설문조사 가중치 질문저는 설문 조사에서 얻은 일부 인구 조사 데이터로 작업하고 있습니다.다양한 그룹의 적절한 대표성을 보장하기 위해 상당히 복잡한 샘플링 방식을 사용한다는 점을 고려하면 가중치 변수가 있습니다.대화 상자의 가중치 상자에 가중치 변수를 입력하면 분포를 분석할 때 JMP가 가중 평균을 계산한다는 것을 알고 있습니다.JMP에서는 명목변수의 분포를 분석할 때 가중치변수를 무시한다는 것도 알고 있습니다.그러나 그 이유는 분명하지 않습니다.특히, 명목변수의 분포를 설명하는 올바른 방법이 무엇인지 궁금합니다.예를 들어, 두 개의 그룹이 있고 그룹 1이 전체 응답자의 40%를 구성한다고 가정합니다.그룹 1 변수가 전체 가중치의 60%를 갖는다고 가정합니다.분포 분석에서는 그룹 1의 40%가 표시됩니다. 빈도 상자에 가중치 변수를 넣으면 그룹 1이 전체의 50%를 구성하게 됩니다.그룹 1의 올바른 분수는 무엇입니까?원시 %입니까 아니면 가중치 빈도에 따라 가중치가 부여된 백분율입니까?그리고 후자라면 왜 Frequency 박스가 아닌 Weight 박스에 가중치를 넣어서 처리하지 않는 걸까요?
소비자 및 시장 조사데이터 탐색 및 시각화품질 및 프로세스 엔지니어링Re: 설문조사 가중치 질문토론을 용이하게 하기 위해 가중치 변수 W를 호출하겠습니다.
먼저, "가중치는 명목변수의 빈도로, 가중치는 연속변수의 빈도로 사용되어야 한다"는 귀하의 결론을 명확히 하고 싶습니다. 이는 배포 플랫폼에서 Freq 및 Weight를 어떻게 사용해야 하는지에 대한 올바른 결론이 아닙니다. Freq와 Weight의 역할을 설명했습니다. 요약하자면, Freq를 사용할지 Weight를 사용할지 결정하기 어려울 때 다음과 같은 제안을 드리고 싶습니다.
1) 대부분의 경우 Freq에서 W 변수를 사용합니다. 이 상황에서 W는 개별 관측치의 반복실험 횟수를 의미합니다.
2) 자신이 무엇을 하고 있는지 알고 있는 경우에만 Weight에 W 변수를 사용하십시오.
이제 W 변수로 돌아가 보겠습니다. 설명하신 대로 Freq나 Weight에 정확히 맞지 않습니다. W의 목적은 설문조사에서 다양한 선택 확률에 대응하는 것입니다. 모집단 비율과 추정치의 표준 오차를 모두 추정하는 데 관심이 있다고 가정해 보겠습니다. 사용할 올바른 도구는 SAS 프로시저 Proc SURVEYMEANS라고 생각합니다. 배포 플랫폼이 SAS 프로시저 Proc UNIVARIATE와 동일하다면 JMP에는 Proc SURVEYMEANS와 동일한 플랫폼이 없다고 생각합니다. 범주형 플랫폼을 확인했지만 동등하지 않다고 생각합니다.
따라서 나에게 있어 진정한 과제는 Distribution 플랫폼의 Freq 또는 Weight에 W를 넣는 것을 결정하는 것이 아니라 Proc SURVEYMEANS에 액세스할 수 있는 경우 결과를 복제하기 위해 Distribution에서 수행할 계산을 이해하는 것입니다. 이 시점에서 Freq에 W를 넣어 Distribution을 사용한 점 추정 계산이 Proc SURVEYMEANS의 추정을 복제한다는 것을 확인할 수 있습니다. 두 계산의 공식은 수학적으로 동일합니다. 그리고 당신 말이 맞습니다. 추정의 표준 오류를 재현할 수는 없습니다. 표준 오류 계산에 대한 자세한 내용은 Proc SURVEYMEANS 문서에서 확인할 수 있습니다.
Re: 설문조사 가중치 질문이를 더 명확하게 하기 위해 최근 설문 조사의 예를 들어 보겠습니다.가구 구성원 중 교육계획을 변경한 사람이 있는지 묻는 질문에는 응답자 10만9051명 중 5.3%가 그렇다고 답했다.분석에 가구 가중치를 추가해도 아무런 변화가 없습니다.가구 가중치를 빈도로 추가하면 121,520,180 가구의 4.8% 추정치가 제공됩니다.저는 4.8%가 정확한 추정치라고 생각합니다.물론 표준 오류는 틀릴 것입니다. 사실 표준 오류를 추정하는 쉬운 방법은 없다고 생각합니다.해당 목적을 위해 인구 조사에서 제공하는 80개의 반복 가중치를 사용해야 합니다.그러나 지금은 점추정에 대해서만 질문하고 있습니다. 그리고 왜 가중치를 명목 변수의 빈도로 사용하고 연속 변수(예: 가계 소득)의 가중치로 사용해야 하는지에 대해서만 질문하고 있습니다.나는 당신이 이 마지막 질문에 대답했다고 생각합니다(내 관점에서는 타당한 이유는 없지만 sas 사용자와 오래된 스크립트를 처리해야 하는 역사적인 이유가 있습니다).점추정에 관한 부분을 확인해주실 수 있나요?
Re: 설문조사 가중치 질문이는 인구조사국 설문조사의 가중치입니다.복잡한 계층화 샘플링 절차를 사용하기 때문에 가구 가중치는 응답 가구가 나타내는 가구 수를 나타냅니다.가구 자체는 단일 응답자이지만 해당 "유형"의 1000가구를 나타낼 수 있습니다.따라서 정확히 해당 응답을 가진 다른 응답자가 없다는 점에서 빈도 설명에 적합하지 않습니다.그러나 가중치로 사용되면 범주형 변수의 분포에서는 무시됩니다.따라서 예를 들어 특성 x를 가진 사람들의 %를 알고 싶다면 응답자의 %는 모집단의 %와 다를 것입니다. 그러나 이는 무작위 샘플링뿐만 아니라 사용된 샘플링 절차로 인해 발생합니다.우리는 가중치를 사용하고 싶은 것 같습니다. 그러나 특성 x의 %에 영향을 미치는 유일한 방법은 가중치가 아닌 빈도로 사용하는 것입니다.나는 이것이 점추정에 있어서는 맞다고 생각합니다. 그러나 아마도 표준오차를 추정하기 위해서는 그렇지 않을 것입니다.
Re: 설문조사 가중치 질문가중치 변수를 어디에 넣어야 할지 답하려면 가중치 변수가 무엇을 나타내는지 물어봐야 합니다. 가중치=2는 두 개의 동일한 설문조사 결과가 있다는 것을 의미합니까? 예를 들어 각 행이 데이터의 설문조사 결과를 의미하는 경우 두 사람이 모든 질문에 정확히 동일한 답변을 제공합니까? 그렇다면 가중치 변수는 "Freq"로 이동해야 합니다. "Freq"는 문자 그대로 동일한 관찰의 복사본 수를 의미합니다. 그렇지 않고 "가중치"에 할당하면 "가중치"가 관심 있는 통계에 어떤 영향을 미치는지 확인해야 합니다. 그리고 그것은 사례별로 다를 것입니다. 예를 들어, "Weight"에 가중치 변수를 입력하면 N은 데이터 테이블의 행 수가 됩니다. 평균은 "Freq"의 가중치 변수를 사용하여 평균과 동일합니다. 그러나 Std Dev는 "Freq"에서 가중치 변수를 사용하는 것과 다릅니다. "무게"는 공식에 "w_i"가 포함된 계산에 영향을 미칠 수 있습니다. 그러나 확실하게 하려면 개별 문서를 확인해야 합니다.
Freq와 Weight의 차이점을 설명하는 데 도움이 될 수 있는 두 가지 참고 자료가 더 있습니다. 둘 다 SAS 출신입니다. 그렇습니다. SAS는 초기에 JMP 플랫폼 설계에 큰 영향을 미쳤습니다.
https://blogs.sas.com/content/iml/2013/09/13/frequency-vs-weights-in-regression.html
https://support.sas.com/kb/22/600.html
"역사적 이유"에 대해서는 내 경험을 바탕으로만 말할 수 있습니다. 두 가지 이유를 알 수 있습니다.
1) "Freq"는 정수로만 사용되었습니다. JMP에서는 더 이상 사실이 아니지만 일부 SAS 절차에서는 여전히 그런 경우인 것 같습니다. 그리고 더 큰 값과 분수 값을 담을 수 있는 "Weight"를 추가함으로써 "Freq"를 사용했을 때 불가능했던 일부 계산이 가능해졌습니다.
2) "가중치"는 일부 통계 계산을 위한 클리버 트릭으로 사용될 수 있지만 데이터를 변경하지는 않습니다. 해당 SAS 블로그는 가중치 재조정을 통해 이상값을 처리하는 방법에 대한 좋은 예를 제공합니다. 내 경험에 따르면 이러한 트릭은 일반적으로 고전적인 방법론과 함께 개발되었습니다. 상황에 따라 가치가 있지만 수행하는 작업에는 주의가 필요합니다.
Re: 설문조사 가중치 질문내 질문에 답변해 주셔서 감사합니다. 하지만 귀하의 답변은 제게는 너무 이해하기 어렵습니다.JMP 문서는 도움이 되지 않았습니다. 단지 제가 질문에 언급한 내용만 나와 있을 뿐입니다.가중치는 연속형 변수에 사용될 수 있지만 명목형 변수에는 무시됩니다.나는 "역사적 이유"에 관한 귀하의 진술을 이해하지 못합니다.이것들은 무엇입니까?귀하가 제공한 다른 인용문에서 이것이 jmp가 아닌 sas와 관련이 있는 것으로 의심됩니다.저는 sas 사용자가 아니어서 잘 모르겠습니다.무슨 뜻인지 말해보세요.
더 중요한 것은, 설문조사 가중치가 있을 때 명목형 변수에 대해서는 빈도 역할로 캐스팅해야 하지만 연속형 변수에 대해서는 가중치 역할로 캐스팅해야 한다는 점을 확인하고 계십니까?그것이 내가 믿게 된 것입니다. 그러나 "역사적 이유"가 여전히 모호하더라도 이에 대한 확인을 부탁드립니다.
Re: 설문조사 가중치 질문혼란을 야기할 수 있는 현재의 행위는 주로 역사적인 이유에 기인합니다. 그리고 나는 그 행동이 영원히 그대로 유지되어야 한다고 믿습니다. 그렇지 않으면 사용자 프로덕션의 기존 JSL 스크립트가 경고 없이 감지하기 어려운 예상치 못한 결과를 생성할 수 있습니다.
일부 참고 자료는 현재 동작을 이해하는 데 도움이 될 수 있습니다.
1) JMP 문서. 기본 분석 > 분포 > 유통 플랫폼 실행. https://www.jmp.com/support/help/en/15.0/jmp/launch-the-distribution-platform.shtml
2) SAS Proc Univariate Documentation의 FREQ 문 및 WEIGHT 문: 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
