چکیده:
از افرادی باشند که جانشین آنان شدهاند و در نتیجه ممکن است نتایج آمارگیری اریب شوند.در این مقاله،مروری بر استفاده از روش جانشینسازی،انتقادات وارد بر آن و پیشنهادهای استفاده صحیح از این روش بهگونهای که حتی در حالت گمشدگی(بیپاسخی)غیر قابل چشمپوشی نیز مفید باشد،آورده شده است.
خلاصه ماشینی:
"روبین و زانوتو[03]روش جدیدی معرفی کردهاند که جانشینهای جورشده بهگونهای انتخاب میشوند که تا آنجا که ممکن است مشابه افراد اولیه باشند و امکان استفاده از جانهی چندگانه برای جانهی دادههای گمشده فراهم آید.
2-روشهای جانشینی برای تعدیل بیپاسخی واحدهای جانشین آمارگیری که جانشینهای میدانی نیز نامیده میشوند([6]و[73]) واحدهای پاسخگوی اضافیاند که یا بهصورت تصادفی برحسب یک طرح نمونهگیری احتمالاتی(که معمولا طرح نمونهگیری اولیه است)انتخاب میشوند یا طوری انتخاب میشوند که با پاسخگویان اولیه در یک یا چند مشخصه جور باشند.
روبین و زانوتو[03]بهجای روش معمول در استفاده از جانشین برای جانشینی بیپاسخها،آنها را با توجه به اطلاعات موجود در مورد پاسخگویان و متغیرهای کمکی که بای هر دوی بیپاسخها و جانشینها موجود است(مدلبندی متغیرهای کمکی) استفاده کردندتا مدلی برای جانهی چندگانه بیپاسخی فراهم شود.
بههرحال،چون جانشینها از مجموعه واحدهای آماری خارج از نمونه انتخاب میشوند،نتیجه میشود که رابطه(1)برای جانشینها نیز برقرار است و در نتیجه جانهیها میتوانند براساس مدل زیر باشند: (به تصویر صفحه مراجعه شود)(2) که در آن y i s ، x m,i s و x f,i s بهترتیب مقادیر y ، x m و x f جانشین شده برای واحد i را نشان میدهند.
خلاصه نتایج شبیهسازی روبین و زانوتو[03]آن است که اگر جورسازی امکانپذیر باشد و بتوان متغیرهای تبیینی را برای مدل در نظر گرفت از روش MMM وقتی خوشهبندی پنهان وجود داشته باشد میتوان برای تعدیل بیپاسخی غیر قابل چشمپوشی استفاده کرد.
محدودیت کاربردی این روش آن است که باید متغیرهای کمکی که از آنها بتوان برای تفاوتهای راژمند بین جانشینها و بیپاسخها استفاده کرد،موجود باشند."