Súlyok számolása (raking, peremeloszlások)

Röviden

A mintában gyakran mások az arányok, mint a sokaságban (túl sok nő, túl sok fiatal). Ha néhány változóra ismered a sokaság eloszlását (például népszámlálásból), a raking olyan súlyokat számol, amelyek a mintát ezekhez a peremekhez igazítják. Az út neve „Súlyok számolása (raking)”, és az „Esetsúly” párbeszédablakban van (az „Adatok” oldalon). Az eredmény egy új oszlop; utána megválaszolod az „Egyenként húzták a személyeket?” kérdést, és az oszlop mintavételi súlynak számít.

Így működik

Válassz változókat: 1-5 oszlop 2-50 csoporttal (például nem, korcsoport).
Add meg a sokaság eloszlását változónként, számokként vagy arányokként (semmi sincs előre beállítva; „A minta eloszlásának beszúrása” gomb csak kiindulópont a módosításhoz). Minden peremet a saját összegével osztunk, a kerekítési hibák nem ártanak.
Kezdősúlyt is választhatsz egy oszlopból (például tervezési súlyt). Egy már beállított esetsúlyt a program nem használ automatikusan.
„Súlyok számolása”. Megjelenik az iterációk száma, egy perem legnagyobb eltérése, a Kish szerinti hatékony mintaelemszám, a tervezési hatás (design effect), a legkisebb és a legnagyobb súly, valamint egy kész mondat a jelentéshez.
Válaszolj az „Egyenként húzták a személyeket?” kérdésre, és válaszd az „Az oszlop létrehozása és beállítása mintavételi súlynak” lehetőséget.

Hogyan számol a Statable

Iteratív arányos illesztés (Deming és Stephan 1940): minden változóra sorra minden súlyt megszoroz a cél / a kategória aktuális összege hányadossal, amíg egyik perem sem tér el a céltól (relatívan) 1e-10-nél többel, legfeljebb 1000 iterációig. Ezután a súlyokat úgy skálázza, hogy összegük a súlyozott esetek számával egyezzen (átlag 1); ez sem az átlagokat, sem az arányokat, sem a Kish-értéket nem változtatja.
A számítás magában a Statable-ben van megírva, és egyezik a survey (rake), mipfp és anesrake R-csomagokkal (a súlyok 1e-7 vagy jobb pontossággal; példa apisrs 200 iskolával: 10 iteráció, hatékony mintaelemszám 199,8).
A súlyok nincsenek csonkolva. Ha a legnagyobb és a legkisebb súly aránya 5 fölött van, megjegyzés jelenik meg: az egyes esetek ilyenkor nagyon erősen számítanak.

Ahol a Statable szigorúbb, mint a survey::rake

A survey::rake három esetben jelent sikert, pedig a peremek nem egyeznek. (a) Arányokkal mint peremekkel az alapértelmezés egy iteráció után megáll (perem ,4866 a ,49 helyett), mert az „1 személynél kisebb változás” feltétel teljesül. (b) Összeegyeztethetetlen peremeknél (A csak x-szel, B csak y-nal; A 50%-ot kér, x 30%-ot) nincs üzenet; az A perem 30 lesz 50 helyett. (c) Eltérő peremösszegeknél (1000 szemben 1100) csendben az utolsóhoz igazít. A Statable relatív határral számol, és a futás után ellenőrzi az összes peremet: ha nem egyeznek, nincs oszlop, hanem ez a mondat jelenik meg: „A peremeloszlások nem egyeznek egymással”.
Ha egy perembeli kategóriának nincs esete a mintában, ha egy kategóriának van esete, de nincs pereme, vagy ha egy olyan kategória pereme 0, amelynek van esete, a számítás egy mondattal leáll; semmi sem marad ki szó nélkül. Azok az esetek, amelyeknél valamelyik változó értéke hiányzik, nem kapnak súlyt (üresek); a számukat kiírja. Ha a peremek összegei több mint 1%-kal különböznek, megjegyzés jelenik meg.

Csapdák

A raking csak a megadott peremeket javítja; ami ezektől függ, torzított marad. Az apisrs példában az iskolák átlagos pontszáma súlyozatlanul 656,6, rakinggel 657,8, a sokaságban 664,7.
A raking csak a peremeket igazítja. Ha ismered az együttes eloszlást (a cellákat), a minden cellát használó utólagos rétegzés (poststratification) pontosabb (példa: 657,0).
A szélsőséges súlyok pontosságba kerülnek: a Kish szerinti hatékony mintaelemszám csökken, a tervezési hatás nő.
A peremek forrását (népszámlálás, hivatal, év) a jelentésben fel kell tüntetni.
Az eredmény mintavételi súly, soha nem gyakoriság: a sorok számaként a próbákat képtelenül élessé tenné.
Standard hibák: a Statable ilyenkor a raking-súlyokat rögzített számként kezeli. Ez kissé nagyobb, nem kisebb standard hibákat ad (példa apisrs: 9,37; egy újra rakingelt replikációs tervvel 9,08; raking nélkül 9,40).

A súlyokat iteratív arányos illesztéssel (raking) igazítottuk az iskolatípus és az iskolaszintű program peremeloszlásaihoz (10 iteráció; a peremek 0,0001 személynél kisebb eltéréssel egyeznek). A hatékony mintaelemszám (Kish) 199,8 a 200 esetből.