Poziom realizacji próby i ważenie poststratyfikacyjne w analizie danych sondażowych

• Autorzy: Tomasz Jerzyński

Warianty tytułu

Response Rate and Poststratification Weighting in Survey Data Analysis

• Języki publikacji: PL

Abstrakty

Jednym z podstawowych czynników stanowiących o jakości danych statystycznych jest ich kompletność. Dane z sondaży opartych na próbach reprezentatywnych zawsze obarczone są błędem wynikającym z niepełnej realizacji prób. Aby na podstawie niekompletnych danych móc powiedzieć coś na temat rozkładu opinii w całej populacji, należy stosować techniki wnioskowania statystycznego uwzględniające braki danych. Występowanie braków danych jest - między innymi - związane z cechami demograficzno-społecznymi, a także ze stopniem wykluczenia respondenta ze świata informacji. Wynika z tego, że braki danych nie pojawiają się losowo, a ich rozkład powinien być uwzględniony podczas analiz. Powszechnie stosowaną w tym celu metodą jest ważenie poststratyfikacyjne. W artykule przedstawiono wyniki wnioskowań statystycznych przeprowadzonych z użyciem i bez użycia wagi poststratyfikacyjnej. (abstrakt oryginalny)

EN

One of the main factors which cause the data quality is their completeness. Data from surveys based on representative samples are always biased by an error resulting from their incompleteness. To say something about the distribution of opinion in the general population, on the basis of incomplete data, we should use a special statistical techniques to take account of missings. The presence of missings are - amongst others - associated with demographic and social characteristics, as well as the degree of respondent's exclusion from the world of information. It follows from the fact that missings do not appear randomly, and their distribution should be taken into consideration in the analysis. For this purpose poststratification weighting are commonly used. This article presents the results of statistical estimations with and without weighting. (original abstract)

Słowa kluczowe

PL

Analiza danych statystycznych; Jakość; Badanie opinii; Wnioskowanie statystyczne

EN

Statistical data analysis; Quality; Opinion research; Inferential statistics

• Czasopismo: Problemy Zarządzania
• Rocznik: 2009
• Tom: 7
• Numer: nr 4 (26) Metody ilościowe w zarządzaniu
• Strony: 196-208

Twórcy

autor

Tomasz Jerzyński

• Uniwersytet Warszawski; Archiwum Danych Społecznych

Bibliografia

• Afifi, A.A. i R.M. Elashoff. 1966. Missing observations in multivariate statistics: Review of the literature. Journal of the American Statistical Association, Vol. 61, s. 595- 604.
• Cichomski, В., Jerzyński, Т. і М. Zieliński. 2009. Polskie Generalne Sondaże Społeczne: struktura skumulowanych wyników badań 1992-2008, Warszawa: Instytut Studiów Społecznych UW.
• Dempster, A.P., Laird, N.M. i D.B. Rubin. 1977. Maximum likelihood from incomplete data via the EM algorithm (with discussion). Journal of the Royal Statistical Society. Series B, Vol. 39, s. 1-38.
• Dillman, D.A., Eltinge, J.L., Groves, R.M. i R.J.A. Little. 2002. Survey Nonresponse in Design, Data Collection, and Analysis, w: Dillman, D.A., Eltinge, J.L., Groves, R.M. і R.J.A. Little (red.) Survey Nonresponse, New York: Wiley - Interscience Publication.
• Harding, J. 1947. Refusals as a Source of Bias, w: Cantril, H. (red.) Gauging Public Opinion, s. 119-123. Princeton: Princeton University Press.
• Hartley, H.O. i R.R. Hocking. 1971. The analysis of incomplete data. Biometrics, Vol. 27, s. 783-808.
• Hilgard, E.R. i S.L. Payne. 1944. Those not at home: Riddle for pollsters. Public Opinion Quarterly, Vol. 8, nr 2, s. 254-261.
• Kiser, C.V. 1934. Pitfalls in sampling for population study. Journal of the American Statistical Association, Vol. XXIX, s. 250-256.
• Lissowski, G. 1971. Problem jednostek niedostępnych w reprezentacyjnych badaniach socjologicznych, w: Szaniawski, K. (red.) Metody matematyczne w socjologii, Warszawa: PWN.
• Little, R.J.A. 1997. Biostatistical Analysis With Missing Data, w: Armitage, P. i Т. Colton (red.) Encyclopedia of Biostatistics, London: Wiley.
• Little, R.J.A. і D.B. Rubin. 1983. Incomplete data. Encyclopedia of the Statistical Sciences, nr 4, s. 46-53.
• Little, R.J.A. і D.B. Rubin. 2002. Statistical Analysis with Missing Data, New Jersey: A Wiley-Interscience Publication.
• Little, R.J.A. і N. Schenker. 1994. Missing Data, w: Arminger, G., Clogg, C.C. і M.E. Sobel (red.) Handbook for Social Modeling in the Social and Behavioral Sciences, s. 39-75. New York: Plenum.
• Mandell, L. 1974. When to weight: Determining nonresponse bias in survey data. Public Opinion Quarterly, Vol. 38, s. 247-252.
• Orchard, T. і M.A. Woodbury. 1972. A Missing Information Principle: Theory and Applications, w: Proceedings of the Sixth Berkeley Symposium on Mathematical Statistics and Probability. Vol. 1: Theory of Statistics, s. 697-715. Berkeley: University of California Press.
• Rubin, D.B. 1976. Inference and missing data (with discussion). Biometrika, Vol. 63, s. 581-592.