Gewichtung und Vorhersage in Stichprobenerhebungen

Eine grundlegende Technik in der Stichprobenerhebung ist es, die eingeschlossenen Einheiten mit dem Inversen ihrer Wahrscheinlichkeit der Einbeziehung zu gewichten, was bekannt (wie im Fall von Stichprobengewichten) oder geschätzt sein kann (wie im Fall von Nonresponse-Gewichten oder Post-Stratifizierung). Die Technik ist eng mit dem designbasierten Ansatz zur Umfrageinferenz verbunden, mit der Idee, dass Einheiten in der Stichprobe eine bestimmte Anzahl von Einheiten in der Population repräsentieren. Ich bespreche Gewichtung aus einer Modellierungsperspektive. Einige gängige Missverständnisse zur Gewichtung werden angesprochen, darunter die Vorstellung, dass Modellierer die Stichprobengewichte ignorieren können oder dass Gewichtung zwangsläufig die Verzerrung auf Kosten einer erhöhten Varianz reduziert, oder dass Einheiten, die in die Berechnung der Nonresponse-Gewichte eingehen, nach ihren Stichprobengewichten gewichtet werden sollten. Eine robuste modellbasierte Perspektive legt nahe, dass Selektionsgewichte nicht ignoriert werden können, aber es könnte bessere Möglichkeiten geben, sie in die Inferenz einzubeziehen als über den Standard-Horvitz-Thompson-Schätzer und dessen Varianten.