Inferência sob planos amostrais de cadastro duplo

Abstract

A abordagem de cadastro duplo envolve um levantamento amostral onde dois cadastros são utilizados com o propósito de fornecer maior cobertura e identificar elementos de uma única população-alvo. Tal abordagem tem sido vastamente utilizada na literatura em situações onde um único cadastro não consegue fornecer cobertura completa da população-alvo, ou ainda, quando há diferenças de custo de amostragem realizada em cada um dos cadastros disponíveis. Esta tese estuda estratégias de inferência assistida por modelos aplicadas à abordagem de cadastro duplo, propondo estimadores do tipo regressão generalizado. Variáveis auxiliares são consideradas disponíveis em ambos os cadastros e utilizadas no processo de estimação para aumentar a precisão de estimativas. As propriedades de consistência, centralidade assintótica e erro quadrático médio assintótico dos novos estimadores propostos são apresentadas e uma simulação é realizada para analisar sua eficiência relativa a estimadores já propostos na literatura, sob a situação em que um plano de amostragem aleatória simples é aplicado em cada um dos cadastros. Os estimadores propostos têm potencialidade de aplicação direta em diversas áreas, como a de pesquisa agropecuária