کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6868576 1440028 2018 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Exact balanced random imputation for sample survey data
ترجمه فارسی عنوان
تقسیم تصادفی دقیق متعادل برای داده های نمونه گیری نمونه
کلمات کلیدی
معافیت متعادل، روش مکعب، تابع توزیع، مکانیزم محاسبه، مدل اعتبار سنجی، ثبات متوسط ​​مربع، برآوردگر منظم،
ترجمه چکیده
نظرسنجی ها معمولا از عدم پاسخ رنج می برند، که حجم نمونه موثر را کاهش می دهد. مورد غیر پاسخ به طور معمول با استفاده از برخی از شکل تقلب تصادفی در صورتی که علاقه مند به حفظ توزیع متغیر محاسبه شده است. این به دلیل واریانس معادله منجر به افزایش متغیر است و برای کاهش این تغییرات چندین روش پیشنهاد شده است. محاسبه ضریب متوازن شامل انتخاب مجدد به طور تصادفی در مرحله محاسبه است، به طوری که واریانس تخفیف کل تخمین شده حذف یا حداقل به طور قابل توجهی کاهش می یابد. اجرای پیشنهادی ضریب تصادفی متعادل، امکان حذف کامل واریانس معادله را فراهم می کند. یک برآوردگر تخفیف منظم از مجموع و یک تابع توزیع در نظر گرفته شده است و در روش پیش بینی شده پیشنهاد شده است. برخی نتایج شبیه سازی از یافته ها پشتیبانی می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
Surveys usually suffer from non-response, which decreases the effective sample size. Item non-response is typically handled by means of some form of random imputation if it is of interest to preserve the distribution of the imputed variable. This leads to an increased variability due to the imputation variance, and several approaches have been proposed for reducing this variability. Balanced imputation consists of selecting residuals at random at the imputation stage, in such a way that the imputation variance of the estimated total is eliminated or at least significantly reduced. The proposed implementation of balanced random imputation enables full elimination of the imputation variance. A regularized imputed estimator of a total and of a distribution function is considered, and is proved to be consistent under the proposed imputation method. Some simulation results support the findings.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational Statistics & Data Analysis - Volume 128, December 2018, Pages 1-16
نویسندگان
, ,