كاهش اريبي بي‌پاسخي توسط براوردگرهاي كالبيده در مطالعه‌هاي پانلي

Nonresponse Bias Reduction by Calibration Estimators in Panel Studies

در بسياري از نظام هاي آماري، نوعي از آمارگيري موسوم به آمارگيري در طول زمان متداول است كه به شكلي مستمر در دوره هاي زماني تكرار مي شود. يكي از روش هاي آمارگيري در طول زمان، آمارگيري پانلي نام دارد. در اين روش، به نمونه-اي ثابت در دوره‌هاي زماني مختلف مراجعه مي شود. مهمترين چالش در يك آمارگيري پانلي، ناتواني در به دست آوردن پاسخ از واحدهاي نمونه اي و به وجود آمدن بي پاسخي است كه معمولاً باعث اريبي و در برخي موارد منجر به افزايش واريانس براوردها مي شود. در آمارگيري‌هاي پانلي علاوه بر بي پاسخي قلم اطلاعاتي، بي پاسخي دوره نيز وجود دارد. در اين نوع بي پاسخي، واحد نمونه اي حد اقل براي يك دوره ي آمارگيري پاسخ گو است. حالت خاصي از بي پاسخي دوره، كاهش پاسخ گو است كه در اين حالت واحد نمونه اي از دوره اي به بعد از مطالعه خارج شده و هرگز به مطالعه باز نمي گردد. يكي از روش‌هاي كاهش اثرهاي نامطلوب بي پاسخي، وزن دهي است. از جمله‌ي اين روش ها، براوردگر كالبيده مي باشد. در اين مقاله پس از معرفي مفهوم هاي اوليه‌ي آمارگيري پانلي، انواع گم‌شدگي در آمارگيري هاي پانلي و ساختارهاي گم شدگي، روش براوردگر كالبيده به‌عنوان روشي براي وزن دهي داده هاي گم شده معرفي مي شود. سپس با استفاده از داده هاي طرح آمارگيري پانلي خانواري انگلستان، روش براوردگر كالبيده با روش براوردگر رگرسيوني تعميم يافته از نظر معيارهاي قدر مطلق اريبي نسبي، ميانگين توان دوم خطا و كارايي نسبي مجانبي مقايسه مي شوند. يافته‌هاي اين مطالعه نشان مي‌دهند كه وقتي همبستگي بين دو دوره بالا بوده و ساختار گم‌شدگي تصادفي است، روش براوردگر كالبيده نسبت به ساير روش‌ها عمل كرد بهتري دارد.

In many statistical systems, a type of survey called “sampling over time” is common, which repeats continuously over time. One method of sampling over time is panel survey. Panel survey is a method in which a “fixed sample” is contacted during different waves. The most important challenge in a panel survey is debility in providing response from some sample units and having non-response that usually causes bias or in some cases leads to increasing variance of estimates. In addition to item nonresponse, in panel surveys, also there is another type of nonresponse called “wave nonresponse”. Wave nonresponse occurs when one or more waves of panel data are missing for a unit that has provided data for at least one wave. A particular aspect of wave nonresponse is attrition in which sampling unit is excluded from the survey. Weighting is a method of reducing undesirable effects of a wave nonresponse. Calibration estimator is one of the weighting methods. In this article after introducing primary concepts of panel survey, types of missingness in panel surveys and missing mechanisms, calibration estimators is introduced as a method of weighting missing data. Then by using of British Household Panel Survey data, calibration estimator method is compared with generalized regression estimator with respect to different criteria such as absolute relative bias, mean square error and estimated asymptotic relative efficiency. The findings of the study show that when correlation between two waves is high and missing mechanism is at random, calibration estimator method has better performance than some other methods.