| المستخلص: |
تستهدف المسوحات الطولية المجتمعات الضخمة، عادة لا يكون أفراد العينة المسحوبة من مثل هذه المجتمعات متجانسين من حيث الرغبة في المشاركة في المسح. بعض المجموعات الجزئية في العينة أكثر تجانسا من مجموعات أخري، ولذا فإن المتغيرات التي يمكن الاعتماد عليها في التنبؤ بعدم الاستجابة في هذه المجموعات قد تختلف من المتغيرات العمومية التي تستخدم للتنبؤ بعدم الاستجابة. ولكن هذا الأمر عادة ما يتم تجاهله في إستخدام الطريقة التقليدية للانحدار اللوجستي بغرض تقدير احتمال الاستجابة وإنشاء أوزان الترجيح لعدم الاستجابة للعينة ككل، في أغلب الأحيان يتم تقدير النموذج باستخدام متغيرات عموميه اجتماعية – ديموغرافية وجميع مفردات العينة، ولكن بعض مجالات تحليل البيانات المرجحة تطبق في بعض الأحيان علي مجموعة جزئية من مفردات العينة وعلي ذلك إذا لم تكن المتغيرات المستخدمة لإنشاء أوزان الترجيح جيدة للتنبؤ بعدم الاستجابة في المجموعة الجزئية التي سيجري عليها التحليل فإن المقدرات الملرجحة الناتجة من عملية التحليل قد تكون متحيزة. يستند البحث في هذه الورقة على التحقق مما إذا إذا كان إنشاء الأوزان باستخدام المتغيرات المرتبطة بالنزعة للاستجابة في المجموعة الجزئية من العينة التي ستستخدم في تحليل البيانات هي طريقة أكثر فعالية من الطريقة التقليدية. باستخدام بيانات من مسح الأسر البريطاني الطولي، تشير المخرجات إلى أن الطريقة المقترحة في إنشاء الأوزان تقود إلى بعض المقدرات التي تختلف معنويا عن المقدرات المتوصل إليها باستخدام الأوزان المنشأة عبر الطريقة التقليدية.
Longitudinal surveys target large populations. Sample members from such populations are not usually homogeneous with respect to survey participation. Some sub-groups are more cooperative than others. This implies that the response propensity may be driven by different factors for different sub-groups in the same survey sample. Thus, non-response predictors in these sub-groups may differ from the general non-response predictors. However, this is overlooked in the traditional application of the logistic regression model which aims at predicting the probability of response and creating non-response weights for the sample as a whole. In most cases, the model is estimated using „generic‟ socio-demographic variables and all units in the selected sample. Nonetheless, substantive analyses are often restricted to a sub-group of the sample and, therefore, if the general variables used to create the weights do not distinguish response from non-response in the sub-group in question, weighted estimates may be biased. This paper investigates whether weights are more effective if they are designed using variables correlated with the response propensity in the sub-group on which the analysis will be conducted. Using data from the British Household Panel Survey (BHPS), the findings demonstrate that, for some estimates, the tailored weights result in significantly different estimates than the standard weights.
|
