چکیده:
در اکثر آمارگیری ها بی پاسخی واحد یک مشکل اساسی است. این مشکل در آمارگیری های پانلی نیز رخ می دهد. در این آمارگیری ها معمولا با کاهش پاسخ گو از دور دوم آمارگیری به بعد مواجه هستیم. مهم ترین مشکل ناشی از بی پاسخی واحد، اریبی در آماره های آمارگیری است. برای برخورد با این مشکل در آمارگیری های پانلی می توان از روش های وزن دهی استفاده کرد. در این مقاله با شبیه سازی گم شدگی در دور دوم آمارگیری، در داده های حاصل از آمارگیری پانلی خانواری انگلیس، اثرهای ناشی از گم شدگی توسط روش وزن دهی روبینز و همکارانش [۶]تعدیل شده و با بکار بردن مدل مورد استفاده در مطالعه، مدل حاشیه ای، مقدارهای گم شده در دوره ی دوم براورد می شوند. سپس عمل کرد این روش نسبت به روش دیگر تعدیل اریبی که تحت عنوان معادله های براورد موزون نام برده می شود، مقایسه می شود. نتیجه های این مطالعه نشان می دهد که (برحسب اندازه ی نمونه ای، همبستگی های مختلف بین دو دوره ی آمارگیری و نرخ بی پاسخی) روش معادله های براورد تعمیم یافته ی موزون روبینز و همکارانش [۶]در همه ی حالت ها از روش معادله های براورد موزون عمل کرد بهتری دارد.
In most surveys unit nonresponse is a serious problem. This problem also exists in panel surveys. In panel survey we often face with attrition from the second wave. This problem has significantly impact on survey statistics، e. g.، biased estimations. Weighting is a method to adjust for unit nonresponse in panel surveys. In this paper we simulate unit nonresponse in the data comes from the British Household Panel Survey and thenadjust for biasedness using Robins et at. (1995) weighted generalized estimating equations (WGEE) method. In a simulation study we compare results of WGEE method with weighted estimating equations method (WEE). Findings of the study show Robins et al. (1995) WGEE method performs better than the WEE method in all cases (different sample sizes، correlations between waves، and nonresponse rates).
خلاصه ماشینی:
مقایسهی روشهای WGEEs و WEEs برای تعدیل اثر بیپاسخی در آمارگیریهای پانلی حمید رضا نوابپور*و ناصر فروتن دانشگاه علامه طباطبایی چکیده: در اکثر آمارگیریها بیپاسخی واحد یک مشکل اساسی است.
در این مقاله از روش دوم برای تعدیل اریبی بیپاسخی استفاده میشود.
روبینز و همکارانش[6]تعدیل اریبی ناشی از بیپاسخی واحدها در این نوع مطالعه را با روش وزندهی معادلههای براورد تعمیمیافتهی لیانگ و زیگر[5]انجام دادند که در آن وزن برای هر واحد،به صورت یک ماتریس قطری در نظر گرفته میشد.
همچنین فیتزموریس و همکارانش[2]نیز نوع دیگر وزندهی برای معادلههای براورد تعمیمیافتهی لیانگ و زیگر[5]را ارایه کردند که در آن وزن برای هر واحد نمونهای تنها به صورت یک عدد در نظر گرفته میشود.
ولی در صورتی که مکانیزم گمشدگی از نوع تصادفی باشد معادلهی بالا برای براورد B دیگر سازگار نیست،زیرا در این حالت معادلههای بالا به متغیرهای کمکی،هم از طریق واحدهای مشاهده شده و هم از طریق واحدهای مشاهده نشده وابسته است.
از طرفی در اندازههای نمونهای بزرگ با افزایش نرخ بیپاسخی تفاوت براورد قدر مطلق اریبی به دست آمده بین این دو روش تعدیل اثر بیپاسخی،در این اندازه نمونههای بزرگ بیشتر میشود.
(به تصویر صفحه مراجعه شود) 3-4-نتیجهگیری با توجه به این که همبستگی متغیر سیگاری بودن شخص بین دورهی شانزدهم و هفدهم در دادههای واقعی بالا است،لذا براساس معیارهای مقایسهی محاسبه شده و نتیجههای موجود،به نظر میرسد که روش تعدیل اثر بیپاسخی WGEEs برای تعدیل اثر بیپاسخی دادههای گمشدهی متغیر پاسخ موردنظر در آمارگیری پانلی خانواری انگلیس، مفید باشد.