Journal of Statistical Research of Iran
مجلهی پژوهشهای آماری ایران
JSRI
Basic Sciences
http://jsri.srtc.ac.ir
1
admin
2538-5771
2538-5763
8
10.52547/jsri
14
8888
13
en
jalali
1386
6
1
gregorian
2007
9
1
4
1
online
1
fulltext
en
وزندهی کالبیده برای جبران مقادیر کرانگین، بیپاسخی و ناپوشانش در طرح نیروی کار
Calibration Weighting to Compensate for Extreme Values, Non-response and Non-coverage in Labor Force Survey
عمومى
General
پژوهشي
Research
<p dir="RTL" style="text-align: justify;">استفاده از متغیرهای کمکی مناسب در محاسبهی براوردهای موزون میتواند کارایی این براوردها را بهبود بخشد. این نوع براوردها بهمنظور جبران اثر احتمالهای انتخاب نابرابر، بیپاسخی، ناپوشانش، یا نوسانهای حاصل از نمونهگیری حول مقادیر معلوم جامعه به کار میروند. سادهترین براوردگرهایی که از اطلاعات کمکی استفاده میکنند براوردگرهای رگرسیونی و نسبتی هستند. دویل و سارندال (۱۹۹۲) نشان دادند که براوردگر رگرسیونی را میتوان به شکل یک براوردگر موزون به دست آورد که وزنهای آن با مینیمم کردن یک تابع فاصله و به شرط برقراری یک سلسله معادلات کالبیده به دست آمدهاند. بهطور کلّی وزنهایی را که به این شکل محاسبه میشوند، وزنهای کالبیده، و براوردگرهای حاصل را براوردگرهای کالبیده گویند. در این مقاله ضمن معرفی صورت عام براوردگرهای کالبیده، حالتهای خاصی از این براوردگرها که حاصل بهکارگیری تابعهای فاصلهی متفاوت است نیز مورد بررسی قرار میگیرد. سپس با استفاده از دادههای طرح نیروی کار، براورد نرخ بیکاری توسط نظامهای مختلف وزندهی محاسبه شده، دقت و بار محاسباتی این روشهای براورد نقطهای با یکدیگر مقایسه میشوند.</p>
<p dir="RTL" style="text-align: justify;"></p>
<p dir="RTL" style="text-align: justify;"></p>
<p dir="RTL" style="text-align: justify;"></p>
<p dir="RTL" style="text-align: justify;"></p>
<p dir="RTL" style="text-align: justify;"></p>
<table align="left" cellpadding="0" cellspacing="0">
<tbody>
<tr>
<td height="5" style="text-align: justify;"></td>
</tr>
<tr>
<td style="text-align: justify;"></td>
<td height="28"></td>
</tr>
</tbody>
</table>
<p></p>
<p dir="RTL"></p>
<p><span style="line-height: 1.6em;">Frame imperfection, non-response and unequal selection probabilities always affect survey results. In order to compensate for the effects of these problems</span><span dir="RTL" style="line-height: 1.6em;">, </span><span style="line-height: 1.6em;">Devill and Särndal (1992) introduced a family of estimators called calibration estimators. In these estimators we look for weights that have minimum distance with design weights based on a distance function and satisfy calibration equations</span><span dir="RTL" style="line-height: 1.6em;">.</span></p>
<p>In this paper after introducing generalized regression estimator, we explain general form of calibration estimators. Then special cases of calibration estimators due to using different distance functions<span dir="RTL">,</span> practical aspects and results of comparing the methods are ... <span dir="RTL">[<a href="./files/site1/files/Abs_bidarbakht(1).pdf">To continue please click here</a>]</span></p>
وزنهای طرح, بیشپوشانش, کمپوشانش, بیپاسخی, روشهای وزندهی, آمارگیری نیروی کار.
1
14
http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-147&slc_lang=en&sid=1
Arman
Bidarbakht-nia
آرمان
بیداربختنیا
bidar_a@yahoo.com
1003194753284600534
1003194753284600534
Yes
reza
Navvabpour
رضا
نوابپور
h.navvabpour@srtc.ac.ir
1003194753284600535
1003194753284600535
No