316477_de-DE

liliconcom

Frage zum Umfragegewicht

Ich arbeite mit einigen Volkszählungsdaten, die aus einer Umfrage stammen.Es gibt eine Gewichtsvariable, da sie ein ziemlich komplexes Stichprobenschema verwenden, um eine angemessene Vertretung verschiedener Gruppen sicherzustellen.Mir ist bekannt, dass JMP bei der Analyse von Verteilungen gewichtete Durchschnittswerte berechnet, wenn ich die Gewichtungsvariable in das Feld „Gewicht“ des Dialogfelds eintrage.Mir ist auch bewusst, dass JMP die Gewichtsvariable ignoriert, wenn es die Verteilung einer Nominalvariablen analysiert.Mir ist aber nicht klar, warum.Insbesondere frage ich mich, wie man die Verteilung einer nominalen Variablen richtig beschreiben kann.Angenommen, es gibt zwei Gruppen und Gruppe 1 umfasst 40 % aller Befragten.Angenommen, Variablen der Gruppe 1 haben 60 % der Gesamtgewichte.Analyseverteilungen zeigen 40 % in Gruppe 1 an. Wenn ich die Gewichtungsvariable in das Feld „Häufigkeit“ eintrage, umfasst Gruppe 1 50 % der Gesamtsumme.Welcher ist der richtige Bruch in Gruppe 1?Handelt es sich um den Rohprozentsatz oder um den durch die Häufigkeit der Gewichtungen gewichteten Prozentsatz?Und wenn Letzteres der Fall ist, warum wird das Problem dann nicht dadurch gelöst, dass das Gewicht in das Feld „Gewicht“ und nicht in das Feld „Häufigkeit“ eingetragen wird?

Verbraucher- und MarktforschungDatenexploration und -visualisierungQualitäts- und VerfahrenstechnikBetreff: Frage zum UmfragegewichtBitte erlauben Sie mir, Ihre Gewichtsvariable W zu nennen, um die Diskussion zu erleichtern.

Zunächst möchte ich Ihre Schlussfolgerung klarstellen: „Die Gewichte sollten als Häufigkeiten für eine nominale Variable und als Gewichte für eine kontinuierliche Variable verwendet werden.“ Dies ist keine korrekte Schlussfolgerung darüber, wie Freq und Weight in der Distributionsplattform verwendet werden sollten. Ich habe erklärt, was Freq und Weight bewirken. Zusammenfassend möchte ich den folgenden Vorschlag machen, wenn man Schwierigkeiten hat, sich zu entscheiden, ob man Freq oder Weight verwenden soll:
1) In den meisten Fällen verwenden Sie Ihre W-Variable in Freq. In dieser Situation bedeutet W die Anzahl der Wiederholungen Ihrer individuellen Beobachtungen.
2) Verwenden Sie Ihre W-Variable in Weight nur, wenn Sie wissen, was Sie tun.

Lassen Sie mich nun auf Ihre W-Variable zurückkommen. Wie Sie beschrieben haben, passt es weder zu Freq noch zu Weight. Der Zweck von W besteht darin, den unterschiedlichen Auswahlwahrscheinlichkeiten in der Umfrage entgegenzuwirken. Angenommen, Sie möchten sowohl den Bevölkerungsanteil als auch den Standardfehler der Schätzung schätzen. Das richtige Werkzeug ist meiner Meinung nach ein SAS-Verfahren Proc SURVEYMEANS. Wenn die Verteilungsplattform dem SAS-Verfahren Proc UNIVARIATE entspricht, glaube ich nicht, dass JMP über eine äquivalente Plattform zu Proc SURVEYMEANS verfügt. Ich habe die Categorical-Plattform überprüft, glaube aber nicht, dass sie gleichwertig ist.

Für mich besteht die eigentliche Herausforderung also nicht darin, zu entscheiden, wie man W in Freq oder Weight in der Distributionsplattform einfügt, sondern zu verstehen, welche Berechnungen man in Distribution durchführen muss, um Ergebnisse zu reproduzieren, wenn man Zugang zu Proc SURVEYMEANS hätte haben können. An dieser Stelle kann ich bestätigen, dass Ihre Punktschätzungsberechnung mithilfe der Verteilung durch Einfügen von W in Freq die Schätzung von Proc SURVEYMEANS repliziert. Die Formeln der beiden Berechnungen sind mathematisch äquivalent. Und Sie haben Recht, Sie können den Standardfehler der Schätzung nicht reproduzieren. Einzelheiten zur Berechnung des Standardfehlers finden Sie in der Dokumentation von Proc SURVEYMEANS.
Betreff: Frage zum Umfragegewicht

Um dies zu verdeutlichen, hier ein Beispiel aus einer aktuellen Umfrage.Auf die Frage, ob jemand im Haushalt seine Bildungspläne geändert habe, antworteten 5,3 % der 109.051 Befragten mit Ja.Das Hinzufügen der Haushaltsgewichte zur Analyse ändert nichts.Addiert man die Haushaltsgewichte als Häufigkeit, ergibt sich eine Schätzung von 4,8 % von 121.520.180 Haushalten.Ich glaube, dass 4,8 % die richtige Punktschätzung ist.Natürlich wird der Standardfehler falsch sein – tatsächlich glaube ich nicht, dass es eine einfache Möglichkeit gibt, eine Schätzung des Standardfehlers zu erhalten.Zu diesem Zweck müssen die 80 Wiederholungsgewichte verwendet werden, die Census bereitstellt.Aber im Moment frage ich nur nach der Punktschätzung – und warum die Gewichte als Häufigkeiten für eine nominale Variable und als Gewichte für eine kontinuierliche Variable (z. B. das Haushaltseinkommen) verwendet werden sollten.Ich denke, Sie haben diese letzte Frage beantwortet (aus meiner Sicht kein guter Grund, aber ein historischer Grund, der mit Sas-Benutzern und alten Skripten zu tun hat).Können Sie den Teil zur Punktschätzung bestätigen?

Betreff: Frage zum Umfragegewicht

Dabei handelt es sich um Gewichte aus Umfragen des Census Bureau.Da sie ein komplexes geschichtetes Stichprobenverfahren verwenden, stellen die Haushaltsgewichte die Anzahl der Haushalte dar, die ein antwortender Haushalt repräsentiert.Während der Haushalt selbst ein einzelner Befragter ist, kann er 1000 Haushalte dieses „Typs“ repräsentieren.Es passt also nicht zur Beschreibung der Häufigkeit, da es keine anderen Befragten mit genau diesen Antworten gibt.Wenn es jedoch als Gewicht verwendet wird, wird es bei der Verteilung für eine kategoriale Variable ignoriert.Wenn Sie beispielsweise wissen möchten, wie viel Prozent der Personen das Merkmal x haben, dann wird der Prozentsatz der Befragten vom Prozentsatz der Bevölkerung abweichen, aber nicht nur aufgrund der Zufallsstichprobe, sondern auch aufgrund des verwendeten Stichprobenverfahrens.Es scheint mir, dass wir die Gewichte verwenden wollen – aber die einzige Möglichkeit, wie sie den Prozentsatz mit dem Merkmal x beeinflussen, besteht darin, ihn als Häufigkeit und nicht als Gewicht zu verwenden.Ich glaube, dass das für die Punktschätzung richtig ist – aber wahrscheinlich nicht für die Schätzung des Standardfehlers.

Betreff: Frage zum UmfragegewichtUm zu beantworten, wo die Gewichtsvariable platziert werden soll, muss ich fragen, was die Gewichtsvariable darstellt. Bedeutet Gewichtung=2, dass es zwei identische Umfrageergebnisse gibt, z. B. geben zwei Personen auf alle Fragen genau die gleichen Antworten, wenn jede Zeile ein Umfrageergebnis in Ihren Daten bedeutet? Wenn ja, sollte die Gewichtsvariable auf „Freq“ gehen. „Häufigkeit“ bedeutet wörtlich, wie viele Kopien derselben Beobachtung vorhanden sind. Andernfalls müssen wir prüfen, wie sich „Gewicht“ auf die Statistiken auswirkt, die Sie interessieren, wenn Sie es „Gewicht“ zuweisen. Und das wird eine Einzelfallsituation sein. Wenn Sie beispielsweise die Gewichtsvariable in „Gewicht“ eingeben, ist N die Anzahl der Zeilen Ihrer Datentabelle. der Mittelwert ist derselbe wie der Mittelwert durch die Verwendung der Gewichtsvariablen in „Freq“; Die Standardabweichung unterscheidet sich jedoch durch die Verwendung der Gewichtsvariablen in „Freq“. „Gewicht“ kann sich auf Berechnungen auswirken, deren Formeln „w_i“ beinhalten. Um sicherzugehen, muss man aber die einzelnen Dokumentationen prüfen.

Zwei weitere Referenzen, die bei der Erklärung der Unterschiede zwischen Freq und Weight hilfreich sein könnten. Beide stammen von SAS. Und ja, SAS hatte in der Anfangszeit starken Einfluss auf die Designs der JMP-Plattformen.
https://blogs.sas.com/content/iml/2013/09/13/frequencies-vs-weights-in-regression.html
https://support.sas.com/kb/22/600.html

Aus „historischen Gründen“ kann ich aufgrund meiner Erfahrung nur sagen. Ich kann zwei Gründe erkennen:
1) „Freq“ war früher nur eine Ganzzahl. Obwohl dies in JMP nicht mehr der Fall ist, scheint es in einigen SAS-Prozeduren immer noch der Fall zu sein. Und durch das Hinzufügen von „Weight“, das größere Werte und Bruchwerte aufnehmen kann, wurden einige Berechnungen ermöglicht, die mit „Freq“ nicht möglich waren.
2) „Gewicht“ kann als Hacktrick für einige statistische Berechnungen verwendet werden, ändert jedoch nichts an den Daten. Dieser SAS-Blog gibt ein gutes Beispiel dafür, wie Ausreißer durch Neugewichtung behandelt werden können. Meiner Erfahrung nach wurden diese Tricks meist zusammen mit den klassischen Methoden entwickelt. Sie sind von Situation zu Situation wertvoll, aber man muss vorsichtig sein, was sie tun.
Betreff: Frage zum Umfragegewicht

Vielen Dank, dass Sie versucht haben, meine Frage zu beantworten – aber Ihre Antwort ist für mich etwas zu kryptisch.Die JMP-Dokumentation hat nicht geholfen – sie gibt nur an, was ich in meiner Frage gesagt habe.Gewichtungen können für kontinuierliche Variablen verwendet werden, werden jedoch für nominale Variablen ignoriert.Ich verstehe Ihre Aussage bezüglich „historischer Gründe“ nicht.Was ist das?Aufgrund der anderen von Ihnen angegebenen Zitate vermute ich, dass dies eher mit sas als mit jmp zu tun hat.Ich bin kein Sas-Benutzer, also wüsste ich es nicht.Sagen Sie einfach, was Sie meinen.

 

Genauer gesagt: Bestätigen Sie, dass Umfragegewichte bei nominalen Variablen in der Häufigkeitsrolle, bei kontinuierlichen Variablen jedoch in der Gewichtungsrolle gegossen werden sollten?Das ist meine Überzeugung, aber ich würde mich über eine Bestätigung dieser Aussage freuen, auch wenn die „historischen Gründe“ im Dunkeln bleiben müssen.

Betreff: Frage zum UmfragegewichtDas aktuelle Verhalten, das Verwirrung stiften kann, hat vor allem historische Gründe. Und ich glaube, dass das Verhalten dauerhaft so bleiben muss, wie es ist. Andernfalls können vorhandene JSL-Skripte in der Produktion des Benutzers unerwartete Ergebnisse ohne Warnungen erzeugen und schwer zu erkennen sein.
Einige Referenzen können helfen, das aktuelle Verhalten zu verstehen:
1) JMP-Dokumentation. Grundlegende Analyse > Verteilungen > Starten Sie die Verteilungsplattform. https://www.jmp.com/support/help/en/15.0/jmp/launch-the-distribution-platform.shtml
2) FREQ-Anweisung und WEIGHT-Anweisung in der SAS Proc Univariate Documentation: https://support.sas.com/documentation/cdl/en/procstat/63104/HTML/default/procstat_univariate_sect012.htm https://support.sas.com/documentation/cdl/en/procstat/63104/HTML/default/procstat_univariate_sect021.htm