Abstract

Kauffman Firm Survey (KFS) a fost un studiu complet al noilor companii care a utilizat un eșantion complex de proiectare pentru a colecta date cheie despre dinamica entităților de înaltă tehnologie, tehnologie medie și deținute de femei. Modelele complexe de eșantioane de tipul utilizat în KFS au de obicei eșantionare multi-cadru, stratificare, ajustare fără răspuns și supra-eșantionare. S-a dovedit că fiecare dintre aceste elemente de design sporește eficiența cu care cercetătorii analizează și trag deducții din datele disponibile. Cu toate acestea, există și riscul ca o abordare complexă de proiectare a eșantionului să facă analiza datelor mai complicată datorită selecțiilor neindependente și selecției cu probabilități variate. În această imagine de ansamblu tehnică a KFS, descriem metoda de eșantionare care a fost utilizată în sondajul panoului. Vom examina modul în care eșecul de a lua în considerare greutățile bazate pe probabilitate afectează estimările parametrilor și erorile standard rezultate. Prin adoptarea unei abordări empirice, arătăm de ce este important să se țină seama de stratificare și ponderare. Această lucrare demonstrează importanța luării în considerare a caracteristicilor unui proiect complex de anchetă în timpul procesului de analiză a datelor.

complexe

Aceasta este o previzualizare a conținutului abonamentului, conectați-vă pentru a verifica accesul.

Opțiuni de acces

Cumpărați un singur articol

Acces instant la PDF-ul complet al articolului.

Calculul impozitului va fi finalizat în timpul plății.

Abonați-vă la jurnal

Acces online imediat la toate numerele începând cu 2019. Abonamentul se va reînnoi automat anual.

Calculul impozitului va fi finalizat în timpul plății.

Note

Unitățile primare de eșantionare din KFS sunt întreprinderi și nu proprietari.

Un cadru eșantion este o listă de elemente ale populației cu informații de contact adecvate.

„Începând cu cel de-al treilea sondaj de urmărire, a fost utilizată o ajustare a greblării în cadrul celor șase straturi de eșantionare pentru a obține o precizie mai bună” (KFS Fifth Follow-up Methodology Report, 29 martie 2011).

Cochran (1977) explică de ce stratificarea poate crește precizia estimărilor în raport cu SRS: „Dacă fiecare strat este omogen, prin faptul că măsurătorile variază puțin de la o unitate la alta, se poate obține o estimare precisă a oricărei medii de strat dintr-o mică eșantion în stratul respectiv. Aceste estimări pot fi combinate într-o estimare precisă pentru întreaga populație. ”

Chiar și statisticile simple, cum ar fi media, devin neliniare într-un sondaj complex.

Această notație se aplică și altor modele de eșantioane. De exemplu, pentru un eșantion de proiectare fără stratificare, puteți permite H = 1; pentru un eșantion de proiectare fără clustere, puteți permite m Salut = 1 pentru fiecare h și eu.

Cercetătorii care sunt interesați să studieze separat întreprinderile de înaltă tehnologie, tehnologie medie sau non-tehnologie ar trebui să evite utilizarea variabilei de straturi de eșantionare a tehnologiei și a proprietății de gen folosită de Mathematica pentru a selecta eșantionul KFS pentru a-și împărți eșantionul. Acest lucru se datorează faptului că industria primară a afacerii a fost confirmată sau actualizată în timpul fiecărui sondaj; astfel, variabila stratelor de eșantionare nu reflectă clasificarea actuală a industriei primare pentru companie (Farhat și Robb 2014).

În cazuri foarte rare în care un strat este subpopulația (domeniul are o dimensiune fixă ​​a eșantionului), cazurile de eliminare nu reprezintă o problemă.

Referințe

Aday, L. A. și Llewellyn, J. C. (2006). Proiectarea și efectuarea sondajelor de sănătate: un ghid cuprinzător (Ed. A 3-a). San Francisco, CA: Jossey Bass.

Cochran, W. G. (1977). Tehnici de eșantionare (Ed. A 3-a). New York, NY: John Wiley și Sons.

Farhat, Joseph B. și Robb, Alicia. 2014. Analiza aplicată a datelor sondajului folosind Stata: datele Kauffman Firm Survey. Disponibil la SSRN: http://ssrn.com/abstract=2477217

Haviland, Amelia și Savych, Bogdan (2007), O descriere și analiză a resurselor de date în evoluție pentru întreprinderile mici. Document de lucru RAND Corporation nr. WR-293-1-ICJ.

Kish, L. (1965). Eșantionarea sondajului. New York: John Wiley și Sons.

Kish, L. (1987). Proiectare statistică pentru cercetare. New York: John Wiley & Sons, Inc...

Kish, L. (1992). Ponderare pentru pi inegal. Jurnalul de statistici oficiale, 8(2), 183-200.

Kish, L. (1995). Eșantionarea sondajului (Wiley Classics Library ed.). New York: Wiley and Sons.

Korn, E. L. și Graubard, B. I. (1995). Exemple de estimări diferite ponderate și neponderate dintr-un sondaj de probă. Statisticul american, 49, 291–295.

Lee, E. S. și Forthofer, R. N. (2005). Analiza datelor complexe ale sondajului (Ed. A 2-a). Thousand Oaks, CA: Înțelept.

Lohr, S. L. (2010). Eșantionare: proiectare și analiză (Ediția a doua). Boston: Brooks/Cole.

Marsden, P. V. și Wright, J. D. (Eds.). (2010). Manual de cercetare a sondajului (a doua ed.). Bingley, Marea Britanie: Emerald Publishing Group.

Pfeffermann, D. (1993). Rolul eșantionării ponderilor la modelarea datelor sondajului. Revista Statistică Internațională, 61, 317–337.

Pfeffermann, D. și Holmes, D. (1985). Considerații de soliditate în alegerea unei metode de inferență pentru analiza de regresie a datelor sondajului. Jurnalul Societății Regale de Statistică, Seria A, 198, 268-278.

West, B. T., Berglund, P. și Heeringa, S. G. (2008). O examinare mai atentă a analizei subpopulației a datelor complexe ale sondajului. Jurnalul Stata, 8(3), 1-12.