3 EL CNA 2000

3.1 METODOLOGIA DEL CNA 2000

El CNA 2000 utilizó la metodología del Muestreo de Marcos Múltiples (MMM), la cual
combina el método del Muestreo del Marco de Areas (MMA) con el del Muestreo del
Marco de Lista (MML), con la finalidad de hacer más eficiente el diseño de muestro
minimizando las varianzas para un costo dado. La disponibilidad de recursos fue la
razón fundamental para utilizar el muestreo en el III CNA 2000. La recolección de los
datos se realizó mediante ENTREVISTA DIRECTA a Informantes calificados de las
UPAs incluidas en la muestra.

3.2 PLAN DE MUESTREO DEL CNA 2000: PROCESO DE SELECCION

3.2.1 Bosquejo del diseño del MMA

El diseño del MMA empleado en el CNA 2000 fue probabilístico, estratificado y

replicado de áreas (conglomerados) con dos etapas de selección, mediante el cual en la
primera se seleccionaron sistemáticamente las Unidades Primarias de Muestreo (UPMs)
y en la segunda, se escogió aleatoriamente un Segmento de Muestreo (SM) en cada
UPM incluida en la muestra de primera etapa de selección.

3.2.2 Nivel de las estimaciones del MMA

El diseño del MMA produjo estimaciones (agregados) a nivel nacional, provincial (21)
y cantonal (215) y cuatro zonas con problemas de límites. En la provincia de Galápagos
se realizó el CNA por enumeración completa.

3.2.3 Construcción del Marco de Areas (MA)

La superficie total del país continental (249.585 Km2), con excepción de Galápagos, fue
dividida sobre mapas topográficos escala 1:50.000, en pequeños pedazos (26.279
UPMs) de 10 Km2 en promedio, mediante límites físicos y/o culturales fácilmente
identificables en el terreno. El MA fue construido a nivel cantonal y el cuadro 1
muestra un resumen del mismo a nivel nacional.

Del cuadro siguiente se desprende que solamente alrededor del 57 % de la superficie

total del país continental (sin la provincia insular de Galápagos), fue incluida en el
CNA, con las UPMs y SMs representando el 69 % y 60 % de los pequeños pedazos
construidos en el MA respectivamente, con un promedio de 2.03 Km2 por SM.

4
 CUADRO 1

CNA: RESUMEN DEL MA A NIVEL NACIONAL

ESTRATO Area (Km2) UPMs SMs Km2/SM Muestra
10 Predominio de pastos 57.074 6.578 28.520 2,00 3.841 (13,5 %)
20 Predominio de cultivos transitorios 16.569 2.078 8.294 2,00 2.320 (28,0 %)
30 Predominio de cultivos permanentes 15.654 1.926 7.830 2,00 1.768 (22,6 %)
40 Predominio de vegetación natural 14.956 1.631 7.461 2,00 1.284 (17,2 %)
51 Tierras sin uso agropecuario 25.849 399 10.047 2,57 1.198 (11,9 %)
52 Tierras cubiertas por agua 2.952 973 973 3,03 *
53 Tierras de manglares sin uso agropecuario 1.523 249 249 6,12 *
54 Cumbres, nevados y selva sin uso agropecuario 100.656 5.420 40.311 2,50 *
60 Tierras con camaroneras 1.741 541 541 3,22 *
71 Centros poblados urbanos 1.361 230 5.427 0,25 *
72 Centros poblados rurales 667 1.057 2.522 0,26 877 (34,8 %)
81 Tierras con uso agropecuario menores a 2 Km2 ** 868 1.281 1.276 0,68 266 (20,8 %)
82 Tierras con uso agropecuario de 2 Km2

5
 vi

p y i = ∑ wij y ij
j =1

donde :
p y i = Total de una var iable en el i − ésimo SM ponderado;

wij = Pr oporción de la sup erficie de la j − ésima UPA dentro del i − ésimo SM

dividido por la sup erficie total de la UPA (dentro y fuera del SM );
y ij = Valor de una var iable en la j − ésima UPA dentro del i − ésimo SM
( j = 1, 2,....., vi );
vi = Número de UPAs en el i − ésimo SM .

• PASO 2.- Estimación del TOTAL de una variable en un Estrato: para la

estimación con MMA del TOTAL de una variable en un estrato, con
replicaciones independientes seleccionadas sistemáticamente y cuando se tiene
igual el número de SMs por replicación, se utiliza la siguiente fórmula:

rh rh nm

∑ y hm ∑ ∑ p y hmi
Yˆh = N h y h = N h y r = N h m =1
= Nh m =1 i =1
=
rh rh nhm
rh nm

∑∑ p y hmi rh nh
= Nh m =1 i =1
= Fh ∑ y hm = Fh y h = ∑ Fhi' p y hi ,
nh m =1 i =1

donde :
Yˆh = Estimación del agregado de una var iable en el h − ésimo estrato;
N h = Número de SMs en la población o universo del h − ésimo estrato,
sin icluir las UPAs del MML;

9
10
 • PASO 4.- Estimación del TOTAL de una Variable de un Cantón, una
Provincia y del Ecuador: simplemente se agregan sucesivamente las
estimaciones de los TOTALES de cada nivel geográfico. La fórmula es:

P C H
YˆAe = ∑ ∑ ∑F y h
'
h ,
p =1 c =1 h =1

donde :
Yˆ = Estimación con MMA del TOTAL de una var iable en el Ecuador;
Ae

P = Número total de provincias en el Ecuador ( p = 1, 2, 3, ..., P);

C = Número total de cantones en la provincia p − ésima (c = 1, 2, 3, ..., C );
H = Número total de estratos en el cantón c − ésimo (h = 1, 2, 3, ..., H ).

• PASO 5.- Estimación de la Varianza del TOTAL de una Variable de un

Cantón, una Provincia y del Ecuador: simplemente se agregan sucesivamente
las estimaciones de las VARIANZAS de los TOTALES de cada nivel
geográfico. La fórmula es:

P C H
var(YˆAe ) = ∑ ∑ ∑ var(Yˆ Ae ),
p =1 c =1 h =1

donde :
var(Yˆ ) = Estimación con MMA de la var ianza del TOTAL de una var iable en el Ecuador;
Ae

P = Número total de provincias en el Ecuador ( p = 1, 2, 3, ..., P);

C = Número total de cantones en la provincia p − ésima (c = 1, 2, 3, ..., C );
H = Número total de estratos en el cantón c − ésimo (h = 1, 2, 3, ..., H ).

3.3.2 Proceso de Estimación con el MML

El TOTAL de una variable con el MML, es simplemente la suma de la misma a nivel de

Cantón multiplicada por un FACTOR DE AJUSTE para la falta de respuesta. Luego, se
suman todos los Cantones y Provincias, para obtener el TOTAL de una variable a nivel
del País. La varianza es igual a cero (0) dado que se incluyó el 100 % de las UPAs
registradas en el Directorio del ML del CNA 2000 La fórmula del TOTAL de una
variable es:

11
debido a la FALTA DE RESPUESTA dado que algunos SMs no son investigados en el
campo por diferentes razones (rechazos, dificultades de transporte y accesibilidad, etc.).
Entonces, en estos casos es necesario introducir factores de ponderación adecuados en
el FACTOR DE EXPANSION para suplir por la falta de respuesta. Sin embargo, no se
debe confundir la FALTA DE RESPUESTA con el caso en que un SM completo es SIN
USO AGROPECUARIO y por lo tanto, no existe ninguna UPA; en el primer caso, el
SM no entra en el cálculo de la varianza porque su efecto debe considerarse en el ajuste
del FACTOR DE EXPANSION; en el segundo, el SM tiene un valor de cero (0), por lo
que no se necesita ajustar el FACTOR DE EXPANSION, dado que se trata de un SM
que no es FALTA DE RESPUESTA.

A continuación se presentan otras fórmulas alternativas para la estimación del TOTAL

de una variable y su varianza en un estrato, que producen los mismos resultados de las
presentadas en los numerales anteriores.

FORMULA´SAS´ POR ESTRATO EMPLEADA EN EL CNA

rh rh nm

SAS Yh = ∑ SAS Yhm = ∑∑ Fhmi p y hmi ,

ˆ ˆ '

m =1 m =1 i =1

donde :
Yˆ = Estimación SAS del TOTAL de una var iable en el estrato h − ésimo;
SAS h

Yˆ
SAS hm = Estimación del TOTAL de una var iable en la réplica m − ésima
del estrato h − ésimo;
'
Fhmi = Factor de Expansión ajustado por falta de respuesta en el i − ésimo SM
de la réplica m − ésima del estrato h − ésimo;
p y hmi = Total de una var iable ponderada en la muestra del i − ésimo SM de la réplica
m − ésima del estrato h − ésimo.
rh

∑ (Yˆ hm − Yˆh ) 2
rh
var( SAS Yˆh ) = (1 − )(rh ) m =1 ,
( N h / nm ) rh − 1
donde :
rh

∑ Yˆ hm
Yˆh = m =1
= Media por réplica de la estimación del TOTAL en el h − ésimo estrato.
rh

13
FORMULA´FAO´ PARAUN ESTRATO
rh rh nm

∑ FAOYˆhm* ∑∑ Y *
FAO hmi rh nm
ˆ
FAOYh =
m =1
= m =1 i =1
=∑ ∑F h p y hmi ,
rh rh m =1 i =1

donde :
Yˆ = Estimación FAO del TOTAL de una var iable en el estrato h − ésimo;
FAO h
nm

FAOYhm = ∑ FAOYhmi ;
ˆ* ˆ*
i =1

ˆ*
FAOYhmi = rh Fh p y hmi ;

Nh
Fh = , cuando el número de SMs por réplica es igual ;
nh
Nh
Fh = , cuando el número de SMs por réplica no es igual por falta de respuesta.
n h'
rh rh

∑ ( FAOYˆhm* − FAOYˆh* ) 2 ∑( Yˆ − FAOYˆh ) 2

*
FAO hm
var( FAOYˆh ) = (1 − f h ) m =1 = (1 − f h ) m =1 ,
rh (rh − 1) rh (rh − 1)
donde :
rh

∑ Yˆ
*
FAO hm
Yˆ =
FAO h
* m =1
= FAOYˆh .
rh

14
FORMULA´KISH ´ PARAUN ESTRATO PARA REPLICAS DESIGUALES
Yˆ = N
KISH y ,
h h KISH h

donde :
rh
1 nhm
KISH yh =
rh
∑n y hm ,
m =1 h / rh

donde :
nm

∑ p y hmi
y hm = i =1
= media de la réplica m − ésima en el estrato h − ésimo.
nhm
var( KISH Yˆh ) = N h2 var( KISH y h ),
donde :
2
(1 − f h ) rh  nhm 
var( KISH y h ) = ∑ 
rh (rh − 1) m =1  nh / rh
( y hm − y h ) .


3.3.5 Intervalo de Confianza

La fórmula para construir el intervalo de confianza para un nivel de confiabilidad dado.

[ ]
Pr Yˆ − zα / 2 ee(Yˆ ) ≤ Y ≤ Yˆ + zα / 2 ee(Yˆ ) = (1 − α ),
donde :
Pr = Pr obabilidad o área bajo la curva de la distribución normal ;
Yˆ = Valor de la estimación de una var iable en estudio y;
zα / 2 = Valor de la abscisa de la distribución normal estándar para un nivel de confiabilidad
( probabilidad ) dado (95 %, por ejemplo);
ee(Yˆ ) = Error estándar de la estimación Yˆ ;
Y = Parámetro verdadero de la población o universo;
α = Pr obabilidad o área bajo la curva normal de que el int ervalo a construirse no encierre
al parámetro verdadero de la población o universo (α = 0.05 = 5 %
con un 95 % de confiabilidad , por ejemplo).

• Ejemplo de Intervalo de Confianza: a continuación se presenta un ejemplo de

la construcción del intervalo de confianza con el 95 % de confiabilidad en la
provincia de Bolívar, en la que el CNA 2000 estima 3.901 Ha con un error
relativo del 10.8 %. La varianza de la estimación es 178.359 (ver Anexo I).

15
Pr [Yˆ − z α / 2 ee(Yˆ ) ≤ Y ≤ Yˆ + z α / 2 ee(Yˆ )] = (1 − α ),
Entonces :
Pr[3.900 − 1,96 * 422 ≤ Y ≤ 3.900 + 1,96 * 422] = (1 − 0,05),
Pr[3.900 − 844 ≤ Y ≤ 3.900 + 844] = 0,95,
Pr[3.056 ≤ Y ≤ 4.744] = 0,95 = 95 %.

• Interpretación del Intervalo de Confianza: la superficie verdadera de cultivos

permanentes existente en el Cantón 1 de la Provincia de Bolívar en el 2000,
puede oscilar entre 3.056 y 4.744 Ha con un 95 % de confiabilidad (seguridad)
de no equivocarse. Pero, existe un 5 % de probabilidad de que la superficie real
bajo cultivos permanentes esté por fuera del intervalo construido.

3.3.6 Ejemplos del Proceso de Estimación del CNA

Los Anexos I y II presentan dos ejemplos del proceso de estimación del TOTAL de una
variable, su varianza, error estándar (error de muestreo), error estándar relativo
(coeficiente de variación) e intervalo de confianza. Estos ejemplos han sido
desarrollados en EXCEL utilizando los cuatro tipos de fórmulas presentados
anteriormente.

ANEXO I: con igual número de SMs en cada replicación y un SM sin uso

agropecuario

• Provincia: Bolívar;
• Cantón: 1;
• Variable: superficie bajo cultivos permanentes;
• Archivo EXCEL: SICA BOLIVAR CANTON 1.

ANEXO II: con un estrato que no tiene igual número de SMs en cada replicación
(falta de respuesta) y otro que tiene un SM sin uso agropecuario

• Provincia: Guayas;
• Cantón: 7;
• Variable: superficie sembrada de arroz;
• Archivo EXCEL: SICA GUAYAS CANTON 7.

16
4 LA ESPAC

4.1 METODOLOGIA DE LA ESPAC

La ESPAC usa la misma metodología del MMM del CNA, la cual combina el método
del MMA con el del MML, bajo el enfoque o paraguas de los principios del
MUESTREO EN DOS FASES o MUESTREO DOBLE La recolección de los datos se
realiza mediante ENTREVISTA DIRECTA a Informantes calificados de las UPAs
incluidas en:

• La sub-muestra de la muestra del MA;

• La muestra del ML.

4.2 USO DEL MUESTREO EN DOS FASES EN LA ESPAC

El diseño de muestreo de la ESPAC utiliza los principios y ventajas del MUESTREO

DOBLE O EN DOS FASES, el cual eficientemente combinado con el método del
MMM estratificado aplicado en el CNA, tiene la potencialidad de mejorar las
estimaciones de las variables en estudio reduciendo sus errores de muestreo para un
costo dado. Entonces, mediante el MUESTREO EN DOS FASES (DOBLE):

• LA PRIMERA FASE DEL MMA: está conformada por la muestra GRANDE

de 12.277 SMs seleccionada de los 70.000 SMs del MA en el CNA;
• LA SEGUNDA FASE DEL MMA: está integrada por la sub-muestra
PEQUEÑA de 2.000 SMs escogida en la ESPAC de la muestra GRANDE de
12.277 SMs del CNA;
• LA PRIMERA FASE DEL MML: está compuesta por las por el 100 % de las
12.341 UPAs que perteneciendo al ML en el CNA, fueron incluidas en el
ESPAC (en esta encuesta no se toman en cuenta los estratos 11 y 15 de
camaroneras);
• LA SEGUNDA FASE DEL MML: está conformada por la muestra
PEQUEÑA de 4.000 UPAs seleccionada en la ESPAC desde el 100 % de las
12.341 UPAs del ML del CNA, a la que se considera como la muestra
GRANDE dentro del concepto del MUESTREO EN DOS FASES (DOBLE).

Es necesario aclarar que, si bien no se conocía el hecho de que cuando se diseñó la

muestra del CNA, no se tuvo en cuenta el empleo del MUESTREO EN DOS FASES
(DOBLE) para el sistema de encuestas continuas posteriores al mismo, en el diseño de
muestreo de la ESPAC se consideró que este tipo de muestreo ofrecía técnicas de
selección y análisis que podrían ser aplicadas, especialmente en el proceso de
estimación. En otras palabras, en la ESPAC el diseño de la sub-muestra de 2.000 SMs
deL MA y de la muestra de 4.000 UPAs del ML (que de aquí en adelante se
mencionarán como “muestra PEQUEÑA de segunda fase del MA” y “muestra
PEQUEÑA de segunda fase del ML”), toman a la sub-muestra de 12.277 SMs como la
muestra GRANDE de primera fase y al 100 % de las 12.341 UPAs del ML como la
muestra GRANDE de primera fase.

17
Por otra parte, los tamaños de la sub-muestra del MA de 2.000 SMs y de la muestra del
ML de 4.000 UPAs de la ESPAC, fueron fijados con base en el presupuesto disponible
sin consideración de grados de precisión y confiabilidad y costos, que son factores a
considerarse bajo otras circunstancias cuando se usa el MUESTREO EN DOS FASES
(DOBLE).
Por lo tanto, la eficiencia estadística de las estimaciones generadas por el MUESTREO
EN DOS FASES (DOBLE) se debe a la posibilidad de correlacionar la información
obtenida de la muestra de PRIMERA FASE con la información recolectada en la muestra
de SEGUNDA FASE.

4.3 MUESTRA PEQUEÑA DE SEGUNDA FASE DEL MA: PROCESO DE

SELECCION

4.3.1 Objetivos de la Muestra PEQUEÑA DE SEGUNDA FASE del MA

Con una restricción muy fuerte en el tamaño de muestra predeterminado demasiado

pequeño de 2.000 SMs, el diseño de la muestra PEQUEÑA DE SEGUNDA FASE del
MA en la ESPAC persiguió los siguientes objetivos fundamentales:

• Mantener el diseño de la muestra PEQUEÑA DE SEGUNDA FASE del MA lo

más ajustado posible al diseño del CNA (replicaciones independientes dentro de
un estrato en cada Cantón), por múltiples razones estadísticas y técnicas;
• Producir las estimaciones a nivel provincial con grados de precisión y niveles de
confiabilidad aceptables, que no sean muy diferentes a los del CNA;
• Diseñar la muestra PEQUEÑA DE SEGUNDA FASE del MA de tal manera que
en el futuro permita el incremento del tamaño de la misma, cuando se consigan
mayores recursos.

4.3.2 Tamaño de la Muestra PEQUEÑA DE SEGUNDA FASE del MA

Como se indicó anteriormente, en el CNA se utilizó una muestra de 12.277 SMs que
fueron seleccionados dentro de cada Cantón en estratos de usos del suelo con réplicas
independientes, para producir estimaciones a partir del nivel cantonal.

El tamaño de la muestra PEQUEÑA DE SEGUNDA FASE del MA fue fijado en 2.000

SMs con base al presupuesto asignado al INEC con anterioridad. En realidad, en el
2001 se habían presentado a las autoridades del INEC otras alternativas de tamaños de
muestra: una ideal de 6.000 SMs; una segunda deseable de 3.700 SMs, que era el
tamaño de muestra de la última encuesta del SEAN de 1995. Finalmente se consiguió
financiamiento para 2.000 SMs.

4.3.3 Nivel de las Estimaciones del MMA

Con la finalidad de lograr los objetivos del numeral anterior bajo la restricción de un
tamaño de muestra muy pequeño, se adoptó producir las estimaciones para los
siguientes niveles:

18
 • Provincias auto-representadas (importancia alta en la producción agropecuaria,
especialmente de exportación), que se espera producirán estimaciones con
buenos grados de precisión y niveles de confiabilidad y que mantienen al
máximo posible el diseño de muestreo del CNA: Guayas, Manabí, Los Ríos,
Pichincha. A este grupo se añadió Chimborazo por razones técnicas de facilidad
de mantener el diseño del CNA, aun cuando no mantiene las mismas
características de las otras cuatro anteriores;
• Provincias no-auto-representadas, que se espera generarán estimaciones
provinciales con regulares grados de precisión y niveles de confiabilidad y que
no mantienen al máximo posible el diseño de muestreo del CNA: Azuay,
Bolívar, Cañar, Carchi, Cotopaxi, El Oro, Esmeraldas, Imbabura, Morona
Santiago, Loja y Tungurahua;
• Grupos de Provincias: Nororiente (Napo, Orellana y Sucumbíos), Suroriente
(Pastaza y Zamora Chinchipe);
• Areas no incluidas: Galápagos y Zonas en Discusión.

4.3.4 Reparto del Tamaño de la Muestra PEQUEÑA DE SEGUNDA FASE del

MA entre Provincias

El reparto entre provincias del tamaño de la muestra PEQUEÑA DE SEGUNDA FASE

del MA de 2.000 SMs, se realizó mediante el método de ´COMPROMISO´ entre las
afijaciones proporcional, tamaños iguales y la de afijación óptima. Para esta última, se
usaron las variables correspondientes a las categorías de uso del suelo y combinaciones
de las mismas, superficies sembradas de 14 de los principales cultivos, existencias de
ganado vacuno, porcino, ovino y aves de corral, con sus respectivas varianzas obtenidas
del CNA para el MA.4 En el cuadro 3 se puede observar el reparto final del tamaño de
la muestra PEQUEÑA DE SEGUNDA FASE del MA entre las provincias.

4.3.5 Diseño de la Muestra PEQUEÑA DE SEGUNDA FASE de las Provincias

Auto-Representadas

El bosquejo del diseño de la muestra PEQUEÑA DE SEGUNDA FASE del MA de las

provincias auto-representadas es el siguiente:

• Clasificación mediante la técnica del ´ANALISIS DE CONGLOMERADOS

(CLUSTER ANÁLISIS)´ de los cantones de cada provincia en dos Dominios de
Estudio (DEs) de acuerdo a variables compuestas de cultivos (permanentes,
transitorios y barbecho), pastos (cultivados, naturales y páramos) y superficie
total bajo la Unidad de Producción Agropecuaria (UPA). Estos DEs son:
¾ ´I´: cantones más importantes;
¾ ´II´: cantones menos importantes.
El cuadro 4 indica los dos DEs formados con el análisis de conglomerados.
• Sub-clasificación de cada DE en dos Sub-Dominios de Estudio (SDEs) de
acuerdo a la estratificación por uso del suelo del CNA. Estos SDEs son:
¾ ´A´: conformado por los cantones, replicaciones y estratos 10, 20 y 30 del
CNA 2000 dentro del DE ´I´;

4
Para mayores detalles del reparto del tamaño de la sub-muestra del MA entre provincias, consultar en
el Departamento de Muestreo de la Dirección de Planificación del INEC.

19
 ¾ ´B´: constituido por los estratos 40 y 51, que previamente fueron colapsados
entre cantones dentro del DE ´I´;
¾ ´C´: integrado por los estratos 10, 20 y 30, que previamente fueron
colapsados entre cantones dentro del DE ´II´;
¾ ´D´: compuesto por los estratos 40 y 51, que previamente fueron colapsados
entre cantones dentro del DE ´II´;
¾ El estrato 72 de cabeceras parroquiales y centros poblados de otras áreas
rurales no fue incluido en la ESPAC, por su escasa representatividad con
respecto a la producción agropecuaria y otras variables correlacionadas.
• Selección sistemática de dos SMs por cada replicación dentro de cada estrato en
un cantón, con el método de Brewer5 con Probabilidad Proporcional al Tamaño
(PPT) de la superficie bajo ´cultivos y pastos´ o superficie total bajo UPAs en el
SDE ´A´. En este SDE A se mantiene el diseño de muestreo del CNA;
• Selección sistemática controlada de la sub-muestra asignada (generalmente con
afijación proporcional o igual) de SMs a cada estrato colapsado entre cantones
en los SDEs ´B´, ´C´ y ´D´, en los cuales no se mantiene el diseño de muestreo
del CNA. Las variables compuestas de control fueron cultivos y pastos o
superficie total bajo UPAs y la importancia de la producción agropecuaria en
estos SDEs, es generalmente baja;
• Además, se introdujo una nueva variable de control para los cuatro SDEs (´A´,
´B´, ´C´ y ´D´) consistente en que los SMs cuyas variables compuestas de
cultivos y pastos o superficie total bajo UPAs, eran igual a cero (0), fueron
excluidas de la selección sistemática, circunstancia que hay que tener en cuenta
en el proceso de estimación.
El cuadro 5 contiene un resumen de la selección de la muestra de la provincia de
Guayas.

4.3.6 Diseño de la Muestra PEQUEÑA DE SEGUNDA FASE del MA en las

Provincias No-Auto-Representadas

El diseño de la muestra PEQUEÑA DE SEGUNDA FASE del MA en las provincias

no-auto-representadas, es similar al de las auto-representadas, salvo que en el SDE ´A´
el proceso de selección es el mismo que el de los SDEs ´B´, ´C´ y ´D´. Es importante
indicar que en estas provincias no se mantiene el diseño de replicaciones y estratos a
nivel cantonal del CNA, pues los estratos fueron colapsados entre cantones, como se
indicó en el numeral anterior. Algunas de estas provincias no tienen los cuatro SDEs.

4.3.7 Diseño de la Muestra PEQUEÑA DE SEGUNDA FASE del MA en las

Provincias Agrupadas

El diseño de la muestra PEQUEÑA DE SEGUNDA FASE del MA en las provincias

agrupadas, es similar al de las no-auto-representadas, pero los estratos 10, 20, 30, 40 y
51 fueron colapsados entre cantones y provincias.

5
Ver ´Técnicas de Muestreo´; William G. Cochran. John Wiley & Sons, New York

20
 transitorios y barbecho para el estrato 3 de flores; la superficie de permanentes
en el estrato 5 de mango; la superficie de transitorios y barbecho en el caso del
estrato 8 de tabaco; el número de porcinos para el estrato 12;
• Además, cuando las variables compuestas de control de las UPAs, eran igual a
cero (0), fueron excluidas de la selección sistemática, circunstancia que hay que
tener en cuenta en el proceso de estimación.

4.5 RESUMEN DE LOS TAMAÑOS DE MUESTRA

El cuadro 7 presenta un resumen por provincias de las muestras PEQUEÑAS DE

SEGUNDA FASE seleccionadas del MA y ML, para la realización de la ESPAC.

CUADRO 7

ESPAC: RESUMEN DE LOS TAMAÑOS DE MUESTRAS PEQUEÑAS DE

SEGUNDA FASE DEL MA Y ML, SEGUN PROVINCIAS.
MA ML
Provincia Universo Tamaño muestra % submuestra del Universo muestra % de la
CNA ESPAC Universo CNA muestra
Azuay 3117 666 65 2.1 9.8 607 117 19.3
Bolívar 1864 409 80 4.3 19.6 255 37 14.5
Cañar 1290 303 40 3.1 13.2 170 130 76.5
Carchi 1113 285 30 2.7 10.5 238 48 20.2
Cotopaxi 2351 479 100 4.3 20.9 401 156 38.9
Chimborazo 2174 500 130 6.0 26.0 406 128 31.5
El Oro 2320 523 100 4.3 19.1 683 142 20.8
Esmeraldas 4537 576 80 1.8 13.9 881 240 27.2
Guayas 7400 1453 400 5.4 27.5 1461 859 58.8
Imbabura 1752 375 50 2.9 13.3 293 103 35.2
Loja 5126 893 121 2.3 13.5 542 202 37.3
Los Ríos 3563 749 196 5.5 26.2 687 317 46.1
Manabí 8603 1258 298 3.5 23.7 1775 534 30.1
Pichincha 5755 774 170 3.0 22.0 1220 486 39.8
Tungurahua 1020 304 40 3.9 13.2 573 98 17.0
Morona S. 5866 669 35 0.6 5.2 1065 125 11.7
Nor-oriente 5426 1036 39 0.7 3.8 479 163 34.0
Sur-oriente 5995 826 26 0.4 3.1 605 115 19.0
TOTAL 69272 12078 2000 2.9 16.6 12341 4000 32.4

5 PROCESO DE ESTIMACIÓN DE LA ESPAC MEDIANTE EXPANSION

DIRECTA

26
5.1 SIMULACION DEL PROCESO DE ESTIMACIÓN DE LA ESPAC
MEDIANTE EXPANSION DIRECTA CON LOS DATOS DEL CNA

El cuadro 8 contiene un resumen comparativo a nivel nacional entre las estimaciones

SIMULADAS desde la ESPAC para el uso del suelo y los resultados generados por el
CNA con sus respectivos errores relativos de muestreo o coeficientes de variación (cv).
Estas estimaciones y sus errores de muestreo han sido producidas a través del método
de EXPANSION DIRECTA utilizando las mismas fórmulas del CNA presentadas en
los capítulos anteriores. El Anexo III (archivo EXCEL ‘ESPAC ERRORES USO 1’)
presenta estos mismos resultados, pero a nivel regional y provincial.

CUADRO 8

COMPARACIÓN DE LAS ESTIMACIONES SIMULADAS DEL USO DEL

SUELO DE LA ESPAC CON EL CNA
Uso del CNA* ESPAC (simulación) Razón=ESPAC/CNA
Suelo Ha (000) cv (%) Ha (000) Cv (%) Ha Cv
Permanentes 1305.1 0.9 1334.1 2.4 + 1.02 veces + 2.7 veces
Transitorios* 1223.4 0.8 1250.5 2.3 + 1.02 veces + 2.9 veces
Descanso 376.9 1.7 362.4 4.6 - 1.04 veces + 2.7 veces
Pastos Cultiv 3302.7 0.7 3485.7 2.2 + 1.05 veces + 3.1 veces
Pastos Natur 1126.5 1.3 1268.6 3.3 + 1.13 veces + 2.5 veces
Páramos 600.3 2.1 619.5 4.1 + 1.03 veces + 2.0 veces
Bosques 3861.9 0.9 3506.9 2.3 - 1.10 veces + 2.6 veces
Otros** 173.8 1.6 213.9 4.1 + 1.23 veces + 2.6 veces
TOTAL 11970.6 0.4 12041.8 0.9 + 1.01 veces + 2.3 veces
* Se excluyen Galápagos y “Zonas No Asignadas” las cuales no están tomadas en
cuenta en la ESPAC.
** Se excluyen los estratos 11 y 15 de camaroneras no consideradas en la ESPAC.

De un somero análisis de los resultados que constan en el cuadro 8 y Anexo III, se

pueden establecer los siguientes aspectos importantes:

• A nivel nacional (cuadro 8), las diferencias en las superficies estimadas de

cultivos es de alrededor del 2 % y de pastos considerados en conjunto
(cultivados+naturales +páramos) es casi del 7 %; la diferencia mayor se observa
en la categoría de otros usos en la que la ESPAC estima casi ¼ más del área del
CNA. La superficie total bajo UPAs mantiene una pequeña discrepancia del 1
%;
• A nivel nacional (cuadro 8), los errores relativos estándar de muestreo de la
ESPAC que son menores que el 5 %, naturalmente aumentan con respecto a los
obtenidos en el CNA, pero no en la magnitud prevista, debido a que si el tamaño
de la muestra disminuye en un poco más de seis veces, era de esperarse que los
mismos aumenten por un factor de 36. En realidad, los errores relativos de
muestreo o coeficientes de variación (cv) se incrementan entre alrededor del 2 y
3 veces. Esto se debe a la eficiencia ganada en el diseño de las dos muestras
PEQUEÑAS DE SEGUNDA FASE, tanto del MA como del ML, gracias a la
abundante información generada por el CNA;

27
 • A nivel provincial (Anexo III) naturalmente los coeficientes de variación son
superiores a los nacionales y regionales. En el grupo de las cuatro provincias
auto-representadas (Guayas, Manabí, Los Ríos y Pichincha), cultivos y pastos
son estimados en la ESPAC 2000 con errores relativos de muestreo inferiores al
10 % (con varios casos que son inferiores al 5 %), excepto pastos naturales en
Los Ríos y Manabí, cuyos coeficientes de variación son del orden del 16 y 19 %
respectivamente. En las otras provincias se observan errores relativos de
muestreo menores del 10 % y la gran mayoría de los más altos oscilan en un
rango del 25 % al 40 %;
• En general a nivel provincial (Anexo III), el coeficiente entre los errores
relativos de muestreo de la ESPAC y los del CNA, oscila entre 3 y 5 veces.

El análisis anterior indica, que para los tamaños de muestras establecidos con la
restricción del presupuesto escaso disponible, que para las principales variables
estimadas de la ESPAC se puede esperar lo siguiente:

• Estimaciones muy buenas a nivel nacional y regional;

• Estimaciones buenas a nivel de las cuatro provincias auto-representadas
(Guayas, Manabí, Los Ríos, Pichincha y Chimborazo);
• Estimaciones regulares para el resto de provincias.

La expectativa de la última viñeta anterior, debe llevar a estudiar detenidamente

diferentes alternativas para mejorar la eficiencia de las estimaciones:

• Colapsar provincias: las seis de la amazonía pueden agruparse en una sola, por
ejemplo;
• Utilizar los métodos de razón y regresión aprovechando de que se ha empleado
el MUESTREO EN DOS FASES (DOBLE) en el proceso de selección de las
muestras PEQUEÑAS DE SEGUNDA FASE, tanto del MA como del ML;
• Experimentar nuevos métodos de estimación, como el de razón y regresión, sin
usar el MUESTREO EN DOS FASES (DOBLE). En las estimaciones del
MMM presentadas en el cuadro 8 y anexo III, solamente se han sumado las
estimaciones del MA con la del ML. Sin embargo, en la literatura de la
metodología del MMM existen muchos otros estimadores que se pueden aplicar,
como los producidos por regresión múltiple, por ejemplo.

5.2 FACTOR ORIGINAL Y FINAL DE EXPANSION DIRECTA DE UN

ESTRATO EN LA MUESTRA PEQUEÑA DE SEGUNDA FASE DEL MA

En general, en un estrato de la muestra PEQUEÑA DE SEGUNDA FASE del MA, la

fracción de muestreo o probabilidad de selección de un SM y su correspondiente Factor
Original de Expansión Directa (MAFOEDESPAC) y Factor Final de Expansión Directa
(MAFFEDESPAC) dentro de un estrato, responde a la fórmula siguiente:

28
 MA nCNA(G ) MA n ESPAC ( p ) MA n ESPAC ( p )
MA f ESPAC ( f ) = MA f CNA( G ) * MA f ESPAC ( p ) = * = ,
MA N CNA MA n CNA ( G ) MA N CNA

donde :
MA f ESPAC ( f ) = Fracción de muestreo final de la ESPAC en el MA;

MA f CNA( G ) = Fracción de la muestra GRANDE DE PRIMERA FASE del CNA en el MA;

MA f ESPAC ( p ) = Fracción de la muestra PEQUEÑA DE SEGUNDA FASE de la ESPAC en el MA;
MA nCNA( G ) = No. de SMs de la muestra GRANDE DE PRIMERA FASE del CNA 2000 en el MA;
MA N CNA = No. de SMs en la población del CNA en el MA;
MA n ESPAC ( p ) = No. de SMs de la muestra PEQUEÑA DE SEGUNDA FASE de la ESPAC en el MA.
Por lo tan to, el Factor Original de Expansión Directa en el MA es :
1 N
MA FOED ESPAC = = MA CNA ,
MA f ESPAC ( f ) MA n ESPAC ( p )

donde :
MA FOED ESPAC = Factor Original de Expansión Directa de la ESPAC en el MA.

Luego, el MA FOED ESPAC tiene que ser ajustado de la siguiente forma para obtener el
Factor Final de Expansión Directa en el MA :
MA FFED ESPAC = MA FOED ESPAC * MA FAsub * MA FAdis * MA FAcob * MA FAres ,

donde :
MA FFED ESPAC = Factor Final de Expansión Directa de la ESPAC en el MA;

MA FAsub = Factor de Ajuste por el número de subdivisiones del SM del CNA en el MA;
dis G 2
MA FAdis = MA
= Factor Ajuste por diseño de la muestra PEQUEÑA de la ESPAC en el MA,
MA dis G1

pero calculado en la muestra GRANDE DE PRIMERA FASE del CNA,

donde :
(i ) En el do min io A de las provincias autorepresentadas, el MA FAdis es :
dis G 2 = No de SMs por réplica con la var iable de control > 0 en un estrato del CNA
MA FAdis = MA
;
MA dis G1 = No de SMs por réplica de un estrato en la muestra del CNA en el MA

(ii ) En los do min ios B, C y D de las provincias autorepresentadas y en los

do min ios A, B, C y D de las provincias no autorepresentadas, el MA FAdis es :
dis G 2 = No de SMs por estrato con la var iable de control > 0 en el CNA
MA FAcob = MA
,
MA dis G1 = No de SMs por estrato en la muestra del CNA en el MA
donde :
'Variable de Control ' = Cultivos ( permanentes + transitorios + barbecho) + Pastos
(cultivados + naturales + páramos) ó ' Superficie Total ' de la UPA;
MA FAcob = Factor de Ajuste por la falta de cobertura de la ESPAC en el MA;

MA FAres = Factor de Ajuste por la falta de respuesta de la ESPAC en el MA.

29
Lógicamente, un MAFOEDESPAC y un MAFFEDESPAC de un estrato se calculan de acuerdo a
las características peculiares del diseño de la muestra PEQUEÑA DE SEGUNDA
FASE del MA de la ESPAC en cada provincia. Así por ejemplo, en Guayas (una
provincia auto-representada) el diseño de la muestra PEQUEÑA DE SEGUNDA FASE
del MA contempla cuatro DEs (A, B, C, D): en el A la selección de los SMs se realizó
independientemente por replicaciones, estratos y cantones, manteniendo el proceso de
selección del CNA; en los otros tres DEs (B, C, D) se escogieron directamente los SMs
en los estratos considerados para la ESPAC, sin tomar en cuenta las replicaciones ni los
cantones.

En cambio, Cañar es una provincia no auto-representada con tres DEs (A, B y C), cuyas
muestras de SMs del MA se seleccionaron solamente por estratos como en los DEs B, C
y D de Guayas o sea sin respetar las replicaciones ni los cantones. Es necesario señalar
que solamente Imbabura y Cotopaxi de las provincias no auto-representadas y Guayas y
Manabí de las auto-representadas, tienen el DE ´D´.

Los cuadros 9 y 10 contiene una ilustración por DEs y estratos del cálculo de los
MAFFEDESPAC para el MA de las provincias de Guayas y Cañar, cuando los MAFAcob y

MAFAres son iguales a la unidad o sea no se tienen que realizar ajuste por falta de cobertura

y respuesta.

CUADRO 9

ESPAC: EJEMPLOS DE FACTORES FINALES DE EXPANSIÓN DIRECTA

DEL MA DE GUAYAS, POR DOMINIOS Y ESTRATOS
UPM SM MANCNA MAnESPAC(p) MAFAsub MAFAdis MAFAcob MAFAres MAFFEDESPAC

sub1 sub2 sub3 MA disG1 MA disG1

DOMINIO A: CANTON 4, ESTRATO 10
116 1 479 12 1 1 1 8 7 1 1 34.9271
130 2 479 12 1 1 1 8 8 1 1 39.9167
DOMINIO A: CANTON 11, ESTRATO 20
1731 1 47 4 1 1 1 3 2 1 1 7.8333
1868 5 47 4 2 1 1 3 2 1 1 15.6667
DOMINIO B: ESTRATO 40
708 5 281 5 1 1 1 72 52 1 1 40.5889
940 3 281 5 1 1 1 72 52 1 1 40.5889
DOMINIO C: ESTRATO 10
338 2 880 25 1 1 1 154 103 1 1 23.5429
508 2 880 25 2 1 1 154 103 1 1 47.0857
DOMINIO D: ESTRATO 51
1014 1 405 5 1 1 1 59 35 1 1 48.0508
1417 3 405 5 2 1 1 59 35 1 1 96.1017

30
 CUADRO 10

ESPAC: EJEMPLOS DE FACTORES FINALES DE EXPANSIÓN DIRECTA

DEL MA DEL CAÑAR, POR DOMINIOS Y ESTRATOS
UPM SM MANCNA MAnESPAC(p) MAFAsub MAFAdis MAFAcob MAFAres MAFFEDESPAC

sub1 sub2 Sub3 MA disG1 MA disG1

DOMINIO A: ESTRATO 10
213 2 464 15 1 1 1 76 72 1 1 29.3053
255 2 464 15 2 1 1 76 72 1 1 58.6105
DOMINIO A: ESTRATO 20
127 3 182 6 1 1 1 68 67 1 1 29.8873
224 4 182 6 2 2 1 68 67 1 1 119.5490
DOMINIO B: ESTRATO 40
2 3 191 6 1 1 1 40 40 1 1 31.8383
163 1 191 6 1 1 1 40 40 1 1 31.8383
DOMINIO C: ESTRATO 10
144 1 24 2 2 2 1 12 12 1 1 48.0000
144 8 24 2 2 4 1 12 12 1 1 96.0000
DOMINIO C: ESTRATO 30
26 1 109 2 1 1 1 30 25 1 1 45.4167
178 4 109 2 1 1 1 30 25 1 1 45.4167

5.3 FACTOR ORIGINAL Y FINAL DE EXPANSION DIRECTA DE UN

ESTRATO DE LA MUESTRA PEQUEÑA DE SEGUNDA FASE DEL ML

En general, en un estrato de la muestra PEQUEÑA DE SEGUNDA FASE del ML, la

fracción de muestreo o probabilidad de selección de una UPA y su correspondiente
Factor Original de Expansión Directa (MLFOEDESPAC) y Factor Final de Expansión
Directa (MLFFEDESPAC) dentro de un estrato, responde a la fórmula siguiente:

31
 ML nCNA( G ) nESPAC ( p ) N CNA ML nESPAC ( p ) nESPAC ( p )
ML f ESPAC ( f ) = ML f CNA( G ) *ML f ESPAC ( p ) = * ML = ML
* = ML
,
ML N CNA ML nCNA( G ) ML N CNA ML N CNA ML N CNA
donde :
ML f ESPAC ( f ) = Fracción de muestreo final de la ESPAC en el ML;

ML fCNA( G ) = 1 = Fracción de la muestra GRANDE DE PRIMERA FASE del CNA en el ML;

ML f ESPAC ( p ) = Fracción de la muestra PEQUEÑA DE SEGUNDA FASE de la ESPAC en el ML;

ML nCNA( G ) = ML N CNA = No. de UPAs de la muestra GRANDE DE PRIMERA FASE del CNA en el ML;
ML N CNA = No. de UPAs en la población del CNA en el ML;
n
ML ESPAC ( p ) = No. de UPAs de la muestra PEQUEÑA DE SEGUNDA FASE de la ESPAC en el ML.
Por lo tan to, el Factor Original de Expansión Directa en el ML es :
1 N
ML FOEDESPAC = = ML CNA ,
ML f ESPAC ( f ) ML nESPAC ( p )

donde :
MA FOEDESPAC = Factor Original de Expansión Directa de la ESPAC en el ML.

Luego, el ML FOEDESPAC tiene que ser ajustado de la siguiente forma para obtener el
Factor Final de Expansión Directa en el ML :
ML FFEDESPAC = ML FOEDESPAC *ML FAdis *ML FAcob *ML FAres ,

donde :
ML FFEDESPAC = Factor Final de Expansión Directa de la ESPAC en el ML;

disG 2
ML FAdis = ML
= Factor Ajuste por diseño de la muestra PEQUEÑA de la ESPAC en el ML,
ML disG1

pero calculado en la muestra GRANDE DE PRIMERA FASE del CNA,

donde :
(i ) En los estratos 1 y 2, subestratos ( grupos ) 1, 2 y 3 (no incluye el 4), el ML FAdis es :
disG 2 = No de UPAs por estrato con la var iable de control > 0 en el CNA
ML FAdis = ML
,
ML disG1 = No de UPAs por subestrato ( grupo) del CNA en el ML

con la ' Variable de Control ' = Cultivos ( permanentes + transitorios + barbecho) + Pastos
(cultivados + naturales + páramos);
(ii ) En los estratos 4 al 14 (sin incluir 11 y 15 de camaroneras ), el ML FAdis es :
disG 2 = No de UPAs por estrato con la var iable de control > 0 en el CNA
ML FAcob = ML
,
ML disG1 = No de UPAs por estrato del CNA en el ML

con la ' Variable de Control ' = Característica que define el estrato ( flores, maracuyá, ...
..., mango, brócoli, palmito, aves, porcinos, etc.);
ML FAcob = Factor de Ajuste por la falta de cobertura de la ESPAC en el ML;
ML FAres = Factor de Ajuste por la falta de respuesta de la ESPAC en el ML.

32
 Los cuadros 11 y 12 contienen ejemplos por estratos del cálculo de los MLFFEDESPAC para
el MA de las provincias de Guayas y Cañar.

CUADRO 11

ESPAC: EJEMPLOS DE FACTORES FINALES DE EXPANSIÓN DIRECTA

DEL ML DE GUAYAS, POR ESTRATOS
(Cantón) Sub-Estrato UPA MLNCNA MLFAdis MLFAcob MLFAres MLFFEDESPAC
MLnESPAC(p)
Estrato (Grupo) No disG1
ML disG2
ML

(1) 1 1 9 389 268 389 380 1 1 1.4179

(1) 1 2 2 282 264 282 270 1 1 1.0227
(1) 1 3 3 99 97 99 97 1 1 1.0000
(1) 1 4 18 66 66 66 66 1 1 1.0000
(1) 2 1 5 162 15 162 45 1 1 9.6667
(1) 2 2 2 13 4 13 12 1 1 3.0000
(1) 2 3 9 4 2 4 4 1 1 2.0000
(17) 2 4 4 1 1 1 1 1 1 1.000
(1) 5 - 11 94 47 94 86 1 1 1.8298
(1) 10 - 31 15 6 15 10 1 1 1.6667

CUADRO 11

ESPAC: EJEMPLOS DE FACTORES FINALES DE EXPANSIÓN DIRECTA

DEL ML DE CAÑAR, POR ESTRATOS
(Cantón) Sub-Estrato UPA MLNCNA MLFAdis MLFAcob MLFAres MLFFEDESPAC
MLnESPAC(p)
Estrato (Grupo) No disG1
ML disG2
ML

(1) 1 1 7 88 72 88 88 1 1 1.2222
(1) 1 2 4 32 30 32 30 1 1 0.9999
(3) 1 3 2 8 8 8 8 1 1 1.0000
(4) 1 4 8 15 15 15 15 1 1 1.0000
(-) 2 1 - - - - - - - -
(-) 2 2 - - - - - - - -
(-) 2 3 - - - - - - - -
(-) 2 4 - - - - - - - -
(2) 3 - 1 4 4 4 4 1 1 1.0000
(4) 9 - 1 1 1 1 1 1 1 1.0000

5.4 EQUIVALENCIA DE LA SIMBOLOGIA USADA EN LOS FACTORES

FINALES DE EXPANSION DIRECTA

El cuadro 13 indica las equivalencias de los símbolos utilizados en las fórmulas de los
MA

33
 ´ ´ ,

ˆ ˆ ,
1 1

:
ˆ ´ ´ var ;
ˆ ´ ´ var
;

;
var
;
.

(ˆ ˆ )2
var( ˆ ) (1 ) 1
,
1
:
var( ˆ ) var ´ ´ var
;
ˆ
ˆ 1
Media de la estimación ´SAS´del TOTAL de una var iable

en el estrato h ésimo del MA;

N Número de SMs en la población del estrato h ésimo del MA.

36
 1 2 R d s Yˆ Xˆ − R d2 s X2ˆ
var( ESPAC Yˆr ) = ( s Yˆ + R d s Yˆ − 2 R d s Yˆ Xˆ ) +
2 2 2 p p p
,
np p p p p
nG
donde :
var( ESPAC Yˆr ) = var ianza de la estimación de RAZON del TOTAL de una var iable en un estrato
de la ESPAC con MUESTREO EN DOS FASES ( DOBLE );
n G = Tamaño de la muestra ( SMs o UPAs) GRANDE DE PRIMERA FASE en el CNA;
n p = Tamaño de la muestra ( SMs o UPAs) PEQUEÑA DE SEGUNDA FASE en la ESPAC ;
s Y2ˆ = var ianza de ( ESPAC Yˆp );
p

s 2
Yˆ
= var ianza de ( CNA Xˆ p );
p

s Yˆ ˆ = cov arianza de ( ESPAC Yˆp , CNA Xˆ p ).

pX p

6.2 PROCESO DE ESTIMACIÓN DE LA ESPAC MEDIANTE REGRESION

Este método de estimación del TOTAL de una variable y de su varianza en la ESPAC,

tanto en un estrato del MA como del ML, responde a las siguientes fórmulas:

ESPAC Yˆrgd = ESPAC Yˆp + Bd ( CNA Xˆ G − CNA Xˆ p ),

donde :
ˆ
ESPAC Yrgd = Estimación de REGRESION del TOTAL de una var iable en un estrato

de la ESPAC con MUESTREO EN DOS FASES ( DOBLE );

np

∑( ESPAC Yˆip − ESPAC Yˆp )( CNA Xˆ ip − CNA Xˆ p )

i =1
Bd = np

∑( CNA Xˆ ip − Xˆ p ) 2
i =1

= Coeficiente de REGRESION de la var iable ( ESPAC Yˆp ) con la ( CNA Xˆ p ) en un estrato

de la muestra PEQUEÑA DE SEGUNDA FASE en la ESPAC ,
donde :
Yˆ = Media de la estimación del TOTAL de la var iable (
ESPAC p ESPAC Yˆp ) en un estrato
de la muestra PEQUEÑA DE SEGUNDA FASE en la ESPAC ;

CNA Xˆ p = Media de la estimación del TOTAL de la var iable ( CNA Xˆ p ) en un estrato

de la muestra PEQUEÑA DE SEGUNDA FASE ,
pero obtenida con datos del CNA.

39
FORMULAS APROXIMADAS DE LA VARIANZA DE LA ESTIMACION POR REGRESION
DEL TOTAL DE UNA VARIABLE EN UN ESTRATO DEL MA o ML EN LA ESPAC

PRIMERA FORMULA DE W . G. COCHRAN

sY2ˆ Xˆ sY2ˆ − sY2ˆ Xˆ sY2ˆ
var( ESPAC Yˆ ) = C1
+ −
p p p p p p
rgd ,
np ng N
donde :
var( ESPAC Yˆrgd
C2
rgd
) = var ianza de la estimación por REGRESION del TOTAL de una var iable
en un estrato de la ESPAC con MUESTREO EN DOS FASES ;
1  p ˆ 2
n np
ˆ
= ∑ ( ESPAC YIP − ESPAC YP ) − Bd ∑ ( CNA Xˆ IP − CNA X p ) ;
ˆ
2 2 2
s Yˆp Xˆ p
n p − 2  i =1 i =1 
N = Número de SMs en la población del MA o número de UPAs en la población del ML.

SEGUNDA FORMULA DE W . G. COCHRAN

 
 ( CNA Xˆ G − CNA Xˆ p )  sYˆp − sYˆp Xˆ p sYˆp
2 22 2
1
var( ESPAC Yrgd ) = sYˆ Xˆ  +
ˆ 2 + − .
p p  np

np ˆ ng N


∑
i =1
( CNA Xˆ IP − CNA X p ) 
2

FORMULA DE L. KISH
( sY2ˆ − ρ Y2ˆ Xˆ ) ρ Y2ˆ Xˆ sY2ˆ
var( ESPAC Yˆ ) = K
+
p p p p p p
rgd ,
np − 2 nG
donde :
np

∑( ESPAC Yˆip − ESPAC Yˆp )( CNA Xˆ ip − CNA Xˆ p )

ρ Yˆ Xˆ = i =1
= coeficiente de correlación entre las
p p
np 2 n
p

∑( ESPAC Yˆip − ESPAC Yˆp ) ∑( CNA Xˆ ip − Xˆ p ) 2

i =e i =1

las var iables ( ESPAC Yˆip , CNA Xˆ ip );

ρ Y2ˆ Xˆ = coeficiente de det er min ación entre las las var iables ( ESPAC Yˆip , CNA Xˆ ip ).
p p

40
7 SOFTWARE UTILIZADO

En los procesos de selección de la muestra y estimación de los resultados, se han

utilizado básicamente el “software” desarrollado con el Statistical Analysis System
(SAS)”, el cual se encuentra en el Departamento del SEAN/INEC y que se detalla a
continuación:

• Programas ad-hoc desarrollados en SAS para el manejo de bases de datos del

CNA/00 y las ESPAC/02-03 tanto para el MA como el ML.
• Rutina SAS “PROC SURVEY SELECT” para la selección de las muestras
PEQUEÑAS DE SEGUNDA FASE del MA y ML.
• Rutina SAS “PROC TABULATE” para la producción de tablas con los
resultados de las ESPAC/02-03.
• Rutina SAS “PROC SURVEYMEANS” para el proceso de estimación por
Expansión Directa de los agregados de las variables y sus errores de muestreo.
• Programas ad-hoc desarrollados en SAS para el proceso de estimación por
Expansión Directa de los agregados de las variables y sus errores de muestreo, a
nivel provincial, regional y nacional.
• Programas ad-hoc desarrollados en SAS para el proceso de estimación por
Regresión de los agregados de las variables y sus errores de muestreo.
• Rutina SAS “PROC SURVEYREG” para el proceso de estimación por
Regresión de los agregados de las variables y sus errores de muestreo.
• Variedad de programas ad-hoc desarrollados en SAS para la adecuación de las
bases de datos del CNA/00 y las ESPAC/02-03 que sirvan de insumos en la
aplicación de las rutinas y programas SAS mencionados en las viñetas
anteriores.
• Variedad de programas ad-hoc desarrollados en SAS para resolver los
problemas diarios encontrados en el análisis de los resultados de las ESPAC/02-
03.

41