خلاصة:
در بسیاری از نظام های آماری، نوعی از آمارگیری موسوم به آمارگیری در طول زمان متداول است که به شکلی مستمر در دوره های زمانی تکرار می شود. یکی از روش های آمارگیری در طول زمان، آمارگیری پانلی نام دارد. در این روش، به نمونه ای ثابت در دوره های زمانی مختلف مراجعه می شود. مهمترین چالش در یک آمارگیری پانلی، ناتوانی در به دست آوردن پاسخ از واحدهای نمونه ای و به وجود آمدن بی پاسخی است که معمولا باعث اریبی و در برخی موارد منجر به افزایش واریانس براوردها می شود. در آمارگیری های پانلی علاوه بر بی پاسخی قلم اطلاعاتی، بی پاسخی دوره نیز وجود دارد. در این نوع بی پاسخی، واحد نمونه ای حد اقل برای یک دوره ی آمارگیری پاسخ گو است. حالت خاصی از بی پاسخی دوره، کاهش پاسخ گو است که در این حالت واحد نمونه ای از دوره ای به بعد از مطالعه خارج شده و هرگز به مطالعه باز نمی گردد. یکی از روش های کاهش اثرهای نامطلوب بی پاسخی، وزن دهی است. از جمله ی این روش ها، براوردگر کالبیده می باشد. در این مقاله پس از معرفی مفهوم های اولیه ی آمارگیری پانلی، انواع گم شدگی در آمارگیری های پانلی و ساختارهای گم شدگی، روش براوردگر کالبیده به عنوان روشی برای وزن دهی داده های گم شده معرفی می شود. سپس با استفاده از داده های طرح آمارگیری پانلی خانواری انگلستان، روش براوردگر کالبیده با روش براوردگر رگرسیونی تعمیم یافته از نظر معیارهای قدر مطلق اریبی نسبی، میانگین توان دوم خطا و کارایی نسبی مجانبی مقایسه می شوند. یافته های این مطالعه نشان می دهند که وقتی همبستگی بین دو دوره بالا بوده و ساختار گم شدگی تصادفی است، روش براوردگر کالبیده نسبت به سایر روش ها عمل کرد بهتری دارد.
In many statistical systems، a type of survey called “sampling over time” is common، which repeats continuously over time. One method of sampling over time is panel survey. Panel survey is a method in which a “fixed sample” is contacted during different waves. The most important challenge in a panel survey is debility in providing response from some sample units and having non-response that usually causes bias or in some cases leads to increasing variance of estimates. In addition to item nonresponse، in panel surveys، also there is another type of nonresponse called “wave nonresponse”. Wave nonresponse occurs when one or more waves of panel data are missing for a unit that has provided data for at least one wave. A particular aspect of wave nonresponse is attrition in which sampling unit is excluded from the survey. Weighting is a method of reducing undesirable effects of a wave nonresponse. Calibration estimator is one of the weighting methods. In this article after introducing primary concepts of panel survey، types of missingness in panel surveys and missing mechanisms، calibration estimators is introduced as a method of weighting missing data. Then by using of British Household Panel Survey data، calibration estimator method is compared with generalized regression estimator with respect to different criteria such as absolute relative bias، mean square error and estimated asymptotic relative efficiency. The findings of the study show that when correlation between two waves is high and missing mechanism is at random، calibration estimator method has better performance than some other methods.
ملخص الجهاز:
سپس با استفاده از دادههای طرح آمارگیری پانلی خانواری انگلستان،روش براوردگر کالبیده با روش براوردگر رگرسیونی تعمیم یافته از نظر معیارهای قدر مطلق اریبی نسبی،میانگین توان دوم خطا و کارایی نسبی مجانبی مقایسه میشوند.
2-5-معیارهای مقایسه 1-2-5-قدر مطلق اریبی نسبی )saiB evitaleR etulosbA( برای براورد قدر مطلق اریبی نسبی عمل نمونهگیری در دور دوم آمارگیری برای حالتهای مورد نظر(با استفاده از نرمافزار R )به تعداد 1000 بار اجرا میشود،(با همبستگیها و اندازههای مورد نظر)،سپس نرخهای بیپاسخی روی آن اعمال شده و با استفاده از روشهای وزندهی مذکور اثر بیپاسخی تعدیل شده و نرخ و اریبی آن به صورت زیر براورد میشود: (به تصویر صفحه مراجعه شود) که در آن؟؟است.
3-5-یافتههای مطالعه پس از محاسبهی براورد قدر مطلق اریبی نسبی،مشخص میشود که براورد قدر مطلق اریبی نسبی براورد نرخ بیکاری در دور دوم آمارگیری در روش براورد کالبیدن کمتر از (به تصویر صفحه مراجعه شود) براورد قدر مطلق اریبی نسبی روش براورد رگرسیونی تعمیم یافته است.
(به تصویر صفحه مراجعه شود) (به تصویر صفحه مراجعه شود) 6-خلاصه با مطالعهی شبیهسازی انجام شده،نتایج زیر حاصل میشود: بر اساس معیارهای مقایسه میتوان گفت:استفاده از روش کالبیدن برای دادههای پانلی و براورد نرخ بیکاری و کاهش اثرهای نامطلوب بیپاسخی دوره با گمشدگی تصادفی(به جز در حالت 7/0-p،1/0-rn،001،005-n )نسبت به روش براورد رگرسیونی تعمیم یافته،عملکرد بهتری دارد.
از آنجا که همواره براورد قدر مطلق اریبی نسبی روش کالبیدن(به جز موردهای اشاره شده در جدول 1)،کمتر از روش GERG است،بنا بر این استفاده از براوردگر کالبیده در حضور نرخ بیپاسخی کم و همبستگی قوی بین دورهها و اندازهی نمونهای زیاد،عملکرد خوبی برای براورد نرخ در آمارگیریهای پانلی دارد.