Dobór próby w badaniach socjologicznych 3502-FAKL701
Elementarna wiedza statystyczna zdobywana przez socjologów w ramach zajęć obowiązkowych odnosi się do wyidealizowanej, najprostszej wersji badania statystycznego, w którym próba losowana jest w sposób najprostszy I zrealizowana w 100%. W praktyce badawczej takie sytuacje się nie zdarzają – schematy doboru są zawyczaj złożone (wielostopniowe, zespołowe) a znaczną część próby wylosowanej stanowią jednostki niedostępne. Elementarna wiedza statystyczna nie pozwala wtedy odpowiedzieć pytanie czy ustalenia sondażu są trafne i wiarygodne a ponadto z jaką dokładnością można za ich pomoca szacować parametry zmiennych populacyjnych. Ze statycznego punktu widzenia mamy wtedy do czynieniena z problemem znalezienia nieobciążonych efektywnych estymatorów populacyjnych parametrów i wyznaczenia ich wariancji. Kurs ma za zadanie przygotować uczestnika do rozpoznawania tego typu sytuacji i radzenia sobie z nimi przy użyciu dostępnego oprogramowania.
Tematy zajęć:
Wprowadzenie: podstawy teorii doboru próby
a. Populacja, próba, prawdopodobieństwo inkluzji, schemat doboru próby.
b. Statystyka z próby, rozkład statystyki z próby i jego parametry.
c. Estymator, rozkład estymatora i jego parametry: wartość oczekiwana, wariancja. Estymator nieobciążony. Efektywność estymatora.
d. Estymator HT
e. Wagi analityczne a estymacja.
f. Estymatory ilorazowe i regresyjne.
g. Zmienne losowe ważne dla wnioskowania statystycznego. Twierdzenia graniczne.
h. Dokładność szacowania
I. Jednostopniowe schematy doboru
1. Dobór prosty
2. Dobór systematyczny
3. Dobór warstwowy. Alokacja równomierna, proporcjonalna, optymalna
4. Dobór zespołowy
II. Wielostopniowe schematy doboru
1. Wyznaczanie prawdopodobieństw inkluzji
2. Wartość oczekiwana i wariancja estymatora w złożonych wielostopniwych schaemtach doboru próby. Współczynik DEFF. Szereg Taylora, Bootstrap.
3. Wyznaczanie dokładności oszacowania parametrów populacji przy złożonych schematach doboru próby – metody analityczne, iteracyjne i symulacyjne. WesVar, SPSS Complex Samples
III. Braki danych a dokładność oszacowań
1. PSM
2. Regresja logistyczna
IV. Jednostki niedostępne a dokładność oszacowań
1. Quasi-przedział ufności dla frakcji
2. Dane zewnętrzne, kalibracja a dokładność szacowania średniej populacyjnej
V. Nie wpełni losowe metody rekrutacji elementów próby a dokładność oszacowań
1. Dobór losowo-kwotowy
2. Badania typu CATI z losowym generowaniem numeru telefonu
3. Badania typu WAPI
VI. „Model assisted survey sampling”.
Rodzaj przedmiotu
Założenia (opisowo)
Efekty kształcenia
Po zakończeniu zajęć ich uczestnicy powinni umieć rozpoznać zastosowany w badaniu schemat doboru próby, opisać jego własności i praktycznie wyznaczyć wynikającą z nich dokładność oszacowania z wykorzystaniem dostępnego specjalistycznego oprogramowania. Po uzyskaniu informacji na temat stopnia realizacji próby powinni umieć ocenić obciążenie i wariancję estymatora wynikającą z odnotowanego w badaniu poziomu response rate.
Literatura
a) artykuły
1. Brick, J. M., Morganstein, D., & Valliant, R. (2000). Analysis of Complex Sample Data Using Replication (p. 12). WESTAT.
2. Lissowski, G. (1968). Z zagadnień doboru próby. W: Metody statystyczne w socjologii. Pod redakcją Klemensa Szaniawskiego (pp. 11–69). Państwowe Wydawn. Naukowe.
3. Lissowski, G. (1971). Problem jednostek niedostępnych w reprezentacyjnych badaniach socjologicznych. W: Metody matematyczne w socjologii. Zaganienia wybrane. Pod redakcją Klemensa Szaniawskiego (pp. 7–34). Ossolineum.
4. Lepkowski, M.J., L. M. (1988). Statistical Methodologies for Analyzing a Complex Sample Survey (p. 78). Public Health Service Centers for Disease Control National Center for Health Statistics.
5. Little, R. J. A. (1982). Models for Nonresponse in Sample Surveys. Journal of the American Statistical Association, 77(378), 237–250.
6. Little, R. J., & Vartivarian, S. (2005). Does Weighting for Nonresponse Increase the Variance of Survey Means? Survey Methodology, 31(2), 161–168.
7. Rao, J. N. K. (2006). Bootstrap Methods for Analyzing Complex Sample Survey Data. In Proceedings of Statistics Canada Symposium 2006 (p. 7).
8. West, B. T. (2009). A Simulation Study of Alternative Weighting Class Adjustments for Nonresponse when Estimating a Population Mean from Complex Sample Survey Data. JSM 2009, 14.
b) książki
1. Lissowski, G., Haman, J., & Jasiński, M. (2008). Podstawy statystyki dla socjologów (p. 670). Wydawnictwo Naukowe Scholar.
2. Lumley, T. (2010). Complex Surveys A Guide to Analysis Using R (p. 297). John Wiley & Sons, Inc., Hoboken, New Jersey.
3. Lethonen, R., Pahkinen, E. (2004). Practical Methods for Design and Analysis of Complex Surveys (p. 362). John Wiley & Sons.
4. Rubin, D. B. (1987). Multiple Imputation for Nonresponse in Surveys (p. 285). John Wiley & Sons, Ltd.
5. Särndal, C.-E., Swensson, B., & Wretman, J. (2003). Model Assisted Survey Sampling (Springer Series in Statistics) (p. 694). Springer.
6. Särndal, C.-E., & Lundström, S. (2005). Estimation in Surveys with Nonresponse (Wiley Series in Survey Methodology) (p. 212). Wiley-Blackwell.
7. IBM SPSS 21. Complex Samples.
8. IBM SPSS 22. Complex Samples.
9. WESTAT. (2007). WesVar 4.3 User’s Guide (p. 361).
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: