en وزن‌دهی کالبیده برای جبران مقادیر کرانگین، بی‌پاسخی و ناپوشانش در طرح نیروی کار 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 S&auml;rndal (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 ...&nbsp;<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