Published: Apr 24, 2026 by Thiago Meireles

Comparação de Análise de Pesquisa: R vs Python

Este guia demonstra como replicar uma análise de amostra complexa utilizando os pacotes survey (R) e svy (Python), garantindo a consistência das estimativas e erros padrão.

Este repositório no GitHub contém todo o material para replicação.

Download dos Dados: Os microdados utilizados nesta análise podem ser obtidos diretamente aqui: TIC Domicílios 2025 (SAV).

1. Contexto dos Dados

Utilizamos os microdados da pesquisa TIC Domicílios 2025. Esta pesquisa, realizada anualmente desde 2005, é uma referência internacional para o monitoramento da inclusão digital no Brasil, seguindo padrões metodológicos da UIT e da UNESCO.

Nesta análise, focamos em dois indicadores principais:

• A1: Domicílios com computador, desagregado por REGIÃO (Sudeste, Nordeste, Sul, Norte, Centro-Oeste).
• A4: Domicílios com acesso à internet, desagregado por AREA (Urbana/Rural).

Rótulos e Códigos:

• AREA: 1 = Urbana, 2 = Rural
• REGIÃO: 1 = Sudeste, 2 = Nordeste, 3 = Sul, 4 = Norte, 5 = Centro-Oeste
• A1/A4: 1 = Sim, 0 = Não

2. Implementação em R (survey)

# Setup e Leitura
pacman::p_load(survey, haven, here, janitor)
path_dados <- here::here("02_dados", "tic_domicilios_2025_domicilios_base_de_microdados_v1.0.sav")

dados_dom <- haven::read_sav(path_dados) |> 
  janitor::clean_names() |> 
  dplyr::mutate(dplyr::across(dplyr::any_of(c("a4", "area")), as.integer))

# Desenho Amostral
design_dom <- survey::svrepdesign(
  weights = ~peso, 
  repweights = "rep[0-9]+", 
  scale = 0.0065365334145709, # Versão 1: Canty-Davison
  # scale = 0.0050251256,    # Versão 2: Rao-Wu
  data = dados_dom, 
  combined.weights = TRUE
)

# Estimativa para o indicador A4
estimativa_r <- survey::svyby(
  formula = ~as.factor(a4), 
  by = ~area, 
  design = design_dom, 
  FUN = survey::svymean
)

3. Implementação em Python (svy)

import svy
import polars as pl
import os
import math

# Leitura e Tratamento
path_sav = os.path.join("02_dados", "cetic", "tic_domicilios_2025_domicilios_base_de_microdados_v1.0.sav")
dados_dom = svy.io.read_sav(path_sav).with_columns([
    pl.col("A4").cast(pl.Int32),
    pl.col("AREA").cast(pl.Int32)
])

scale = 0.0065365334145709  # Escala do produtor (CETIC)
R = 200  # Número de réplicas

# Desenho Amostral
rep_weights_config = svy.RepWeights(method="bootstrap", prefix="REP", n_reps=R)
smp_design = svy.Design(wgt="PESO", rep_wgts=rep_weights_config)
sample = svy.Sample(data=dados_dom, design=smp_design)

# Estimativa
estimativa_py = sample.estimation.prop("A4", by="AREA", method="replication")

# Ajuste do SE para corresponder ao R
estimativa_py_df = estimativa_py.to_polars().with_columns(
    se_r=pl.col("se") * math.sqrt(scale * R)
)

4. Resultados Obtidos (Indicador A4: Domicílios com Acesso à Internet por Área)

Abaixo apresentamos as estimativas de acesso à internet nos domicílios brasileiros em 2025, comparando o Python (svy) com as duas abordagens de escala do R (survey).

4.1 Comparação: Versão 1 (Canty-Davison) vs Python

Nesta seção, o R utiliza o método de Canty-Davison.

4.2 Comparação: Versão 2 (Rao-Wu) vs Python

Nesta seção, o R utiliza o método de Rao-Wu.

5. Resultados Obtidos (Indicador A1: Domicílios com Computador por Região)

Seguindo a mesma lógica do Indicador A4, apresentamos os resultados para o Indicador A1, agora desagregado por Região.

Nota Técnica sobre Metodologia: É importante destacar que os resultados oficiais da TIC Domicílios publicados pelo Cetic.br utilizam o método de bootstrap Canty-Davison para o cálculo de variância. Em contrapartida, o pacote Python svy utiliza o método Rao-Wu. Para as comparações abaixo, ambas as versões foram calculadas em R e inseridas manualmente para validar a implementação do Python frente ao padrão Rao-Wu.

Comparação A1: Versão 1 (Canty-Davison) vs Python (por Região)

Nesta comparação, os resultados do R refletem a metodologia oficial (Canty-Davison).

Comparação A1: Versão 2 (Rao-Wu) vs Python (por Região)

Nesta comparação, o R é ajustado para usar a escala Rao-Wu, igualando a lógica interna da biblioteca svy.

Erros Padrão (SE) e Ajustes de Escala

Nesta análise, exploramos abordagens de escala para o Bootstrap baseadas nos métodos de Canty-Davison e Rao-Wu. Destacamos que:

• TIC Domicílios (Oficial): Utiliza o método bootstrap Canty-Davison, com uma escala específica do produtor = 0.0065365334145709.
• Python (biblioteca svy): Utiliza o método bootstrap Rao-Wu (escala = 1/R) internamente.
• R (pacote survey): O padrão é Canty-Davison (escala = 1/(R-1)), mas permite alternar via parâmetro scale.

A diferença nos Erros Padrão (SE) se deve inteiramente à convenção de escala do bootstrap. Duas formas de alinhá-los:

1. Para reproduzir os SEs do svy no R, passe scale = 1/R para svrepdesign (onde R é o número de réplicas).
2. Para reproduzir os SEs do R (com qualquer escala c) a partir da saída do svy, multiplique os SEs do svy por math.sqrt(c * R).

Para garantir uma comparação justa, calculamos ambas as versões no R e as inserimos manualmente nestas tabelas. Embora as estimativas pontuais sejam idênticas em todas as ferramentas, os erros padrão no Python alinham-se com a implementação Rao-Wu.

6. Conclusão

A migração de pipelines de análise de R para Python utilizando a biblioteca svy mantém a precisão necessária para estatísticas oriundas de dados amostrais complexos, permitindo aproveitar a velocidade do Polars e a integração do ecossistema Python.