Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2014 | OriginalPaper | Buchkapitel

Calibration Weighting When Model and Calibration Variables Can Differ

verfasst von : Phillip S. Kott

Erschienen in: Contributions to Sampling Statistics

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Calibration weighting is an easy-to-implement yet powerful tool for reducing the standard errors of many population estimates derived from a sample survey by forcing the weighted sums of certain “calibration” variables to equal their known (or better-estimated) population totals. Although originally developed to reduce standard errors, calibration weighting can also be used to reduce or remove selection biases resulting from unit nonresponse. To this end, nonrespondents are usually assumed to be “missing at random,” that is, the response mechanism is assumed to be a function of calibration variables with either known values in the entire sample or known population totals. It is possible, however, to use calibration-weighting to compensate for unit nonresponse when response is a function of model variables that need not be calibration variables; in fact, some model variables can have values known only for respondents. We will explore some recent findings connected with this methodology.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Nächstes Kapitel M-Quantile Small Area Models for Measuring Poverty at a Local Level
Literatur
Andridge, R.R., Little, R.J.A.: Proxy pattern-mixture analysis for survey nonresponse. J. Off. Stat. 27, 153–180 (2011)
Bang, H., Robins, J.M.: Doubly robust estimation in missing data and causal inference models. Biometrics 61, 962–972 (2005)CrossRefMATHMathSciNet
Chang, T., Kott, P.S.: Using calibration weighting to adjust for nonresponse under a plausible model. Biometrika 95, 557–571 (2008)MathSciNet
D’Arrigo, J., Skinner, C.J.: Linearization variance estimation for generalized raking estimators in the presence of nonresponse. Surv. Methodol. 36, 181–192 (2010)
Deville, J.C., Särndal, C.E.: Calibration estimators in survey sampling. J. Am. Stat. Assoc. 87, 376–382 (1992)CrossRefMATH
Deville, J.C.: Generalized calibration and application to weighting for non-response. In: COMPSTAT: Proceedings in Computational Statistics, 14th Symposium, Utrecht, Physica Verlag, Heidelberg (2000)
Folsom, R.E.: Exponential and logistic weight adjustments for sampling and nonresponse error reduction. In: Proceedings of the American Statistical Association, Social Statistics Section, pp. 197–202 (1991)
Folsom, R.E., Singh, A.C.: The generalized exponential model for sampling weight calibration for extreme values, nonresponse, and poststratification. In: Proceedings of the American Statistical Association, Survey Research Methods Section, pp. 598–603 (2000)
Fuller, W.A., Loughin, M.M., Baker, H.D.: Regression weighting for the 1987–88 National Food Consumption Survey. Surv. Methodol. 20, 75–85 (1994)
Kim, J.K., Park, H.: Imputation using response probability. Can. J. Stat. 34, 1–12 (2006)CrossRef
Kim, J.K., Riddles, M.: Some theory for propensity scoring adjustment estimator. Surv. Methodol. 38, 157–165 (2012)
Kim, J.K., Shao, J.: Statistical Methods for Handling Incomplete Data. Chapman and Hall/CRC, London (2013)
Kott, P.S.: Using calibration weighting to adjust for non-response and coverage errors. Surv. Methodol. 32, 133–142 (2006)
Kott, P.S.: Calibration weighting: combining probability samples and linear prediction models. In: Pfeffermann, D., Rao, C.R. (eds.) Handbook of Statistics: Sample Surveys: Inference and Analysis, vol. 29B. Elsevier, New York (2009)
Kott, P.S., Chang, T.C.: Using calibration weighting to adjust for nonignorable unit nonresponse. J. Am. Stat. Assoc. 105, 1265–1275 (2010)CrossRefMathSciNet
Kott, P.S., Liao, D.: Providing double protection for unit nonresponse with a nonlinear calibration-weighting routine. Surv. Res. Methods 6, 105–111 (2012)
Kott, P.S., Liao, D.: One step or two? Calibration weighting from a complete list frame with nonresponse. Surv. Methodol. (2014, forthcoming)
Lesage, E., Haziza, D.: On the problem of bias and variance amplification of the instrumental calibration estimator in the presence of unit nonresponse. J. Surv. Stat. Methodol. (2014) (forthcoming)
Lundström, S., Särndal, C.E.: Calibration as a standard method for treatment of nonresponse. J. Off. Stat. 15, 305–327 (1999)
RTI: SUDAAN Language Manual, Release 11.0. RTI International, Research Triangle Park, NC (2012)
Metadaten
Titel
Calibration Weighting When Model and Calibration Variables Can Differ
verfasst von
Phillip S. Kott
Copyright-Jahr
2014
Buch
Contributions to Sampling Statistics

Print ISBN: 978-3-319-05319-6

Electronic ISBN: 978-3-319-05320-2

Copyright-Jahr: 2014

DOI
https://doi.org/10.1007/978-3-319-05320-2_1