RESULTADOS DO INQUÉRITO ESPECIAL DE CAJU 2017
Mozambique, 2016 - 2017
get_microdata
ID de Referencia
IECAJU2017
Produtor(es)
INSTITUTO NACIONAL DE CAJU
metadata
created_on
Nov 03, 2021
last_modified
Nov 04, 2021
page_views
2729
downloads
13995
identification
idno
IECAJU2017
Título
RESULTADOS DO INQUÉRITO ESPECIAL DE CAJU 2017
metadata.study_desc.study_info.nation
| metadata.study_desc.study_info.nation.name | metadata.study_desc.study_info.nation.abbreviation |
|---|---|
| MOCAMBIQUE | MOZ |
metadata.study_desc.study_info.abstract
Índice de Conteúdos
Lista de Quadros
Lista de Figuras
Abreviaturas
Agradecimentos
INTRODUÇÃO
O SECTOR DE CAJU EM MOÇAMBIQUE: BREVE REVISÃO
METODOLOGIA
RESULTADOS
CONCLUSÕES E RECOMENDAÇÕES
REFERÊNCIAS
ANEXO
Lista de Quadros
Lista de Figuras
Abreviaturas
Agradecimentos
INTRODUÇÃO
O SECTOR DE CAJU EM MOÇAMBIQUE: BREVE REVISÃO
METODOLOGIA
RESULTADOS
CONCLUSÕES E RECOMENDAÇÕES
REFERÊNCIAS
ANEXO
metadata.study_desc.study_info.analysis_unit
Unidades Primárias de Amostragem (UPA's) ou Áreas de Enumeração (AE's) segundo o princípio de proporcionalidade ao tamanho, onde o tamanho é o nº de AF's que possuem cajueiros na AE.
version
metadata.study_desc.version_statement.version
Recolher e produzir dados e informação de natureza estrutural e conjuntural que permita melhorar o processo de planificação e de tomada de decisão baseada em evidências no sector de caju.
Específicos:
· Actualizar a informação sobre o número de cajueiros, (velhos, em produção, em crescimento: os provenientes de sementeira directa e de mudas enxertadas);
· Recolher dados sobre a produção total, a produtividade por árvore e produção comercializada;
Específicos:
· Actualizar a informação sobre o número de cajueiros, (velhos, em produção, em crescimento: os provenientes de sementeira directa e de mudas enxertadas);
· Recolher dados sobre a produção total, a produtividade por árvore e produção comercializada;
scope
metadata.study_desc.study_info.topics
| metadata.study_desc.study_info.topics.topic | metadata.study_desc.study_info.topics.vocab | metadata.study_desc.study_info.topics.uri |
|---|---|---|
| Censo Agro-Pecuário | CAP | CAP |
| Direcção de Planificação e Cooperação Internacional | DPCI | DPCI |
| Direito de Uso e Aproveitamento da Terra | DUAT | DUAT |
| Inquérito Agrícola Integrado | IAI | IAI |
| Instituto Nacional do Caju | INCAJU | INCAJU |
| Ministério da Agricultura e Segurança Alimentar | INCAJU | INCAJU |
| Trabalho de Inquérito Agrícola | TIA | TIA |
| Organização Não-Governamental | ONG | ONG |
| Serviços Distritais de Actividades Económicas | SDAE | SDAE |
| Unidade Primária de Amostragem | UPA | UPA |
metadata.study_desc.study_info.keywords
| metadata.study_desc.study_info.keywords.keyword | metadata.study_desc.study_info.keywords.vocab | metadata.study_desc.study_info.keywords.uri |
|---|---|---|
| Agregado Familiar | AF | AF |
| Área de Enumeração | AE | AE |
| Censo Agro-Pecuário II | CAP II | CAP II |
| Unidade Primária de Amostragem | UPA | UPA |
| Ministério da Agricultura e Segurança | MASA | MASA |
| Instituto de Fomento de Caju | INCAJU | INCAJU |
| Trabalho de Inquérito Agrícola | TIA | TIA |
| Pequena e Medias Explorações | PME | PME |
| Grandes Explorações | GE | GE |
coverage
metadata.study_desc.study_info.geog_coverage
O inquérito do IECAJU foi realizado em 8 Províncias (Cabo Delgado, Nampula, Zambézia, Manica, Sofala, Inhambane, Gaza e Maputo) e Distritos com presença significativa de árvores de cajueiros numa base de amostra probabilística bi-etápica. Na primeira etapa foram seleccionadas as Unidades Primárias de Amostragem (UPA's) ou Áreas de Enumeração (AE's) segundo o princípio de proporcionalidade ao tamanho, onde o tamanho é o nº de AF's que possuem cajueiros na AE.
metadata.study_desc.study_info.universe
No geral, o grau de desempenho concernente as áreas de enumeração ou UPA's cobertas pelo Inquérito situou-se em 98.3%, isto é, das 300AE's planificadas foram realizadas295 AE's onde, onde 5AE's nao foram feitas, sendo 3 na Provincia de Maputo por falta de AF's com cajueiros, 1 AE na Zambezia por problemas de vias de acesso e 1 AE em Sofala por falta de AF's com cajueiros;
Em termos de AF's, Neste inquerito foram no total entrevistadas 4.536 Explorações das quais 2.869 pequenas das 3000 previstas(95.6%),683 Médias das 702 listadas nas UPA's(97.3%), 89 Grandes Explorações das 97(91.7%) encontradas dentro da UPA, e893 Grandes Explorações das 950 listadas(94%)fora das AE;
No que se refere à cobertura dos agregados familiares para a contagem dos seus cajueiros, foram contados 848 AF's dos 903previstos o que corresponde ao desempenho de 93,9% em relacao ao planificado
Em termos de AF's, Neste inquerito foram no total entrevistadas 4.536 Explorações das quais 2.869 pequenas das 3000 previstas(95.6%),683 Médias das 702 listadas nas UPA's(97.3%), 89 Grandes Explorações das 97(91.7%) encontradas dentro da UPA, e893 Grandes Explorações das 950 listadas(94%)fora das AE;
No que se refere à cobertura dos agregados familiares para a contagem dos seus cajueiros, foram contados 848 AF's dos 903previstos o que corresponde ao desempenho de 93,9% em relacao ao planificado
producers_sponsors
metadata.study_desc.authoring_entity
| metadata.study_desc.authoring_entity.name | metadata.study_desc.authoring_entity.affiliation |
|---|---|
| INSTITUTO NACIONAL DE CAJU | MASA |
metadata.study_desc.production_statement.producers
| metadata.study_desc.production_statement.producers.name | metadata.study_desc.production_statement.producers.affiliation | metadata.study_desc.production_statement.producers.role |
|---|---|---|
| INSTITUTO NACIONAL DE CAJU | MASA | FINANCIADOR |
metadata.study_desc.production_statement.funding_agencies
| metadata.study_desc.production_statement.funding_agencies.name | metadata.study_desc.production_statement.funding_agencies.abbreviation | metadata.study_desc.production_statement.funding_agencies.role |
|---|---|---|
| INSTITUTO NACIONAL DE CAJU | INCAJU | FUNCIADOR |
Amostra
metadata.study_desc.method.data_collection.sampling_procedure
METODOLOGIA
A metodologia usada no presente trabalho foi desenvolvida por David Megill com colaboração de Domingos Diogo
(Megill, 2017)1
.
3.1 Base de amostragem e estratificação
O CAP II de 2010 foi usado como base de amostragem para seleccionar as Unidades Primárias de Amostragem
(UPAs) na primeira etapa de amostragem para o IECAJU. As áreas de enumeração (AEs) do Recenseamento Geral
da População e Habitação (RGPH) de 2007 foram definidas como UPAs para o CAP II. Estas UPAs foram
estratificadas por distrito dentro de cada província, e uma amostra de 3.501 UPAs for seleccionada para o CAP II.
Uma listagem de todos os agregados familares foi feita dentro de cada UPA seleccionada, e na segunda etapa
foram seleccionadas 10 pequenas explorações por UPA. Todas as médias explorações identificadas na listagem
foram seleccionadas com uma probabilidade de 1 na segunda etapa. Uma base especial foi elaborada para as
grandes explorações dentro de cada distrito, e todas estas explorações foram incluídas no CAP II.
Para estimar o número total de cajueiros e a produção total de caju, é importante incluir na amostra do IECAJU
todas as explorações com cajueiros consideradas grandes, as que possuem mais de 500 cajueiros, tendo sido
necessário gerar uma lista para cada distrito de todas as grandes explorações. Dado que o âmbito do IECAJU é
limitado a explorações com cajueiros, fez-se uma análise da distribuição de cajueiros na base do CAP II. Dado que
o número de cajueiros para as províncias de Niassa e Tete é relativamente baixo, decidiu-se excluir estas duas
províncias do âmbito do IECAJU.
Para o desenho da amostra também foi necessário definir o número mínimo de cajueiros por exploração para o
IECAJU. Usamos os dados do CAP II para examinar a distribuição das pequenas e médias explorações por número
de cajueiros. Esta distribuição está apresentada no Quadro 4. Pode-se ver neste quadro que 19% das explorações
com caju na amostra do CAP II só têm um ou dois cajueiros. Dado a produção mínima de caju nestas explorações,
foi decido de usar o critério mínimo de 3 cajueiros para considerar uma exploração elegível para o IECAJU. Apenas
9.5% do total das UPAs do CAP II possui 1 ou 2 cajueiros.
Para aumentar a eficiência da amostra do IECAJU, também foi importante estratificar as UPAs do CAP II por nível
de concentração de cajueiros em cada província. Primeiro foi feita a divisão das UPAs do CAP II com cajueiros
para cada província em 3 estratos: alto (25% de UPAs com mais cajueiros), médio (de 40 a 75%) e baixo (40% com
menos cajueiros). Segundo, foi feita a distribuição d as UPAs seleccionadas por estrato pelos factores 3-2-1. Neste
caso 50% das UPAs seriam seleccionadas no estrato alto, um terço no estrato médio, e um sexto no estrato
baixo. Exactamente metade da amostra correspondeu ao estrato alto, mas as proporções para os outros estratos
podem variar um pouco destas fracções. A base de amostragem final para o IECAJU inclui 2,183 UPAs do CAP II.
A distribuição destas UPAs por província e estrato está apresentada mais adiante no Quadro 2, que também inclui
a distribuição da amostra final.
Para propósito de estratificação das explorações por tamanho na listagem, definimos como pequenas explorações
aquelas que têm 100 ou menos cajueiros. Classificamos como médias explorações aquelas que possuem 101 a
1 Com a permissão de David Megill e Domingos Diogo o plano de amostragem foi aqui incluído.
7
500 cajueiros. Como indicamos antes, as grandes explorações seriam aquelas com mais de 500 cajueiros. Todas
as grandes explorações na base especial foram incluídas na amostra, com probabilidade de 1 na segunda etapa,
juntamente com as médias explorações.
3.2 Tamanho e distribuição da amostra
O tamanho da amostra para um inquérito particular é função da precisão requerida para as estimativas principais
para cada domínio, bem como pelas limitações operacionais e de recursos. A precisão dos resultados do inquérito
depende tanto do erro de amostragem, que pode ser medido por meio de estimativas de variâncias, e o erro não
amostral de outras fontes, como erros de resposta, medida, codificação e processamento. O erro de amostragem
é inversamente proporcional à raiz quadrada do tamanho da amostra. Por outro lado, o erro não amostral pode
aumentar com o tamanho da amostra, uma vez que é mais difícil de controlar a qualidade de uma operação
grande. Por isso, é importante que o tamanho da amostra seja manejável para fins de controle de qualidade e
operacional.
Dados os objectivos do IECAJU, os recursos disponíveis e considerações de qualidade dos dados, foi decidido
seleccionar uma amostra de 300 UPAs. Uma listagem de todos os agregados familiares dentro de cada UPA foi
feita para identificar todas as explorações que têm 3 ou mais cajueiros, classificadas como pequenas (com 100 ou
menos cajueiros) ou médias (com entre 101 e 500 cajueiros). Na segunda etapa 10 pequenas explorações foram
seleccionadas dentro de cada UPA, para uma amostra total de 3.000 pequenas explorações. O número total de
entrevistas vai depender do número de médias encontradas nas UPAs seleccionadas e o número de grandes
explorações na base separada.
Quadro 1 Distribuição da base de amostragem e a amostra de UPAs e pequenas explorações de caju por província para o IECAJU
Província
No. UPAS com
cajueiros no CAP II
No. ponderado
de explorações
com caju (CAP II)
Distribuição de
UPAs ajustado na
amostra do IECAJU
Amostra de pequenas
explorações de caju
para o IECAJU
Cabo Delgado 321 108,796 32 320
Nampula 576 412,202 56 560
Zambézia 442 305,057 48 480
Manica 81 29,862 28 280
Sofala 215 86,709 28 280
Inhambane 306 221,105 48 480
Gaza 209 133,546 36 360
Maputo Cidade e
Província 229 68,325 24 240
Moçambique 2,484 1,365,601 300 3,000
Para determinar a distribuição das UPAs na amostra por província, primeiro examinamos uma distribuição
proporcional a raiz quadrada do número de explorações com cajueiros em cada província, estimado dos dados do
CAP II. Esta distribuição aumenta o número de UPAs na amostra para as províncias menores e diminui um pouco
a amostra para as províncias maiores, comparado com uma distribuição proporcional correspondente. Em seguida
ajustamos o número de UPAs amostrais por província para ter uma amostra mínima de 24 UPAs para o estrato
8
combinado de Maputo Província e Maputo Cidade, e uma amostra máxima de 56 UPAs para Nampula. A
distribuição da base de amostragem e a amostra de UPAs por província está apresentada no Quadro 1.
Como indicado acima, as UPAs na base de amostragem do CAP II para cada província foram estratificadas por nível
de concentração de cajueiros. Definimos os seguintes estratos: alto (25% de UPAs com mais cajueiros na
província), médio (de 40 a 75%) e baixo (40% com menos cajueiros). Para cada província 50% das UPAs na amostra
foram atribuídas ao estrato alto, um terço das UPAs para o estrato médio e um sexto das UPAs para o estrato
baixo. Assim estamos concentrando a amostra nos estratos com mais cajueiros para melhorar a eficiência da
amostragem. O Quadro 2 apresenta a distribuição final das UPAs seleccionadas por estrato dentro de cada
província.
Quadro 2 Distribuição da base de amostragem do CAP II de UPAs de cajueiros e a amostra de UPAs do IECAJU por província e estrato de
concentração de cajueiros
Província Estrato
Nível de concentração
de cajueiros
UPAs na base do CAP
II
UPAs na amostra do
IECAJU
Cabo Delgado 21 Baixo 119 5
22 Médio 103 11
23 Alto 74 16
Nampula 31 Baixo 225 9
32 Médio 198 19
33 Alto 139 28
Zambézia 41 Baixo 157 8
42 Médio 133 16
43 Alto 96 24
Manica 61 Baixo 25 5
62 Médio 22 9
63 Alto 15 14
Sofala 71 Baixo 70 5
72 Médio 63 9
73 Alto 43 14
Inhambane 81 Baixo 122 8
82 Médio 107 16
83 Alto 76 24
Gaza 91 Baixo 78 6
92 Médio 69 12
93 Alto 48 18
Maputo
Província/Cidade
101 Baixo 83 4
102 Médio 68 8
103 Alto 50 12
Total 2.183 300
9
3.3 Selecção da amostra de UPAs para o IECAJU
Um código de estrato baixo, médio ou alto por província foi gerado para as 2.183 UPAs com cajueiros na base do
CAP II. A distribuição das UPAs por estrato está apresentada no Quadro 2. A base de amostragem foi ordenada
por província, estrato, distrito, posto administrativo, localidade, bairro e código de AE. Em seguida seleccionamos
a amostra de UPAs dentro de cada estrato usando amostragem aleatória sistemática com probabilidades iguais.
O número de UPAs seleccionado em cada estrato está especificado no Quadro 6
Uma listagem de todos os agregados familiares via ser feito dentro de cada UPA seleccionada para identificar as
explorações pequenas e médias com cajueiros. Uma amostra de 10 pequenas explorações vai ser seleccionada da
listagem usando amostragem aleatória sistemática. Todas a médias explorações identificadas na listagem de cada
UPA foram seleccionadas. No caso das grandes explorações, a base inteira para cada província foi incluída na
amostra do IECAJU.
A metodologia usada no presente trabalho foi desenvolvida por David Megill com colaboração de Domingos Diogo
(Megill, 2017)1
.
3.1 Base de amostragem e estratificação
O CAP II de 2010 foi usado como base de amostragem para seleccionar as Unidades Primárias de Amostragem
(UPAs) na primeira etapa de amostragem para o IECAJU. As áreas de enumeração (AEs) do Recenseamento Geral
da População e Habitação (RGPH) de 2007 foram definidas como UPAs para o CAP II. Estas UPAs foram
estratificadas por distrito dentro de cada província, e uma amostra de 3.501 UPAs for seleccionada para o CAP II.
Uma listagem de todos os agregados familares foi feita dentro de cada UPA seleccionada, e na segunda etapa
foram seleccionadas 10 pequenas explorações por UPA. Todas as médias explorações identificadas na listagem
foram seleccionadas com uma probabilidade de 1 na segunda etapa. Uma base especial foi elaborada para as
grandes explorações dentro de cada distrito, e todas estas explorações foram incluídas no CAP II.
Para estimar o número total de cajueiros e a produção total de caju, é importante incluir na amostra do IECAJU
todas as explorações com cajueiros consideradas grandes, as que possuem mais de 500 cajueiros, tendo sido
necessário gerar uma lista para cada distrito de todas as grandes explorações. Dado que o âmbito do IECAJU é
limitado a explorações com cajueiros, fez-se uma análise da distribuição de cajueiros na base do CAP II. Dado que
o número de cajueiros para as províncias de Niassa e Tete é relativamente baixo, decidiu-se excluir estas duas
províncias do âmbito do IECAJU.
Para o desenho da amostra também foi necessário definir o número mínimo de cajueiros por exploração para o
IECAJU. Usamos os dados do CAP II para examinar a distribuição das pequenas e médias explorações por número
de cajueiros. Esta distribuição está apresentada no Quadro 4. Pode-se ver neste quadro que 19% das explorações
com caju na amostra do CAP II só têm um ou dois cajueiros. Dado a produção mínima de caju nestas explorações,
foi decido de usar o critério mínimo de 3 cajueiros para considerar uma exploração elegível para o IECAJU. Apenas
9.5% do total das UPAs do CAP II possui 1 ou 2 cajueiros.
Para aumentar a eficiência da amostra do IECAJU, também foi importante estratificar as UPAs do CAP II por nível
de concentração de cajueiros em cada província. Primeiro foi feita a divisão das UPAs do CAP II com cajueiros
para cada província em 3 estratos: alto (25% de UPAs com mais cajueiros), médio (de 40 a 75%) e baixo (40% com
menos cajueiros). Segundo, foi feita a distribuição d as UPAs seleccionadas por estrato pelos factores 3-2-1. Neste
caso 50% das UPAs seriam seleccionadas no estrato alto, um terço no estrato médio, e um sexto no estrato
baixo. Exactamente metade da amostra correspondeu ao estrato alto, mas as proporções para os outros estratos
podem variar um pouco destas fracções. A base de amostragem final para o IECAJU inclui 2,183 UPAs do CAP II.
A distribuição destas UPAs por província e estrato está apresentada mais adiante no Quadro 2, que também inclui
a distribuição da amostra final.
Para propósito de estratificação das explorações por tamanho na listagem, definimos como pequenas explorações
aquelas que têm 100 ou menos cajueiros. Classificamos como médias explorações aquelas que possuem 101 a
1 Com a permissão de David Megill e Domingos Diogo o plano de amostragem foi aqui incluído.
7
500 cajueiros. Como indicamos antes, as grandes explorações seriam aquelas com mais de 500 cajueiros. Todas
as grandes explorações na base especial foram incluídas na amostra, com probabilidade de 1 na segunda etapa,
juntamente com as médias explorações.
3.2 Tamanho e distribuição da amostra
O tamanho da amostra para um inquérito particular é função da precisão requerida para as estimativas principais
para cada domínio, bem como pelas limitações operacionais e de recursos. A precisão dos resultados do inquérito
depende tanto do erro de amostragem, que pode ser medido por meio de estimativas de variâncias, e o erro não
amostral de outras fontes, como erros de resposta, medida, codificação e processamento. O erro de amostragem
é inversamente proporcional à raiz quadrada do tamanho da amostra. Por outro lado, o erro não amostral pode
aumentar com o tamanho da amostra, uma vez que é mais difícil de controlar a qualidade de uma operação
grande. Por isso, é importante que o tamanho da amostra seja manejável para fins de controle de qualidade e
operacional.
Dados os objectivos do IECAJU, os recursos disponíveis e considerações de qualidade dos dados, foi decidido
seleccionar uma amostra de 300 UPAs. Uma listagem de todos os agregados familiares dentro de cada UPA foi
feita para identificar todas as explorações que têm 3 ou mais cajueiros, classificadas como pequenas (com 100 ou
menos cajueiros) ou médias (com entre 101 e 500 cajueiros). Na segunda etapa 10 pequenas explorações foram
seleccionadas dentro de cada UPA, para uma amostra total de 3.000 pequenas explorações. O número total de
entrevistas vai depender do número de médias encontradas nas UPAs seleccionadas e o número de grandes
explorações na base separada.
Quadro 1 Distribuição da base de amostragem e a amostra de UPAs e pequenas explorações de caju por província para o IECAJU
Província
No. UPAS com
cajueiros no CAP II
No. ponderado
de explorações
com caju (CAP II)
Distribuição de
UPAs ajustado na
amostra do IECAJU
Amostra de pequenas
explorações de caju
para o IECAJU
Cabo Delgado 321 108,796 32 320
Nampula 576 412,202 56 560
Zambézia 442 305,057 48 480
Manica 81 29,862 28 280
Sofala 215 86,709 28 280
Inhambane 306 221,105 48 480
Gaza 209 133,546 36 360
Maputo Cidade e
Província 229 68,325 24 240
Moçambique 2,484 1,365,601 300 3,000
Para determinar a distribuição das UPAs na amostra por província, primeiro examinamos uma distribuição
proporcional a raiz quadrada do número de explorações com cajueiros em cada província, estimado dos dados do
CAP II. Esta distribuição aumenta o número de UPAs na amostra para as províncias menores e diminui um pouco
a amostra para as províncias maiores, comparado com uma distribuição proporcional correspondente. Em seguida
ajustamos o número de UPAs amostrais por província para ter uma amostra mínima de 24 UPAs para o estrato
8
combinado de Maputo Província e Maputo Cidade, e uma amostra máxima de 56 UPAs para Nampula. A
distribuição da base de amostragem e a amostra de UPAs por província está apresentada no Quadro 1.
Como indicado acima, as UPAs na base de amostragem do CAP II para cada província foram estratificadas por nível
de concentração de cajueiros. Definimos os seguintes estratos: alto (25% de UPAs com mais cajueiros na
província), médio (de 40 a 75%) e baixo (40% com menos cajueiros). Para cada província 50% das UPAs na amostra
foram atribuídas ao estrato alto, um terço das UPAs para o estrato médio e um sexto das UPAs para o estrato
baixo. Assim estamos concentrando a amostra nos estratos com mais cajueiros para melhorar a eficiência da
amostragem. O Quadro 2 apresenta a distribuição final das UPAs seleccionadas por estrato dentro de cada
província.
Quadro 2 Distribuição da base de amostragem do CAP II de UPAs de cajueiros e a amostra de UPAs do IECAJU por província e estrato de
concentração de cajueiros
Província Estrato
Nível de concentração
de cajueiros
UPAs na base do CAP
II
UPAs na amostra do
IECAJU
Cabo Delgado 21 Baixo 119 5
22 Médio 103 11
23 Alto 74 16
Nampula 31 Baixo 225 9
32 Médio 198 19
33 Alto 139 28
Zambézia 41 Baixo 157 8
42 Médio 133 16
43 Alto 96 24
Manica 61 Baixo 25 5
62 Médio 22 9
63 Alto 15 14
Sofala 71 Baixo 70 5
72 Médio 63 9
73 Alto 43 14
Inhambane 81 Baixo 122 8
82 Médio 107 16
83 Alto 76 24
Gaza 91 Baixo 78 6
92 Médio 69 12
93 Alto 48 18
Maputo
Província/Cidade
101 Baixo 83 4
102 Médio 68 8
103 Alto 50 12
Total 2.183 300
9
3.3 Selecção da amostra de UPAs para o IECAJU
Um código de estrato baixo, médio ou alto por província foi gerado para as 2.183 UPAs com cajueiros na base do
CAP II. A distribuição das UPAs por estrato está apresentada no Quadro 2. A base de amostragem foi ordenada
por província, estrato, distrito, posto administrativo, localidade, bairro e código de AE. Em seguida seleccionamos
a amostra de UPAs dentro de cada estrato usando amostragem aleatória sistemática com probabilidades iguais.
O número de UPAs seleccionado em cada estrato está especificado no Quadro 6
Uma listagem de todos os agregados familiares via ser feito dentro de cada UPA seleccionada para identificar as
explorações pequenas e médias com cajueiros. Uma amostra de 10 pequenas explorações vai ser seleccionada da
listagem usando amostragem aleatória sistemática. Todas a médias explorações identificadas na listagem de cada
UPA foram seleccionadas. No caso das grandes explorações, a base inteira para cada província foi incluída na
amostra do IECAJU.
metadata.study_desc.method.data_collection.weight
Cálculo de ponderadores para o IECAJU
Para que as estimativas da amostra de um inquérito sejam representativas da população, é necessário multiplicar
os dados por um ponderador. O ponderador básico para cada exploração com cajueiros na amostra seria igual ao
inverso da sua probabilidade de selecção (calculado multiplicando as probabilidades em cada etapa de
amostragem). Dado que os ponderadores serão diferentes para cada tipo de exploração (pequena, média e
grande), o cálculo dos ponderadores é especificado individualmente para cada tipo de exploração com cajueiros.
3.4.1 Ponderadores para as Pequenas Explorações
Dado que as UPAs para o IECAJU foram seleccionadas das UPAs na amostra do CAP II, o primeiro
componente da probabilidade seria a probabilidade de selecção da UPA no CAP II. O segundo
componente seria a probabilidade de selecção da subamostra de UPAs para o IECAJU dentro do estrato
de concentração de cajueiros. O terceiro componente seria a probabilidade de selecção das 10
pequenas explorações com cajueiros dentro de cada UPA. Então a probabilidade total poder ser
expressada da seguinte maneira:
,
M
m
n
n
p = p
hi p
hi p
CAPh
Ih
hi p CAPhi
( )
( )
( )
? ?
Onde:
phi(p) = probabilidade de selecção de pequenas explorações com cajueiros na i-éssima
UPA seleccionada no estrato h (província por estrato de concentração de
cajueiros) para o IECAJU
pCAPhi = probabilidade de selecção no CAP II da i-éssima UPA seleccionada no estrato h
10
nIh = número de UPAs seleccionadas no estrato h para o IECAJU
nCAPh = número de UPAs na base do CAP II para o estrato h
mhi(p) = número de pequenas explorações com cajueiros seleccionadas na i-éssima UPA
na amostra do estrato h
Mhi(p) = número de pequenas explorações com cajueiros listadas na i-éssima UPA na
amostra do estrato h
O ponderador básico de amostragem é calculado como o inverso da probabilidade de selecção.
Baseando-se na fórmula acima para a probabilidade, o ponderador básico para as pequenas explorações
com cajueiros pode ser simplificada da maneira seguinte:
,
p n m
n M
W =
CAPhi Ih hi p
CAPh hi p
hi p
( )
( )
( )
? ?
?
onde:
Whi(p) = ponderador básico para as pequenas explorações com cajueiros seleccionadas
na i-éssima UPA na amostra do estrato h
Também vai ser necessário ajustar o ponderador básico para tomar em conta a taixa de resposta das
pequenas explorações dentro de cada UPA. Neste caso o ponderador ajustado pode ser calculada da
seguinte maneira:
,
m
m
W =W
hi p
hi p
hi p hi p
( )
( )
( ) ( )
'
' ' ?
onde:
W’hi(p) =ponderador ajustado para as pequenas explorações com cajueiros seleccionadas
na i-éssima UPA na amostra do estrato h
m’hi(p) = número de pequenas explorações intrevistadas para o IECAJU na i-éssima UPA
na amostra do estrato h
3.4.2 Ponderadores para as Médias Explorações
11
Dado que todas as médias explorações listadas na UPA serão seleccionadas para o IECAJU, estas
explorações vão ter a mesma probabilidade de selecção da UPA, calculada usando a seguinte fórmula:
,
n
n
p = p
CAPh
Ih
hi m CAPhi ? ( )
Onde:
phi(m) = probabilidade de selecção de médias explorações com cajueiros na i-éssima
UPA seleccionada no estrato h
O ponderador básico para as médias explorações seria o inverso desta probabilidade de selecção:
,
p n
n
W =
CAPhi Ih
CAPh
hi m
?
( )
onde:
Whi(m) = ponderador básico para as médias explorações com cajueiros seleccionadas
na i-éssima UPA na amostra do estrato h
Também vai ser necessário ajustar o ponderador básico para tomar em conta a taixa de resposta das
médias explorações dentro de cada UPA. Neste caso o ponderador ajustado pode ser calculada da
seguinte maneira:
,
M
M
W =W
hi m
hi m
hi m hi m
( )
( )
( ) ( )
'
' ?
onde:
W’hi(m) = ponderador ajustado para as médias explorações com cajueiros seleccionadas
na i-éssima UPA na amostra do estrato h
Mhi(p) = número total de médias explorações com cajueiros listadas para o IECAJU na
i-éssima UPA na amostra do estrato h
M’hi(p) =número de médias explorações com cajueiros intrevistadas para o IECAJU na
i-éssima UPA na amostra do estrato h
3.4.3 Ponderadores para as Grandes Explorações
A base de amostragem de todas as grandes explorações de cajueiros em cada distrito deve ser mantida
para o IECAJU. Todas estas grandes explorações com cajueiros serão incluídas na amostra do IECAJU com
12
uma probabilidade igual a 1, isto é, todas as grandes explorações com cajueiros serão autorepresentadas. Portanto, o ponderador básico para estas grandes explorações com cajueiros será igual
a 1.
É importante ajustar o ponderador básico para tomar em conta as grandes explorações agrícolas não
inquiridas ou não contactadas dentro do distrito . O ponderador final Wd(g) para uma grande exploração
agrícola em cada distrito pode ser calculado usando a seguinte formula:
,
M
M W =
d(g)
d(g)
d(g)
'
'
onde:
W’d(g) = Ponderador ajustado para as grandes explorações com cajueiros no distrito d
Md(g) = Número total de grandes explorações com cajueiros na base de amostragem para o
distrito d
M’d(g) = Número total de grandes explorações com cajueiros com entrevista completa no
distrito d
Na listagem dentro da amostra de AEs para o IECAJU, é possível que sejam encontradas explorações com
cajueiros que atendam aos critérios de grandes explorações, mas que não aparecem na lista de grandes
explorações do distrito. É importante distinguir estas grandes explorações com cajueiros daquelas da
lista de grandes explorações previamente identificadas no distrito, dado que as probabilidades de
selecção serão diferentes. No caso de grandes explorações com cajueiros encontradas na listagem
dentro de cada AE (e que não aparecem na lista das grandes explorações do distrito), o ponderador será
o mesmo que aquele especificado acima para as médias explorações.
3.5 Ajuste de número de cajueiros e quantidade produzida
Algumas vezes os produtores podem não possuir com precisão o conhecimento do número de cajueiros que eles
têm. O IECAJU procedeu a contagem de cajueiros de algumas explorações para posteriormente comparar com o
que havia sido declarado, e a partir dai criar factores de ajustamento. Estes factores de ajustamento foram criados
com base no quociente entre o número de árvores contadas e o número de árvores declaradas.
Foram calculados os factores médios para cada província e posteriormente o número de cajueiros foi ajustado de
acordo com a localização da exploração. Os dados de Maputo Cidade foram agrupados na província de Maputo.
13
3.6 Avaliação da qualidade dos dados
A avaliação da qualidade dos dados foi feita mediante o cálculo dos coeficientes de variação incluídos como como
anexo (Anexo 2) ao presente estudo. Mais detalhes sobre o cálculo dos coeficientes de variação pode ser
encontrado no documento metodológico do presente estudo, escrito por David Megill (2018).
No geral, os resultados dos coeficientes de variação indicam que as estimativas dos vários indicadores são
satisfatórias ao nível nacional.
Para que as estimativas da amostra de um inquérito sejam representativas da população, é necessário multiplicar
os dados por um ponderador. O ponderador básico para cada exploração com cajueiros na amostra seria igual ao
inverso da sua probabilidade de selecção (calculado multiplicando as probabilidades em cada etapa de
amostragem). Dado que os ponderadores serão diferentes para cada tipo de exploração (pequena, média e
grande), o cálculo dos ponderadores é especificado individualmente para cada tipo de exploração com cajueiros.
3.4.1 Ponderadores para as Pequenas Explorações
Dado que as UPAs para o IECAJU foram seleccionadas das UPAs na amostra do CAP II, o primeiro
componente da probabilidade seria a probabilidade de selecção da UPA no CAP II. O segundo
componente seria a probabilidade de selecção da subamostra de UPAs para o IECAJU dentro do estrato
de concentração de cajueiros. O terceiro componente seria a probabilidade de selecção das 10
pequenas explorações com cajueiros dentro de cada UPA. Então a probabilidade total poder ser
expressada da seguinte maneira:
,
M
m
n
n
p = p
hi p
hi p
CAPh
Ih
hi p CAPhi
( )
( )
( )
? ?
Onde:
phi(p) = probabilidade de selecção de pequenas explorações com cajueiros na i-éssima
UPA seleccionada no estrato h (província por estrato de concentração de
cajueiros) para o IECAJU
pCAPhi = probabilidade de selecção no CAP II da i-éssima UPA seleccionada no estrato h
10
nIh = número de UPAs seleccionadas no estrato h para o IECAJU
nCAPh = número de UPAs na base do CAP II para o estrato h
mhi(p) = número de pequenas explorações com cajueiros seleccionadas na i-éssima UPA
na amostra do estrato h
Mhi(p) = número de pequenas explorações com cajueiros listadas na i-éssima UPA na
amostra do estrato h
O ponderador básico de amostragem é calculado como o inverso da probabilidade de selecção.
Baseando-se na fórmula acima para a probabilidade, o ponderador básico para as pequenas explorações
com cajueiros pode ser simplificada da maneira seguinte:
,
p n m
n M
W =
CAPhi Ih hi p
CAPh hi p
hi p
( )
( )
( )
? ?
?
onde:
Whi(p) = ponderador básico para as pequenas explorações com cajueiros seleccionadas
na i-éssima UPA na amostra do estrato h
Também vai ser necessário ajustar o ponderador básico para tomar em conta a taixa de resposta das
pequenas explorações dentro de cada UPA. Neste caso o ponderador ajustado pode ser calculada da
seguinte maneira:
,
m
m
W =W
hi p
hi p
hi p hi p
( )
( )
( ) ( )
'
' ' ?
onde:
W’hi(p) =ponderador ajustado para as pequenas explorações com cajueiros seleccionadas
na i-éssima UPA na amostra do estrato h
m’hi(p) = número de pequenas explorações intrevistadas para o IECAJU na i-éssima UPA
na amostra do estrato h
3.4.2 Ponderadores para as Médias Explorações
11
Dado que todas as médias explorações listadas na UPA serão seleccionadas para o IECAJU, estas
explorações vão ter a mesma probabilidade de selecção da UPA, calculada usando a seguinte fórmula:
,
n
n
p = p
CAPh
Ih
hi m CAPhi ? ( )
Onde:
phi(m) = probabilidade de selecção de médias explorações com cajueiros na i-éssima
UPA seleccionada no estrato h
O ponderador básico para as médias explorações seria o inverso desta probabilidade de selecção:
,
p n
n
W =
CAPhi Ih
CAPh
hi m
?
( )
onde:
Whi(m) = ponderador básico para as médias explorações com cajueiros seleccionadas
na i-éssima UPA na amostra do estrato h
Também vai ser necessário ajustar o ponderador básico para tomar em conta a taixa de resposta das
médias explorações dentro de cada UPA. Neste caso o ponderador ajustado pode ser calculada da
seguinte maneira:
,
M
M
W =W
hi m
hi m
hi m hi m
( )
( )
( ) ( )
'
' ?
onde:
W’hi(m) = ponderador ajustado para as médias explorações com cajueiros seleccionadas
na i-éssima UPA na amostra do estrato h
Mhi(p) = número total de médias explorações com cajueiros listadas para o IECAJU na
i-éssima UPA na amostra do estrato h
M’hi(p) =número de médias explorações com cajueiros intrevistadas para o IECAJU na
i-éssima UPA na amostra do estrato h
3.4.3 Ponderadores para as Grandes Explorações
A base de amostragem de todas as grandes explorações de cajueiros em cada distrito deve ser mantida
para o IECAJU. Todas estas grandes explorações com cajueiros serão incluídas na amostra do IECAJU com
12
uma probabilidade igual a 1, isto é, todas as grandes explorações com cajueiros serão autorepresentadas. Portanto, o ponderador básico para estas grandes explorações com cajueiros será igual
a 1.
É importante ajustar o ponderador básico para tomar em conta as grandes explorações agrícolas não
inquiridas ou não contactadas dentro do distrito . O ponderador final Wd(g) para uma grande exploração
agrícola em cada distrito pode ser calculado usando a seguinte formula:
,
M
M W =
d(g)
d(g)
d(g)
'
'
onde:
W’d(g) = Ponderador ajustado para as grandes explorações com cajueiros no distrito d
Md(g) = Número total de grandes explorações com cajueiros na base de amostragem para o
distrito d
M’d(g) = Número total de grandes explorações com cajueiros com entrevista completa no
distrito d
Na listagem dentro da amostra de AEs para o IECAJU, é possível que sejam encontradas explorações com
cajueiros que atendam aos critérios de grandes explorações, mas que não aparecem na lista de grandes
explorações do distrito. É importante distinguir estas grandes explorações com cajueiros daquelas da
lista de grandes explorações previamente identificadas no distrito, dado que as probabilidades de
selecção serão diferentes. No caso de grandes explorações com cajueiros encontradas na listagem
dentro de cada AE (e que não aparecem na lista das grandes explorações do distrito), o ponderador será
o mesmo que aquele especificado acima para as médias explorações.
3.5 Ajuste de número de cajueiros e quantidade produzida
Algumas vezes os produtores podem não possuir com precisão o conhecimento do número de cajueiros que eles
têm. O IECAJU procedeu a contagem de cajueiros de algumas explorações para posteriormente comparar com o
que havia sido declarado, e a partir dai criar factores de ajustamento. Estes factores de ajustamento foram criados
com base no quociente entre o número de árvores contadas e o número de árvores declaradas.
Foram calculados os factores médios para cada província e posteriormente o número de cajueiros foi ajustado de
acordo com a localização da exploração. Os dados de Maputo Cidade foram agrupados na província de Maputo.
13
3.6 Avaliação da qualidade dos dados
A avaliação da qualidade dos dados foi feita mediante o cálculo dos coeficientes de variação incluídos como como
anexo (Anexo 2) ao presente estudo. Mais detalhes sobre o cálculo dos coeficientes de variação pode ser
encontrado no documento metodológico do presente estudo, escrito por David Megill (2018).
No geral, os resultados dos coeficientes de variação indicam que as estimativas dos vários indicadores são
satisfatórias ao nível nacional.
Recolha de Dados
metadata.study_desc.study_info.coll_dates
| metadata.study_desc.study_info.coll_dates.start | metadata.study_desc.study_info.coll_dates.end |
|---|---|
| 2016-02 | 2017 |
metadata.study_desc.method.data_collection.coll_mode
MANUIAS
Manual do Inquiridor
Manual de Listagem
Manual do Digitador
Manual do Controlador
Outros Documentos:
Tabela de Seleção aleatória
Ficha de Listagem de AF´s na UPA
Ficha de Seleção das Pequenas Explorações
Ficha de Seleção das Médias Explorações
Lista das Grandes Explorações dentro das UPAs
Programa Geral do Curso de Formação dos Inquiridores
QUESTIONARIOS
Grandes Exploracoes
Pequenas e Medias Exploracoes
Digitação no Campo com Lap Tops
Manual do Inquiridor
Manual de Listagem
Manual do Digitador
Manual do Controlador
Outros Documentos:
Tabela de Seleção aleatória
Ficha de Listagem de AF´s na UPA
Ficha de Seleção das Pequenas Explorações
Ficha de Seleção das Médias Explorações
Lista das Grandes Explorações dentro das UPAs
Programa Geral do Curso de Formação dos Inquiridores
QUESTIONARIOS
Grandes Exploracoes
Pequenas e Medias Exploracoes
Digitação no Campo com Lap Tops
metadata_production
metadata.doc_desc.idno
IECAJU2017
metadata.doc_desc.producers
| metadata.doc_desc.producers.name | metadata.doc_desc.producers.abbreviation | metadata.doc_desc.producers.affiliation | metadata.doc_desc.producers.role |
|---|---|---|---|
| INSTITUTO NACIONAL DE CAJU | INCAJU | MASA | FINANCIADOR |