Methods Used in Reduction of Bias Arising from Non response (Series C)
Journal Name:
- Çankaya University Journal of Arts and Sciences
Key Words:
Keywords (Original Language):
| Author Name | University of Author | Faculty of Author |
|---|---|---|
Abstract (2. Language):
Various types of survey errors, especially nonresponse errors, may seriously deteriorate data quality. Nonresponse has more one reason to worry about its harmful effects on the survey estimates. So, nonresponse and methods dealing with nonresponse have increasingly become a standard part of survey sampling. A nonresponse occurs in a survey when, for any reason, a selected unit does not respond. The usual methods of estimation in the presence of nonresponse give biased results. Because of this special estimation techniques are required to deal with the problem. Imputation and reweighting are two standard methods provided by the literature for treating nonresponse. In the recent years, scientist became increased to concern with the calibration approach to reweigthing method in the presence of nonresponse. The calibration approach generates the final weights which are as close as possible to specified design weights, while respecting known auxiliary population totals or unbiased estimates of these totals. This calibration procedure requires the formulation of a suitable auxiliary vector, through a selection from a possible larger set of auxiliary variables.
In this study standard methods for the reduction of bias and errors arising from nonresponse are explained. The calibration approach is examined as theoretically and simulation is performed by macro generated in C++ programming language to study how alternative specifications of the auxiliary vector affect the quality of estimators derived by the calibration technique. In the application, the calibration estimators and quality measures such as relative bias, variance are computed and interpreted for the population total.
Bookmark/Search this post with
Abstract (Original Language):
Anket araştırmalarında karşılaşılan çeşitli problemlerden biri olan yanıtlamama hatası veri kalitesini ciddi şekilde bozmaktadır. Yanıtlamama, anket araştırmalarından elde edilecek tahminler üzerindeki tehlikeli etkilerinden dolayı kaygı duyulan bir durumdur. Bu nedenle yanıtlamama sorununu giderecek yöntemler örneklemenin standart bir bölümünü oluşturmaktadır. Yanıtlamamanın varlığı durumunda ideal koşullar için kullanılan tahmin yöntemleri yanlı sonuçlar vermektedir. Bu sorunun üstesinden gelmek için özel tahmin tekniklerinin kullanılması gerekmektedir. Yerine Atama (ikame) ve Yeniden Ağırlıklandırma yanıtlamama sorunu ile karşılaşıldığında kullanılan ve literatürde de belirtilen iki standart yöntemdir. Son yıllarda, bilim adamları, yanıtlamamanın varlığında, yeniden ağırlıklandırma yönteminde kalibrasyon yaklaşımını daha sık kullanmaktadırlar. Çünkü yardımcı bilginin etkin kullanımında kalibrasyon uyarlanabilir bir yaklaşımdır. Kalibrasyon yaklaşımı, yardımcı bilgi kitle toplamını veya yansız tahminin bilinmesini gerektirirken, tasarım ağırlıklarına olabildiğince yakın olması gereken son ağırlıkları yaratır. Kalibrasyon yöntemi, olası yardımcı değişken kümesinden seçim ile oluşturulan uygun yardımcı değişken vektörünün formulasyonunu gerektirir.
Bu çalışmada, yanıtlamamadan kaynaklanan yanlılığın ve hataların azaltılabilmesi için kullanılan yöntemler tanıtılmıştır. Bu yöntemlerden biri olan Kalibrasyon yaklaşımı teorik olarak incelenmiştir. Yardımcı değişken vektörünün değişik durumlarının kalibrasyon tekniği ile hesaplanan tahmin edicilerin kalitesini nasıl etkilediğini görebilmek amacıyla C++ programlama dili kullanılarak bir benzetim çalışması yapılmıştır. Uygulamada kitle toplamı için kalibrasyon tahminleri, göreli yanlılıklar, varyanslar hesaplanarak yorumlanmıştır.
FULL TEXT (PDF):
- 1
33-51