چکیده:
آمارگیری فعالیتی هدفمند است که طی آ ن اطلاعاتی از نمونه ای و یا از تمام
واحدهای یک جامعه گرداوری می شود . در آمارگیری های نمونه ای، خطاها توزیع
نمونه گیری براوردگرها را تحت تاثیر قرار می دهند. این خطاها می توانند براورد را به یک
سو سوق داده و یا پراکندگی آن را متورم کند. این خطاها عبارت اند از: خطاهای
نمونه گیری و غیر نمونه گیری. خطای غیر نمونه گیری شامل خطاهای مشخص سازی،
پوشش، اندازه گیری، بی پاسخی و پردازش هستند. خطاهای نمونه گیری و غیر نمونه گیری
خطای کل آمارگیری (T SE) را تشکیل می دهند. اگر براوردی از TSE در دست باشد،
می توان به مقایس هی آمارگیری های مختلف که با استفاده از روش ها یا طرح های آمارگیری
نمونه گیری مختلف را با هم مقایسه کرد. یکی از راه های کمی کردن TSE میانگین توان
دوم خطای براوردگر (MSE) است. برای براورد MSE در صورت وجود اندازه ی
استاندارد طلایی برای تمام واحدهای آماری، می توان از روش تقریبی استفاده کرد. روش
مرجح ، تجزیه ی خطای کل آمارگیری به منبع های خطاهای آمارگیری و براورد این مولفه ها
و در نهایت براورد اریبی کل و مولفه های واریانس است. براورد MSE از مجموع توان
دوم اریبی کل و واریانس ها حاصل می شود. در این مقاله، از داده های یک آمارگیری
کوچک مقیاس که در یکی از دانشکده های دانشگاهی در تهران انجام شد، برای براورد
TSE استفاده شده است.
Survey is a method of gathering information from a sample of units or all of the population. In sample survey، sampling distributions of estimators are affected by errors. These errors may push estimate in a specific direction or inflate its variation. Difference between the estimated and the parameter that is intended to estimate، is called survey error. Total survey error (TSE) refers to totality of errors that can arise in the design، collection، processing، and analysis of survey data. It includes sampling error and nonsampling error. Components of nonsampling error are specification، coverage، measurement، nonresponse، and processing errors.An estimate of TSE is useful to compare the accuracy of data from alternative modes of data collection or estimation methods، and to optimize the allocation of resources for the survey design. The most common metric for quantifying TSE is the mean squared error (MSE). If the gold standard measurements are available on all sample units، an approximate estimate of MSE can be used to quantify TSE. The preferred approach is to decompose the TSE into components associated with the various sources of errors in surveys. Then total bias error and variance components can be estimated. In this article، data from a small scale survey، which has been conducted in a faculty of university in Tehran، is used to estimate TSE.