가중치는 일반적으로 주어진 표본이 목표 모집단을 대표하도록하는 것을 목표로한다는 것을 알고있을 것입니다. 표본에서 일부 속성 (예 : 성별, SES, 약물 유형)이 표본이 속한 모집단보다 잘 표현되지 않으면 가정 된 대상 모집단을 더 잘 반영하도록 성향 통계 단위의 가중치를 조정할 수 있습니다. .

RIM 가중치 (또는 갈퀴)는 표본 한계 분포를 이론적 한계 분포와 동일시한다는 의미입니다. 그것은 층화 후에 어떤 아이디어를 가지고 있지만 많은 공변량을 설명 할 수 있습니다. 이 유인물에서 Weighting Methods 에 대한 좋은 개요를 찾았으며 실제 연구에서 Raking Fire Data 사용에 대한 예제가 있습니다 .

성향 가중치는 예를 들어 설문에 응답 한 확률의 추정값을 사용하여 표본에서 응답자의 표본 추출 가중치를 증가시킴으로써 설문 조사에서 단위 무응답을 보상하는 데 사용됩니다. 이것은 실제로 관찰 임상 연구에서 치료 선택 편향을 조정하기 위해 성향 점수를 사용하는 것과 동일한 아이디어입니다. 외부 정보를 기반으로, 우리는 주어진 치료 그룹에 환자가 포함될 확률을 추정하고 가설을 세운 요인에 따라 가중치를 계산합니다. 치료 선택에 영향을 미칩니다. 다음은 더 나아가 야 할 몇 가지 사항입니다.

• 비 랜덤 설문 조사의 성향 점수 및 추정-개요
• 최근 대학 졸업생의 전국 조사에서 무응답에 대한 가중치 방법을 비교하기위한 시뮬레이션 연구
• 복잡한 측량 데이터의 성향 점수와 선형 회귀 분석 비교 .

일반적인 참조에 관해서는, 나는 제안 할 것이다

Kalton G, Flores-Cervantes I. 가중 방법. J. 끄기 통계 (2003) 19 : 81-97. http://www.jos.nu/에서 사용 가능

답변