Analisi dei dati PISA 2018 con R

Guida pratica · OCSE PISA · Plausible Values · Replicate Weights · EdSurvey

Questa guida mostra come analizzare correttamente i dati dell'indagine OCSE PISA utilizzando R, rispettando le indicazioni metodologiche ufficiali per la stima di medie, regressioni e modelli multilivello su dati complessi con design campionario a più stadi.

• Analisi manuale con Plausible Values
• Analisi avanzata con replicate weights (BRR)
• Utilizzo del pacchetto EdSurvey

1 Analisi manuale (PV + Rubin)

1. Import dati studenti e scuole
2. Preparazione e join del dataset
3. Definizione variabili di interesse
4. Loop sui 10 Plausible Values
5. Stima modello multilivello per ciascun PV
6. Salvataggio coefficienti
7. Combinazione con regole di Rubin

library(tidyverse)
library(lme4)

# Import dati
student <- read.csv("CY07_MSU_STU_QQQ.csv")
school  <- read.csv("CY07_MSU_SCH_QQQ.csv")

# Join studenti-scuole
data <- student %>%
  left_join(school, by = c("CNT", "CNTSCHID"))

2 Analisi avanzata (PV + BRR)

Per stime corrette degli errori standard è necessario combinare il loop sui 10 Plausible Values con il loop sugli 80 replicate weights BRR. La varianza finale tiene conto sia dell'incertezza campionaria che dell'imputazione multipla.

rep_weights <- paste0("W_FSTR", 1:80)

pv_results <- list()

for (pv in 1:10) {

  pv_name  <- paste0("PV", pv, "FLIT")
  coef_reps <- matrix(NA, nrow = 80)

  for (r in 1:80) {

    weight_var <- rep_weights[r]
    data_analysis$weight <- data_analysis[[weight_var]]

    coef_reps[r, ] <- estimate_model(data_analysis, pv_name)
  }

  # Varianza campionaria BRR
  sampling_var <- (4 / 80) * colSums((coef_reps - colMeans(coef_reps))^2)

  pv_results[[pv]] <- list(
    coef = estimate_model(data_analysis, pv_name),
    sampling_var = sampling_var
  )
}

# Combinazione Rubin
final <- combine_rubin(pv_results)

3 Metodo EdSurvey

Il pacchetto EdSurvey automatizza la gestione di Plausible Values e replicate weights nelle grandi indagini educative internazionali (PISA, TIMSS, PIRLS, ecc.), riducendo drasticamente il codice necessario e minimizzando il rischio di errori metodologici.

install.packages("EdSurvey")
library(EdSurvey)

# Lettura dati PISA 2018 (International)
pisa <- readPISA(
  path     = "PISA2018/",
  database = "INT"
)

# Regressione con gestione automatica di PV e BRR
model <- lm.sdf(
  PVFLIT ~ ESCS + ST004D01T + IMMIG,
  data = pisa
)

summary(model)

Riferimenti

• OECD (2020). PISA 2018 Technical Report. OECD Publishing, Paris.
• Bailey, P. & Zhang, T. (2023). EdSurvey: A Package for Analyzing NCES Data. R package documentation.
• OECD (2009). PISA Data Analysis Manual: SPSS and SAS (2nd ed.). OECD Publishing.