सर्वेक्षण भार कैलकुलेटर

उत्तरदाता डेटा को ज्ञात जनसंख्या मार्जिन के अनुसार रेक करें, फिर प्रत्येक अंतिम भार, लक्षित अवशेष और प्रभावी नमूना आकार की जांच करें।

नमूना और लक्ष्य

उत्तरदाता डेटाएक हेडर और अधिकतम 20,000 उत्तरदाता पंक्तियाँ (2,000,000 वर्ण) पेस्ट करें। टैब, अर्धविराम और CSV अल्पविराम काम करते हैं; संख्याएँ बिंदु दशमलव का उपयोग करती हैं।

जनसंख्या मार्जिन (%)चर, श्रेणी और लक्षित प्रतिशत (0%–100%) का उपयोग करें: अधिकतम 500 पंक्तियाँ, 6 चर और प्रत्येक में 100 श्रेणियाँ। प्रत्येक चर में सभी नमूना श्रेणियाँ शामिल होनी चाहिए और कुल योग 100% होना चाहिए।

आधार-भार कॉलमवैकल्पिक और विमाहीन। सभी को भार 1 से शुरू करने के लिए खाली छोड़ें। मान सीमित और 0 से अधिक होने चाहिए।

परिणाम कॉलमवैकल्पिक सीमित संख्यात्मक कॉलम जिसका उपयोग केवल भारित माध्यों की तुलना करने के लिए किया जाता है; परिणाम कॉलम की अपनी इकाई को बनाए रखते हैं।

सापेक्ष सहनशीलताविमाहीन। तब रुकें जब प्रत्येक लक्ष्य की सापेक्ष त्रुटि इस मान (1e-12 से 1e-2) पर या उससे नीचे हो।

अधिकतम पुनरावृत्तियाँयदि अभिसरण (1 से 500) से पहले यह सीमा पूरी हो जाती है, तो अंतिम भार केवल निदान के लिए ही रहते हैं।

प्रदर्शित दशमलव स्थान

अंशांकित भार

मार्जिन मिलान

—

लक्षित ऑडिट

चर	श्रेणी	नमूना n	लक्ष्य	भारित	अवशेष

प्रथम-चक्र समायोजन गुणक

चर	श्रेणी	वर्तमान योग	लक्षित योग	गुणक

अभिसरण लॉग

पुनरावृत्ति	अधिकतम सापेक्ष त्रुटि	सबसे खराब लक्ष्य

उत्तरदाता भार

पंक्ति	ID	आधार भार	समायोजन	अंतिम भार	परिणाम

एल्गोरिदम और प्रतिस्थापन

S_mc = Σ w_i for i in category c

T_mc = n × target_mc ÷ 100

a_mc = T_mc ÷ S_mc

w_i ← w_i × a_mc

w_i,final = d_i × adjustment_i

DEFF_Kish = n·Σw_i² ÷ (Σw_i)²

n_eff = (Σw_i)² ÷ Σw_i²

भार बनाने के लिए उत्तरदाता डेटा और जनसंख्या लक्ष्य पेस्ट करें।

आपका उत्तरदाता डेटा और गणना किए गए भार इसी ब्राउज़र में रहते हैं और इन्हें कभी भी अपलोड नहीं किया जाता है।

अक्सर पूछे जाने वाले सवाल

रेकिंग क्या है, और एक मार्जिन कब केवल उत्तर-स्तरीकरण होता है?

रेकिंग एक समय में एक ज्ञात जनसंख्या मार्जिन को समायोजित करती है, फिर उनके माध्यम से तब तक चक्रित होती है जब तक कि बाद के समायोजनों के बाद भी पहले के मार्जिन मेल खाते रहें। यदि आप केवल एक श्रेणीबद्ध चर की आपूर्ति करते हैं, तो एक चक्र ही पर्याप्त है: प्रत्येक श्रेणी को परिचित लक्षित-हिस्सा ÷ वर्तमान-हिस्सा समायोजन प्राप्त होता है। एकाधिक मार्जिन उनके असूचीबद्ध क्रॉस-संयोजनों को मेल खाने के लिए बाध्य नहीं करते हैं।

मुझे आधार भार के रूप में किसका उपयोग करना चाहिए?

उस भार का उपयोग करें जो जनसंख्या अंशांकन से पहले का है — आमतौर पर प्रत्येक उत्तरदाता के अंतिम चयन की प्रायिकता का व्युत्क्रम, आपके अध्ययन के लिए आवश्यक किसी भी पूर्व अनुत्तर समायोजन के बाद। यदि आपके पास प्रायिकता भार नहीं है, तो सभी को 1 से शुरू करने के लिए फ़ील्ड को खाली छोड़ दें। इससे अंशांकन भार तो उत्पन्न होता है, लेकिन यह किसी सुविधा नमूने (convenience sample) को प्रायिकता नमूने में नहीं बदलता है।

क्या Kish भार प्रभाव ही पूर्ण सर्वेक्षण डिज़ाइन प्रभाव है?

नहीं। यह केवल असमान भारों से जुड़ी सटीकता की हानि को मापता है: समान भार 1 देते हैं, और अधिक परिवर्तनशील भार प्रभावी नमूना आकार को कम कर देते हैं। क्लस्टरिंग, स्तरीकरण, सीमित-जनसंख्या सुधार और परिणाम अंशांकन चरों से कैसे संबंधित है, ये सभी वास्तविक प्रसरण को बदल सकते हैं। मानक त्रुटियों और विश्वास अंतरालों के लिए ऐसे सॉफ़्टवेयर का उपयोग करें जो संपूर्ण नमूना डिज़ाइन को समझता हो।

किसी लक्ष्य का कोई समाधान क्यों नहीं हो सकता या वह अभिसरण में विफल क्यों हो सकता है?

बिना किसी नमूना उत्तरदाता वाली श्रेणी से धनात्मक लक्ष्य नहीं बनाया जा सकता है। कई चरों के साथ, देखे गए संयोजन अन्यथा सामान्य दिखने वाले मार्जिन को भी असंगत बना सकते हैं। बहुत कम पुनरावृत्ति सीमा या अत्यधिक प्रारंभिक भार अनुरोधित सहनशीलता से पहले ही प्रक्रिया को रोक सकते हैं। लक्षित ऑडिट और सबसे खराब-लक्ष्य लॉग दिखाते हैं कि विसंगति कहाँ बची है; उन अंतिम भारों को अंशांकित न मानें।

BroBroGo संपादकीय टीम द्वारा लिखित और समीक्षित।अंतिम अपडेट: 2026-07-28

सर्वेक्षण अंशांकन का परिचय

सर्वेक्षण अनुसंधान में, एकत्र किया गया नमूना हमेशा लक्षित जनसंख्या के जनसांख्यिकीय वितरण को पूरी तरह से प्रतिबिंबित नहीं करता है। सर्वेक्षण अंशांकन (Survey Calibration) वह प्रक्रिया है जिसके माध्यम से उत्तरदाताओं के कच्चे डेटा को इस प्रकार समायोजित किया जाता है कि उनके भारित वितरण ज्ञात जनसंख्या मानदंडों (जैसे आयु, लिंग, या क्षेत्र) के साथ मेल खा सकें।

यह "सर्वेक्षण भार कैलकुलेटर" टूल रेकिंग (iterative proportional fitting) एल्गोरिदम का उपयोग करके उत्तरदाता डेटा को जनसंख्या मार्जिन के साथ संरेखित करता है। उपयोगकर्ता अपने कच्चे उत्तरदाता डेटा और लक्षित जनसंख्या प्रतिशत को पेस्ट करते हैं, और यह टूल स्वचालित रूप से व्यक्तिगत उत्तरदाता भारों को तब तक समायोजित करता है जब तक कि नमूने का सीमांत वितरण (marginal distribution) लक्ष्यों के साथ मेल नहीं खा जाता। यह प्रक्रिया सर्वेक्षण की सांख्यिकीय सटीकता और प्रभावी नमूना आकार पर पड़ने वाले प्रभावों का तत्काल निदान प्रदान करती है।

डेटा तैयारी और इनपुट सीमाएँ

इस कैलकुलेटर का उपयोग करने के लिए डेटा को विशिष्ट प्रारूपों और सीमाओं के भीतर तैयार किया जाना चाहिए:

उत्तरदाता डेटा

यह एक पेस्ट की गई तालिका होनी चाहिए जिसमें एक हेडर पंक्ति और प्रति पंक्ति एक उत्तरदाता होना चाहिए।

स्वीकृत प्रारूप: यह टैब, अर्धविराम (semicolon), या CSV अल्पविराम को विभाजक (delimiter) के रूप में स्वीकार करता है। जिन स्थानीय क्षेत्रों में दशमलव चिह्न बिंदु नहीं है, वहां उपयोगकर्ताओं को टैब या अर्धविराम का उपयोग करना चाहिए ताकि दशमलव चिह्न प्रत्येक सेल के अंदर सुरक्षित रहे।
सीमाएँ: डेटा 2,000,000 वर्णों से कम होना चाहिए और इसमें अधिकतम 20,000 उत्तरदाता पंक्तियाँ हो सकती हैं। इसमें बिना किसी खाली हेडर के कम से कम दो नामित कॉलम होने चाहिए, और प्रत्येक कॉलम हेडर अद्वितीय होना चाहिए।

जनसंख्या मार्जिन (%)

यह जनसंख्या लक्ष्यों को दर्शाने वाली एक पेस्ट की गई तालिका है।

स्वीकृत प्रारूप: इसमें ठीक तीन कॉलम होने चाहिए: चर, श्रेणी और प्रतिशत।
सीमाएँ: अधिकतम 500 लक्षित पंक्तियाँ, छह अंशांकन चर, या प्रति चर 100 लक्षित श्रेणियाँ हो सकती हैं। प्रत्येक चर में नमूने में मौजूद सभी श्रेणियाँ शामिल होनी चाहिए और उनका कुल योग ठीक 100% होना चाहिए। व्यक्तिगत लक्षित प्रतिशत 0% से 100% के बीच होने चाहिए।

वैकल्पिक सेटिंग्स

आधार-भार कॉलम (Base-weight column): यह विमाहीन प्रारंभिक सापेक्ष भारों को निर्दिष्ट करता है। यदि इसे खाली छोड़ दिया जाता है, तो प्रत्येक उत्तरदाता का डिफ़ॉल्ट प्रारंभिक भार 1 माना जाता है। इस कॉलम के मान सीमित और 0 से अधिक होने चाहिए।
परिणाम कॉलम (Outcome column): यह प्रारंभिक और अंतिम भारित माध्यों की तुलना करने के लिए एक वैकल्पिक सीमित संख्यात्मक कॉलम है।
सापेक्ष सहनशीलता (Relative tolerance): यह एल्गोरिदम को रोकने की सीमा तय करता है (1e-12 से 1e-2)।
अधिकतम पुनरावृत्तियाँ (Maximum iterations): यह चक्रों की संख्या को सीमित करता है (1 से 500)।

एल्गोरिदम, सामान्यीकरण और Kish भार प्रभाव

रेकिंग प्रक्रिया के दौरान, प्रत्येक श्रेणी के लिए समायोजन गुणक की गणना निम्न सूत्र के अनुसार की जाती है:

‹variable› / ‹category›: गुणक = लक्षित योग ÷ वर्तमान योग = ‹target› ÷ ‹current› = ‹factor›

अंशांकन के बाद, अंतिम भारों को सामान्यीकृत किया जाता है ताकि उनका माध्य 1 हो और उनका कुल योग उत्तरदाताओं की कुल संख्या (n) के बराबर हो:

अंतिम भारों को माध्य 1 पर सामान्यीकृत करें, ताकि उनका योग उत्तरदाताओं की संख्या के बराबर हो: Σw = n = ‹count›.

असमान भारों के कारण होने वाली सटीकता की हानि को मापने के लिए Kish भार प्रभाव और प्रभावी नमूना आकार की गणना की जाती है:

Kish भार प्रभाव = n·Σw² ÷ (Σw)² = ‹count›·‹sumSquares› ÷ ‹sum›² = ‹effect›.

प्रभावी नमूना आकार = (Σw)² ÷ Σw² = ‹sum›² ÷ ‹sumSquares› = ‹effective›.

ये भार केवल आपके द्वारा आपूर्ति किए गए मार्जिन से मेल खाते हैं, उन चरों से नहीं जो आपने आपूर्ति नहीं किए हैं। Kish निदान केवल असमान भारों को दर्शाता है; इसमें क्लस्टरिंग, स्तरीकरण या पूर्ण सर्वेक्षण प्रसरण अनुमान शामिल नहीं है।

त्रुटियाँ और नैदानिक चेतावनियाँ

कैलकुलेटर इनपुट डेटा और अंशांकन प्रक्रिया की वैधता सुनिश्चित करने के लिए विशिष्ट त्रुटि संदेश और चेतावनियाँ प्रदर्शित करता है:

डेटा त्रुटियाँ: यदि डेटा खाली है, तो "एक हेडर पंक्ति और कम से कम एक उत्तरदाता पंक्ति शामिल करें।" प्रदर्शित होता है। यदि हेडर अमान्य हैं, तो "उत्तरदाता तालिका में बिना किसी खाली हेडर के कम से कम दो नामित कॉलम होने चाहिए।" या "प्रत्येक उत्तरदाता-डेटा कॉलम के लिए एक अद्वितीय हेडर होना आवश्यक है।" दिखाई देता है।
पंक्ति विसंगति: "पंक्ति ‹line› में ‹actual› सेल हैं; हेडर में ‹expected› हैं।"
सीमा उल्लंघन: "किसी भी पेस्ट की गई तालिका में 2,000,000 से अधिक वर्णों का उपयोग न करें।" या "अधिकतम ‹max› उत्तरदाता पंक्तियों का उपयोग करें।"
शून्य-सेल स्थिति (Zero-Cell Condition): यदि किसी श्रेणी का लक्ष्य धनात्मक है लेकिन नमूने में कोई उत्तरदाता नहीं है, तो टूल "“‹variable› / ‹category›” का लक्ष्य धनात्मक है लेकिन कोई उपयोगी नमूना भार नहीं है, इसलिए कोई सीमित समाधान मौजूद नहीं है।" त्रुटि देता है।
अभिसरण विफलता (Convergence Failure): यदि सीमा समाप्त होने तक अभिसरण नहीं होता है, तो स्थिति संदेश आता है: "अभिसरण से पहले पुनरावृत्ति सीमा (‹iterations›) तक पहुँच गए। अंतिम भार निदान के लिए दिखाए गए हैं, अंशांकित परिणामों के रूप में नहीं।"
अत्यधिक भार (Extreme Weights): यदि भार बहुत अधिक विषम हैं, तो चेतावनी मिलती है: "मार्जिन मेल खा गए, लेकिन सबसे विस्तृत भार सबसे छोटे भार का ‹ratio› गुना है; उनका उपयोग करने से पहले प्रभावी नमूना आकार की जांच करें।"
पहले से संरेखित: "प्रारंभिक भार पहले से ही प्रत्येक अनुरोधित मार्जिन से मेल खाते हैं।"

गोपनीयता और स्थानीय प्रसंस्करण

सुरक्षा और गोपनीयता के दृष्टिकोण से, आपका उत्तरदाता डेटा और गणना किए गए भार इसी ब्राउज़र में रहते हैं और इन्हें कभी भी अपलोड नहीं किया जाता है। सभी गणनाएँ पूरी तरह से उपयोगकर्ता के वेब ब्राउज़र के भीतर स्थानीय रूप से निष्पादित की जाती हैं।

अक्सर पूछे जाने वाले प्रश्न

प्रश्न: रेकिंग क्या है, और एक मार्जिन कब केवल उत्तर-स्तरीकरण होता है?
उत्तर: रेकिंग एक समय में एक ज्ञात जनसंख्या मार्जिन को समायोजित करती है, फिर उनके माध्यम से तब तक चक्रित होती है जब तक कि बाद के समायोजनों के बाद भी पहले के मार्जिन मेल खाते रहें। यदि आप केवल एक श्रेणीबद्ध चर की आपूर्ति करते हैं, तो एक चक्र ही पर्याप्त है: प्रत्येक श्रेणी को परिचित लक्षित-हिस्सा ÷ वर्तमान-हिस्सा समायोजन प्राप्त होता है। एकाधिक मार्जिन उनके असूचीबद्ध क्रॉस-संयोजनों को मेल खाने के लिए बाध्य नहीं करते हैं।

प्रश्न: मुझे आधार भार के रूप में किसका उपयोग करना चाहिए?
उत्तर: उस भार का उपयोग करें जो जनसंख्या अंशांकन से पहले का है — आमतौर पर प्रत्येक उत्तरदाता के अंतिम चयन की प्रायिकता का व्युत्क्रम, आपके अध्ययन के लिए आवश्यक किसी भी पूर्व अनुत्तर समायोजन के बाद। यदि आपके पास प्रायिकता भार नहीं है, तो सभी को 1 से शुरू करने के लिए फ़ील्ड को खाली छोड़ दें। इससे अंशांकन भार तो उत्पन्न होता है, लेकिन यह किसी सुविधा नमूने (convenience sample) को प्रायिकता नमूने में नहीं बदलता है।

प्रश्न: किसी लक्ष्य का कोई समाधान क्यों नहीं हो सकता या वह अभिसरण में विफल क्यों हो सकता है?
उत्तर: बिना किसी नमूना उत्तरदाता वाली श्रेणी से धनात्मक लक्ष्य नहीं बनाया जा सकता है। कई चरों के साथ, देखे गए संयोजन अन्यथा सामान्य दिखने वाले मार्जिन को भी असंगत बना सकते हैं। बहुत कम पुनरावृत्ति सीमा या अत्यधिक प्रारंभिक भार अनुरोधित सहनशीलता से पहले ही प्रक्रिया को रोक सकते हैं। लक्षित ऑडिट और सबसे खराब-लक्ष्य लॉग दिखाते हैं कि विसंगति कहाँ बची है; उन अंतिम भारों को अंशांकित न मानें।

प्रश्न: क्या Kish भार प्रभाव ही पूर्ण सर्वेक्षण डिज़ाइन प्रभाव है?
उत्तर: नहीं। यह केवल असमान भारों से जुड़ी सटीकता की हानि को मापता है: समान भार 1 देते हैं, और अधिक परिवर्तनशील भार प्रभावी नमूना आकार को कम कर देते हैं। क्लस्टरिंग, स्तरीकरण, सीमित-जनसंख्या सुधार और परिणाम अंशांकन चरों से कैसे संबंधित है, ये सभी वास्तविक प्रसरण को बदल सकते हैं। मानक त्रुटियों और विश्वास अंतरालों के लिए ऐसे सॉफ़्टवेयर का उपयोग करें जो संपूर्ण नमूना डिज़ाइन को समझता हो।