초록 비확률 샘플은 생의학 연구, 교육 연구 및 비즈니스 조사와 같은 다양한 분야에서 널리 사용되고 있으며, 이는 응답률의 감소와 이러한 샘플을 활용하는 데 있어 비용 효율성과 편리함이라는 증가하는 문제와 관련이 있습니다. 그러나 적절한 조정 없이 비확률 샘플에서 파생된 순진한 추정치에 의존하면 연구 결과에 편향이 생길 수 있습니다. 이 문제를 해결하기 위해 확률 및 비확률 샘플의 정보를 통합하는 데이터 통합 방법론이 선정 편향을 완화하는 데 효과적임이 입증되었습니다. 그럼에도 불구하고 이러한 방법의 효율성은 모델의 기본 가정에 달려 있습니다. 본 논문에서는 반매개변수 분위수 회귀 기반의 대량 임퓨테이션(Mass-Imp.) 접근 방식과 비확률 샘플의 참여 확률에 대한 비모수 추정기를 통합하는 두 번 강건한 접근 방식을 포함한 혁신적이고 강력한 데이터 통합 접근 방식을 소개합니다. 우리가 제안하는 방법론은 모델 미특정 및 이상값과 관련하여 기존의 매개변수 접근 방식에 비해 더 큰 강건성을 보여줍니다. 우리의 제안된 추정기에 대한 분산 추정기를 포함한 이론적 결과가 마련되었습니다. 포괄적인 시뮬레이션 연구 및 실제 적용을 통해 우리의 연구 결과는 제안된 추정기가 유효한 통계적 추론을 촉진하는 데 있어 유망한 성과를 보여줍니다. 이 연구는 비확률 샘플을 처리하기 위한 강력한 방법론의 발전에 기여하여 다양한 영역에서 연구 결과의 신뢰성과 유효성을 향상시킵니다.
Berg 외(2023)는 이 문제를 연구했습니다.