MerQuR+Başvuru Kitabı

95. Ağırlıklı Toplam (Karmaşık Örneklem)

Analiz kimliği: survey_total · Menü adı: Ağırlıklı Toplam (Karmaşık Örneklem) · Panel: gui/panels/analyses/survey_total.py (form 44–97, execute 99–124) · Ortak seçenekler: gui/panels/analyses/_survey_extras_ui.py (18–46, 292–372) · Motor: stats/survey_design.py, run_survey_total (1482–1587), Taylor çekirdeği _taylor_meat (443–487), metin format_total_text (2505–2544) · Çağıran: stats_panel.py:8126–8165

Bu bölüm Bölüm 93'teki karmaşık örneklem kuramını (tasarım öğeleri, Taylor varyansı, tasarım sd'si, domain kestirimi, FPC) kullanır ve yalnız toplama özgü noktaları anlatır. Toplam, ortalamadan daha basit bir kestiricidir: ağırlıklarla genişletilmiş bir toplamdır, doğrusallaştırma gerektirmez.

95.1 Ne işe yarar

Ağırlıklı Toplam, karmaşık örneklemden bir sayısal değişkenin evren toplamını ve tasarıma dayalı SH'sini kestirir. Cevapladığı soru şudur: "Örneklemdeki her birim evrende w_i birimi temsil ediyorsa, evrendeki toplam ne kadardır?" Örnekler: ildeki toplam diyabetli hasta sayısı, bölgedeki toplam sulak alan, hanehalklarının toplam sağlık harcaması.

Y=\sum_{i\in U}y_i,\qquad \hat Y=\sum_{i\in s}w_i\,y_i
  • Y: evren toplamı; \hat Y onun Horvitz–Thompson kestirimi (çıktıda T̂).
  • w_i=1/\pi_i: evren genişletme ağırlığı; \sum w_i evren büyüklüğünü kestirir.

Ne zaman kullanılır? Ağırlıklar evren genişletme ağırlığıysa (her birimin evrende kaç birimi temsil ettiğini gösteriyorsa) ve hedef bir toplamsa: sayım, alan, tutar.

Ne zaman kullanılmaz?

  • Ağırlıklar göreli ise (\sum w\approx n): toplam, evren toplamı değil, örneklem ölçeğinde bir sayıdır. Ortalama ya da oran isteniyorsa Ağırlıklı Ortalama (Karmaşık Örneklem) kullanılmalıdır; evren büyüklüğü biliniyorsa ortalama \times N hesaplanabilir.
  • Hedef kategorikse ve kategori sayıları isteniyorsa: Ağırlıklı Frekans (Karmaşık Örneklem) içinde "Ağırlıklı frekanslar" ek çıktısı (her kategori göstergesinin toplamı).
  • İki toplamın oranı isteniyorsa (kişi başına harcama): Ağırlıklı Ortalama'daki Oran kestirimi (Y / X) ek çıktısı; iki ayrı toplamı bölmek SH'yi vermez.

Sık karıştırılan analizler. Ortalama ile toplam arasındaki ilişki \hat{\bar Y}=\hat Y/\hat N'dir. Ortalama ağırlıkların ölçeğinden bağımsızdır, toplam değildir. Ağırlıkları 2 ile çarpmak ortalamayı değiştirmez, toplamı iki katına çıkarır.

95.2 Varsayımlar ve veri türü

Tasarım varsayımları, eksik değer davranışı ve uç durumlar Bölüm 93.2 ile aynıdır. Toplama özgü ek nokta şudur:

Varsayım Ne demek MerQur'da nasıl denetlenir
Ağırlıklar evren genişletme ağırlığı \sum w evren büyüklüğünü kestirir. Ağırlık seçilmediğinde ya da \sum w\approx n (göreli ağırlık) olduğunda toplam yine hesaplanır, ama "evren toplamı değildir" uyarısı verilir.
Hedef sayısal Toplanacak değişken sayıdır. Sayısal olmayan sütun reddedilir (stats_panel.py:8135–8138).

Eksik değer. Hedefte eksik olan gözlem domain dışı sayılır (z_i=0); toplam yalnız geçerli değerlerden oluşur, tasarım korunur (survey_design.py:1528–1543). Bu, R svytotal(na.rm = TRUE) ile aynıdır. Eksik değerli birimler evrende 0 değerli sayılmış olur; çıktı bu aşağı yanlılığı notla belirtir. Eksiklik yaygınsa toplam aşağı yanlı olur; ortalamada böyle bir yanlılık yoktur.

95.3 Parametreler

Form survey_total.py:44–97. Ortalama formundan farkı: DEFF paydası seçeneği yoktur; DEFF Otomatik kuralla (FPC yoksa iadeli, varsa iadesiz; Bölüm 93.5.5) hesaplanır. Oran ve yüzdelik ek çıktıları yalnız ortalamada vardır.

Arayüz adı Varsayılan Ne yapar Sonucu nasıl değiştirir
Ağırlık: (yok) Evren genişletme ağırlığı; isteğe bağlı. Toplamın ölçeğini belirler. (yok) seçilirse toplam örneklem toplamıdır.
Tabaka: · Küme / PSU: (yok) Bölüm 93.3. SH ve sd.
FPC (popülasyon): (yok) Tabaka evren büyüklüğü N_h (> 1) ya da oran f_h (≤ 1). Tabaka katkısını (1-f_h) ile küçültür.
Alt grup (by): (yok) Domain toplamları. Ek satırlar.
Hedef değişken(ler): — Bir ya da daha çok sayısal değişken. Her biri ayrı satır.
Güven Düzeyi %95 GA düzeyi. GA.
Ek çıktılar: Ağırlıksız n ve ağırlık toplamı (N̂) kapalı Değişken (ve domain) başına n ve \sum w. Ek tablo; ağırlıkların evren genişletme ağırlığı olup olmadığını denetlemeye yarar.
Ek çıktılar: Domainler arası farklar (kontrast) kapalı Domain toplamları arasındaki fark ve tasarım SH'si. Ek tablo; Alt grup gerekir.
Tek PSU'lu tabaka · Varyans yöntemi: certainty · Taylor Bölüm 93.3.

Ağırlıksız tasarım ve toplam. Ağırlık "(yok)" seçildiğinde her gözlem 1 ağırlık alır (survey_total.py:112–113). Ortalamada bu, eşit olasılıklı tasarım demektir ve anlamlıdır. Toplamda ise sonuç örneklemin kendi toplamıdır. Evrenin büyüklüğü hiçbir yerden girmez. Tıp örneğinde ağırlıksız toplam 160225'tir, ağırlıklı toplam ise 727848'dir. Bu çıktı ancak bir tam sayım (her birimin seçildiği tasarım) için anlamlıdır. MerQur bu durumda ayar bloğuna "tüm ağırlıklar 1 (ağırlıksız tasarım)" yazar ve "T̂ örneklem toplamıdır, evren toplamı değildir" uyarısını verir. Ağırlıkların toplamı n'ye yakınsa (göreli ağırlık) aynı uyarı \sum w/n değeriyle verilir.

95.4 Tıp örneği

Dosya: english/datasets/Tip/80_survey_total_diabetes_prediction.xlsx (Türkçe kopya samples/Tum_Analiz_Tip/80_survey_total_diabet_tahmin.xlsx). Değişkenler VIDEO_SCRIPT_TR.txt #80 ve SUNUMLAR_TR/80_survey_total_diabetes_prediction_TR.pptx ile aynıdır.

Değişken Rol Tür Açıklama
diabetes_patient_count Hedef sayım Sağlık kurumundaki kayıtlı diyabetli hasta sayısı
weight Ağırlık sürekli Tabaka içinde sabit: L-large 2, M-medium 6, S-small 12
size_stratum Tabaka 3 düzey Kurum büyüklüğü
health_institution_id kullanılmaz
Tabaka n_h w_h \hat N_h=w_hn_h \bar y_h s_h
L-large 45 2 90 1797,8 303,357
M-medium 110 6 660 584,609 88,561
S-small 125 12 1500 120,136 29,705

n ve eksik değer: 280 kurum, eksik değer yok, küme yok. \sum w=2250: ağırlıklar evren genişletme ağırlığıdır, evrende 2250 kurum olduğu kestirilir. Büyük kurumların yarısı, küçük kurumların on ikide biri örneklenmiştir.

Klinik soru: Bölgedeki tüm sağlık kurumlarında kayıtlı toplam diyabetli hasta sayısı nedir?

Seçilen ayarlar: Ağırlık weight, tabaka size_stratum, %95. Ek çalıştırmalar: tabakasız; FPC; ağırlıksız; Alt grup = size_stratum.

FPC örneği. Veride FPC sütunu yoktur. Ağırlıklar tabaka içinde N_h/n_h olduğu için tabaka evren büyüklüğü N_h=\sum_{i\in h}w_i ile türetilmiş ve N_h adlı bir sütun olarak eklenmiştir (yalnız doğrulama betiğinde, bellekte). Örnekleme oranları L 0,5, M 0,1667, S 0,0833'tür.

Şekil 95.1. Sol: tabaka toplamlarının kestirimi (\hat N_h\bar y_h). Sağ: toplamın SH'si; tabakasız, tabakalı ve tabakalı + FPC tasarımda.

95.5 Formüller ve hesap adımları

Hesap sırası Bölüm 93.5'teki gibidir. Fark, doğrusallaştırılmış değişkenin doğrudan ağırlıklı değer olmasıdır.

95.5.1 Horvitz–Thompson toplamı ve varyansı

\hat Y=\sum_i w_iy_i,\qquad z_i=w_iy_i
\widehat V(\hat Y)=\sum_{h=1}^{H}\left(1-f_h\right)\frac{n_h}{n_h-1}\sum_{j=1}^{n_h}\left(z_{hj}-\bar z_h\right)^2,\qquad z_{hj}=\sum_{i\in(h,j)}w_iy_i
  • z_i: gözlemin evren toplamına katkısı.
  • z_{hj}, \bar z_h, f_h, n_h: Bölüm 93.5.3'teki gibi; PSU toplamları ve tabaka ortalamaları.
  • Domain toplamında z_i=w_i\,\delta_{di}\,y_i olur ve tasarım korunur (_domain_taylor, kind = "total", 723–725).

Neden toplamda doğrusallaştırma gerekmiyor?

\hat Y zaten w_iy_i değerlerinin doğrusal toplamıdır. Taylor açılımı birinci dereceden terimde kesindir; z_i=w_iy_i olur ve yaklaşım hatası yoktur. Ortalama ise bir oran olduğundan doğrusallaştırılmalıdır. Bu yüzden toplamın SH'si küçük örneklemde de ortalamanınkinden daha az yaklaşık bir sayıdır. Yaklaşık kalan tek varsayım iadeli PSU seçimi ve t dağılımıdır.

Küme yoksa ve ağırlık tabaka içinde sabitse (w_h=N_h/n_h) klasik tabakalı toplam formülü elde edilir (Cochran 1977):

\widehat V(\hat Y)=\sum_h N_h^2\,\frac{s_h^2}{n_h}\left(1-f_h\right)

95.5.2 Sd, GA ve CV

\sd=\#\text{PSU}-H,\qquad \hat Y\pm t_{1-\alpha/2,\,\sd}\cdot\SH,\qquad \text{CV}=\frac{\SH}{\hat Y}

%95'te GA svy kütüphanesinden gelir, öteki düzeylerde apply_svy_extras aynı formülle yeniden kurar (_survey_extras_ui.py:304–313). CV sonuç metninde ve Tablo sekmesindeki CV sütununda yazılır (format_total_text).

Koddaki tercih: toplamda DEFF

Toplam da ortalama ve frekans gibi DEFF/DEFT verir (_deff_total). Paydası R svytotal(deff = ) tanımıdır: \widehat V_{\text{BRÖ}}(\hat Y)=\hat N^2 s^2/n, iadesiz paydada (1-f) ya da (\hat N-n)/\hat N çarpanıyla; \hat N=\sum w (alanda alanın toplamı). Payda türü K11 kuralıyla seçilir: FPC yoksa iadeli, varsa iadesiz.

95.5.3 FPC

FPC verildiğinde her tabakanın katkısı (1-f_h) ile çarpılır (_taylor_meat, 469–470). f_h hesaplanırken n_h tabakadaki örneklenmiş PSU sayısıdır (_f_h, 418–425). FPC değerleri tabakanın evren büyüklüğü N_h olarak girilmişse f_h=n_h/N_h olur; tümü ≤ 1 ise doğrudan oran sayılır. Biçim kuralları Bölüm 93.5.7'dedir.

Neden FPC toplamda önemli?

Evren genişletme ağırlıkları kullanılan, tabakalardan büyük oranda örnek çekilen kurumsal anketlerde (büyük kurumların yarısı gibi) iadeli varsayım varyansı belirgin biçimde büyük kestirir. Bir tabakanın tamamı örneklenmişse (f_h=1, tam sayım) o tabakanın örnekleme hatası yoktur. FPC verilmezse bu tabaka yine de varyansa katkı verir. Kişi anketlerinde f_h genellikle çok küçüktür ve FPC ihmal edilebilir.

95.6 Elle hesap: Tıp verisinde sayısal yürüyüş

Değerler dogrulama/survey_means/elle_hesap.py (total() işlevi) ile hesaplanmıştır; çıktı dogrulama/survey_total/elle_survey_total.json.

Adım 1 — Tabaka toplamları.

\hat Y_L=2\times45\times1797{,}8=161802,\qquad \hat Y_M=6\times110\times584{,}609091=385842,\qquad \hat Y_S=12\times125\times120{,}136=180204
\hat Y=161802+385842+180204=727848

Adım 2 — Tabaka katkıları (FPC'siz). N_h^2s_h^2/n_h:

\begin{gathered}L:\ \frac{90^2\times303{,}356796^2}{45}=16564562{,}18,\qquad M:\ \frac{660^2\times88{,}560983^2}{110}=31058468{,}59\\[4pt]S:\ \frac{1500^2\times29{,}705366^2}{125}=15883357{,}94\end{gathered}
\widehat V=63506388{,}70,\qquad \SH=7969{,}0896

En büyük katkı orta büyüklükteki kurumlardan gelir. Tabaka içi SS küçük olsa da evren büyüklüğü (660) ve ağırlık (6) katkıyı büyütür.

Adım 3 — sd, GA ve CV. \sd=280-3=277, t_{0{,}975;\,277}=1{,}968565:

727848\pm1{,}968565\times7969{,}0896=727848\pm15687{,}67\ \Rightarrow\ [712160{,}33;\ 743535{,}67],\qquad \text{CV}=0{,}010949

Adım 4 — FPC ile. f_L=45/90=0{,}5, f_M=110/660=0{,}166667, f_S=125/1500=0{,}083333:

\widehat V_{\text{FPC}}=0{,}5\times16564562{,}18+0{,}833333\times31058468{,}59+0{,}916667\times15883357{,}94=48724083{,}02
\SH=6980{,}2638,\qquad \%95\ \text{GA}=[714106{,}90;\ 741589{,}10]

FPC varyansı %23 azaltır. Bunun yarısından çoğu, yarısı örneklenmiş büyük kurumlar tabakasından gelir.

Adım 5 — Tabakasız. Aynı ağırlıklarla tek tabaka: \SH=19157{,}07, sd 279, GA [690137{,}24;\ 765558{,}76]. Tabakasız varyans tabakalının 5,8 katıdır. Kurum büyüklükleri arasındaki dev fark (ortalama 120 ile 1798 hasta) tabakasız tasarımda örnekleme hatası sayılır.

Adım 6 — Ağırlıksız. Ağırlık "(yok)", tabaka korunarak: \hat Y=160225 (örneklemdeki 280 kurumun toplam hasta sayısı), \SH=2261{,}45, GA [155773{,}18;\ 164676{,}82]. Bu sayı evren toplamı değildir; ağırlıklı kestirimin %22'si kadardır.

Adım 7 — Alt grup (by = size_stratum). Domain tabakayla çakıştığı için her domain toplamının SH'si o tabakanın katkısının kareköküdür: L 161802 (SH 4069,96), M 385842 (SH 5573,01), S 180204 (SH 3985,39).

Adım 8 — DEFF. \hat N=\sum w=2250, ağırlıklı ortalama 323{,}488, ağırlıklı varyans s_w^2=141480{,}3439:

\widehat V_{\text{BRÖ}}^{\text{iadeli}}=\frac{2250^2\times141480{,}3439}{280}=2558015147,\qquad \text{DEFF}=\frac{63506388{,}70}{2558015147}=0{,}024826,\qquad \text{DEFT}=0{,}157564

FPC verilmediği için Otomatik payda iadelidir. DEFF'in 1'in çok altında olması, tabakalamanın kurum büyüklüğü farkını varyanstan çıkardığını gösterir. FPC verildiğinde payda iadesizdir: f=280/2250=0{,}124444 ile DEFF 0{,}021755 olur. Tabakasız tasarımda DEFF 0{,}143468'dir. Alt gruplarda domain tabakayla çakıştığı için DEFF üçünde de 1'dir.

95.6.1 Doğrulama: MerQur, Python ve R

MerQur değerleri execute() sonuç nesnesinden (merqur_calistir.py, total(); çıktı dogrulama/survey_total/merqur_survey_total.json) alınmıştır. R tarafında svydesign(ids = ~1, strata = ~size_stratum, weights = ~weight, fpc = ~N_h), svytotal(deff = "replace" / TRUE), svyby(..., svytotal), confint(df = degf()) ve cv kullanılmıştır. Ağırlıksız tasarım R'de ağırlık verilmeden kurulmuştur ("assuming equal probability"). Ölçüt 10^{-6}'dır (büyük değerlerde göreli).

Büyüklük MerQur Python (bağımsız) R 4.5.3 (survey 4.5) En büyük fark Durum
Tabakalı (varsayılan): \hat T 727848 727848 727848 0,0e+00 ✓
Tabakalı (varsayılan): SH 7969,089578 7969,089578 7969,089578 1,0e−11 ✓
Tabakalı (varsayılan): GA alt 712160,328805 712160,328805 712160,328805 3,6e−09 ✓
Tabakalı (varsayılan): GA üst 743535,671195 743535,671195 743535,671195 3,6e−09 ✓
Tabakalı (varsayılan): DEFF (iadeli, otomatik) 0,024826 0,024826 0,024826 5,9e−17 ✓
Tabakalı (varsayılan): DEFT 0,157564 0,157564 0,157564 1,9e−16 ✓
Tabakalı (varsayılan): CV 0,010949 0,010949 0,010949 4,2e−17 ✓
Tabakalı (varsayılan): tasarım sd 277 277 277 0,0e+00 ✓
Tabakalı + FPC: \hat T 727848 727848 727848 0,0e+00 ✓
Tabakalı + FPC: SH 6980,263822 6980,263822 6980,263822 9,1e−12 ✓
Tabakalı + FPC: GA alt 714106,896626 714106,896626 714106,896626 3,4e−09 ✓
Tabakalı + FPC: GA üst 741589,103374 741589,103374 741589,103374 3,4e−09 ✓
Tabakalı + FPC: DEFF (iadesiz, otomatik) 0,021755 0,021755 0,021755 5,9e−17 ✓
Tabakasız: \hat T 727848 727848 727848 0,0e+00 ✓
Tabakasız: SH 19157,073064 19157,073064 19157,073064 3,6e−12 ✓
Tabakasız: GA alt 690137,241778 690137,241778 690137,241778 8,3e−09 ✓
Tabakasız: GA üst 765558,758222 765558,758222 765558,758222 8,3e−09 ✓
Tabakasız: DEFF (iadeli, otomatik) 0,143468 0,143468 0,143468 1,7e−16 ✓
Ağırlıksız: \hat T 160225 160225 160225 0,0e+00 ✓
Ağırlıksız: SH 2261,454594 2261,454594 2261,454594 3,6e−12 ✓
Ağırlıksız: GA alt 155773,179532 155773,179532 155773,179532 5,5e−10 ✓
Ağırlıksız: GA üst 164676,820468 164676,820468 164676,820468 5,5e−10 ✓
Ağırlıksız: DEFF (iadeli, otomatik) 0,051909 0,051909 0,051909 1,7e−16 ✓
Alt grup L-large: \hat T_d 161802 161802 161802 0,0e+00 ✓
Alt grup L-large: SH 4069,958499 4069,958499 4069,958499 5,9e−12 ✓
Alt grup L-large: DEFF (iadeli) 1,000000 1,000000 1 3,1e−15 ✓
Alt grup M-medium: \hat T_d 385842 385842 385842 0,0e+00 ✓
Alt grup M-medium: SH 5573,012524 5573,012524 5573,012524 1,0e−11 ✓
Alt grup M-medium: DEFF (iadeli) 1,000000 1,000000 1 3,9e−15 ✓
Alt grup S-small: \hat T_d 180204 180204 180204 0,0e+00 ✓
Alt grup S-small: SH 3985,393072 3985,393072 3985,393072 3,2e−12 ✓
Alt grup S-small: DEFF (iadeli) 1,000000 1 1 3,3e−16 ✓

Sonuç: 32 büyüklüğün tamamı ölçütü karşılar; göreli farklar 10^{-13} ya da daha küçüktür. DEFT satırında R değeri \sqrt{\text{DEFF}} olarak alınmıştır.

95.7 Çıktıyı okuma

Karmaşık Anket — Ağırlıklı Toplam (Taylor SE)
  N (gözlem)     = 280
  PSU sayısı     = 280 (küme yok: her gözlem bir PSU)
  Tabaka sayısı  = 3
  Tasarım df     = 277

  diabetes_patient_count   T̂ = 727,848.00   SE = 7,969.09   %95 GA = [712,160.33, 743,535.67]   CV =  %1.09

Tasarım etkisi (DEFF = tasarım varyansı / BRÖ varyansı, DEFT = √DEFF)
  BRÖ paydası: iadeli, FPC'siz
  (Payda otomatik seçildi: sonlu evren düzeltmesi verilmediği için referans iadeli basit rastgele örneklemdir.)
  diabetes_patient_count   DEFF =   0.0248   DEFT =   0.1576

── APA 7 ÖZET ──
  diabetes_patient_count: T = 727,848.00, SE = 7,969.09, %95 GA [712160.33, 743535.67]
N = 280
Satır Ne yazar Nasıl yorumlanır
T̂ Horvitz–Thompson toplamı Ağırlıkların ölçeğinde evren toplamı. Binlik ayırıcı olarak İngilizce virgül kullanılır.
SE, %95 GA Taylor SH ve t(sd) GA Ağırlıklar göreliyse anlamsızdır.
APA satırı T, SE, GA GA sınırları binlik ayırıcısız yazılır; nokta ondalık ayırıcıdır.
CV SH / toplam Metinde ve Tablo sekmesinde.
DEFF, DEFT Toplamın tasarım etkisi ve paydası Ortalamadaki gibi okunur (Bölüm 93.7).

APA biçiminde rapor cümlesi (Türkçe ondalıkla):

Kurum büyüklüğüne göre tabakalanmış örneklemden (n=280 kurum; tahmini evren 2250 kurum; tasarım sd = 277), bölgedeki toplam kayıtlı diyabetli hasta sayısı 727848 olarak kestirildi (Taylor SH = 7969,09; %95 GA [712160; 743536]; CV = %1,09). Tabaka evren büyüklükleriyle sonlu evren düzeltmesi uygulandığında SH 6980,26'ya, %95 GA [714107; 741589]'a daraldı.

95.8 Uzman soruları

S1. Toplam neden ağırlıkların ölçeğine duyarlı, ortalama değil?

\hat{\bar Y}=\sum wy/\sum w ağırlıkları bir sabitle çarpmaktan etkilenmez; \hat Y=\sum wy ise o sabitle çarpılır. Göreli (normalize) ağırlıklar ortalama ve oran için yeterlidir, toplam için yeterli değildir. Ek çıktılardaki \sum w satırı, ağırlıkların evren büyüklüğüyle tutarlı olup olmadığını denetlemenin en kısa yoludur.

S2. Ağırlık seçmezsem MerQur ne verir? Uyarı var mı?

Ağırlık isteğe bağlıdır; "(yok)" seçilirse her gözlem 1 ağırlık alır (survey_total.py:112–113) ve toplam örneklem toplamıdır (Tıp örneğinde 160225). R svytotal de ağırlıksız tasarımda aynı sayıyı verir. MerQur uygulanan ayarı ayar bloğuna yazar ve "T̂ örneklem toplamıdır, evren toplamı değildir" uyarısını verir; göreli ağırlıkta (\sum w\approx n) da aynı uyarı çıkar. Ağırlıksız toplam yalnız tam sayımda anlamlıdır.

S3. FPC'yi oran olarak mı, büyüklük olarak mı girmeliyim?

İkisi de olur. Değerlerin tümü ≤ 1 ise örnekleme oranı f_h sayılır ve N_h=n_h/f_h'ye çevrilir (_fpc_rate_to_popsize, 620–650). Herhangi biri > 1 ise ve hepsi ≥ 1 ise evren büyüklüğüdür. Karışık girilirse ya da hepsi tam 1 ise MerQur durur. R svydesign(fpc = ) aynı kuralı izler. Kümeli tasarımda büyüklük PSU sayısıdır.

S4. Bir tabaka tamamen örneklendiyse (f_h=1) ne olur?

O tabakanın katkısı (1-f_h)=0 ile çarpılır ve varyansa girmez; tabaka bir tam sayımdır. R de aynı sonucu verir. FPC verilmezse bu tabaka iadeli varsayımla katkı vermeye devam eder ve SH gereğinden büyük çıkar.

S5. Hedefte eksik değer olan kurumlar toplamı nasıl etkiler?

Eksik değerli gözlemler domain dışı sayılır; toplam yalnız geçerli değerlerden oluşur (survey_design.py:1528–1543). Bu, eksik birimlerin evrendeki karşılığını 0 saymak demektir ve toplam aşağı yanlı olur; MerQur çıktıda bunu notla belirtir. Ortalamada bu sorun yoktur. Eksiklik rastgele ise "ortalama × \hat N" ya da yanıtsızlık ağırlık düzeltmesi daha uygundur. R svytotal(na.rm = TRUE) aynı tanımı kullanır.

S6. Toplamın DEFF'i ortalamanınkiyle neden aynı değil?

Toplamın DEFF paydası BRÖ'de \hat N^2s^2/n'dir (R svytotal(deff = ) tanımı); ortalamanınki s^2/n'dir. Tasarım varyansları da farklı oluşur: toplamda ağırlık toplamının belirsizliği de varyansa girer, oran kestiricisi olan ortalamada büyük ölçüde sadeleşir. Bu yüzden iki DEFF genel olarak aynı sayı değildir; her biri kendi kestiricisinin verimliliğini anlatır. Payda türü iki çıktıda da K11 kuralıyla seçilir (FPC yoksa iadeli).

95.9 Sık hatalar ve tuzaklar

  • Göreli ağırlıkla toplam almak. \sum w\approx n ise sonuç evren toplamı değildir. Ek çıktılardaki \sum w satırını kontrol edin.
  • Ağırlık seçmeden toplam almak. "(yok)" seçeneği ortalamada anlamlıdır; toplamda örneklem toplamını verir (MerQur uyarır).
  • Eksik değerli birimleri unutmak. Domain yaklaşımı eksikleri 0 sayar; toplam küçülür.
  • FPC'yi kişi sayısı olarak girmek (kümeli tasarımda). N_h evrendeki PSU sayısıdır.
  • İki toplamın oranını elle hesaplamak. SH'si bulunamaz; Ağırlıklı Ortalama'daki "Oran kestirimi (Y / X)" ek çıktısını kullanın.
  • Binlik ayırıcıyı ondalık sanmak. Metin 727,848.00 yazar; bu yediyüz yirmi yedi bindir.

95.10 Kaynaklar

  • Cochran, W. G. (1977). Sampling techniques (3. baskı). Wiley.
  • Horvitz, D. G., & Thompson, D. J. (1952). A generalization of sampling without replacement from a finite universe. Journal of the American Statistical Association, 47(260), 663–685. https://doi.org/10.1080/01621459.1952.10483446
  • Lumley, T. (2004). Analysis of complex survey samples. Journal of Statistical Software, 9(8), 1–19. https://doi.org/10.18637/jss.v009.i08
  • Lumley, T. (2010). Complex surveys: A guide to analysis using R. Wiley. https://doi.org/10.1002/9780470580066