Izlases apsekojuma datu apstrāde neatbildētības gadījumā
Zusammenfassung
Darbā „Izlases apsekojuma datu apstrāde neatbildētības gadījumā” tiek izpētīta neatbildētības problēma mūsdienu pētījumos, un tiek pielietoti teorētiskie rezultāti praksē, pārbaudot dažādas datu apstrādes metodes neatbildētības gadījumā.
Darbā tiek aplūkotas divas metodes neatbildētības korekcijā – imputācija un svaru sistēmas veidošana. Detalizētāk tiek izskatītas divas imputācijas metodes – tuvākā kaimiņa metode un vidējās vērtības imputācija. Svaru sistēmas veidošanai izvēlēti uz palīgmainīgo vektoru kalibrēti novērtējumi, tajā skaitā arī vispārīgās regresijas (GREG) novērtējums.
Rezultātu sasniegšanai tiek konstruētas dažādas datu kopas – palīgmainīgie ar konkrētiem sadalījumiem un no tiem atkarīgie pētāmie mainīgie. Uz konstruētiem datiem tiek pielietotas iepriekš minētās metodes.
Atslēgvārdi: izlases apsekojums, neatbildētība, svēršana, imputācija, kalibrācijas novērtējums. In Diploma Paper „Sample survey data processing in case of nonresponse” is ascertained the problem of nonresponse in contemporary researches and theoretical results are used in practice by testing various data processing approaches in case of nonresponse.
In Diploma Paper are considered two methods of nonresponse corrections – imputation and reweighting. Two imputation methods are examined in details – nearest neighbour and respondent mean imputation. For reweighting are chosen estimators calibrated to the auxiliary vector, including the generalized regression (GREG) estimation.
For achieving the results are constructed different data sets – auxiliaries with certain distributions and study variables that depend on them. Described methods are applied on constructed data.
Keywords: sample survey, nonresponse, reweighting, imputation, calibration estimator.