Судалгааны шалгалт тохируулгын үндэс
Судалгааны түүврийн өгөгдлийг эх олонлогийн мэдэгдэж буй хязгаарт нийцүүлэн тохируулах нь түүвэрлэлтийн явцад үүссэн зөрүүг арилгах үндсэн арга зүй юм. Түүврийн жин бодох тооцоолуур нь рэйкинг (iterative proportional fitting) алгоритмыг ашиглан респондентуудын өгөгдлийг эх олонлогийн зорилтот хувь хэмжээнд нийцүүлэн тохируулдаг. Энэхүү хэрэгсэл нь түүврийн маржинал тархалтыг зорилтот түвшинд хүртэл алхам алхмаар засах замаар респондент бүрийн эцсийн жинг бодож гаргадаг.
Шалгалт тохируулга хийх явцад хэрэглэгчид өөрсдийн түүврийн өгөгдөл болон эх олонлогийн зорилтот хувийг оруулснаар алгоритм жингүүдийг автоматаар тохируулж, үр дүнгийн оношилгоог шууд харуулдаг. Үүнд алгоритм амжилттай нийлсэн эсэх, жингүүдэд хэр зэрэг өөрчлөлт орсон, мөн энэхүү жигнэлт нь судалгааны статистик нарийвчлал болон түүврийн үр дүнтэй хэмжээнд хэрхэн нөлөөлж байгааг харуулдаг.
Рэйкинг болон Дараах давхаргажилтын ялгаа
Олон тооны хүн ам зүйн үзүүлэлтийг нэгэн зэрэг тохируулахад рэйкинг болон дараах давхаргажилт (post-stratification) нь өөр өөр үүрэг гүйцэтгэдэг. Дараах давхаргажилт нь бүх хувьсагчдын огтлолцол бүрт (жишээ нь: насны бүлэг, хүйс, боловсролын түвшний хослол бүр) эх олонлогийн зорилтот утгыг шаарддаг. Энэ нь түүврийн хэмжээ бага эсвэл огтлолцлын нүднүүд хоосон байх үед хүндрэл үүсгэдэг.
Үүний эсрэгээр, рэйкинг алгоритм нь зөвхөн хувьсагч тус бүрийн маржинал тархалтыг (хязгааруудыг) ашигладаг. Алгоритм нь нэг удаад зөвхөн нэг хувьсагчийн хязгаарыг тохируулах замаар давтан ажилладаг бөгөөд бүх хязгаарууд зөвшөөрөгдөх алдааны хязгаарт багтах хүртэл итерацийг үргэлжлүүлдэг. Хэрэв зөвхөн нэг ангиллын хувьсагч оруулбал тооцоолуур нь нэг мөчлөгт багтаан энгийн тохируулга хийж дуусгадаг.
Оролтын өгөгдлийн бүтэц ба хязгаарлалтууд
Тооцоолуурыг ашиглахын тулд дараах хоёр үндсэн өгөгдлийг бэлтгэх шаардлагатай:
- Респондентын өгөгдөл: Толгой мөр бүхий, нэг мөрөнд нэг респондент байх хүснэгтэн өгөгдөл.
- Дэмжих формат: Таб, цэгтэй таслал, эсвэл CSV таслалаар тусгаарлагдсан өгөгдлийг дэмжинэ. Аравтын бутархайн тэмдэг нь цэг биш локалуудад өгөгдлийг нүд дотор нь зөв хадгалахын тулд таб эсвэл цэгтэй таслал ашиглах шаардлагатай.
- Хязгаарлалт: Нийт тэмдэгтийн хэмжээ 2,000,000-аас бага, респондентын мөр 20,000-аас хэтрэхгүй байх ёстой. Хоосон толгойгүй, дор хаяж хоёр давтагдашгүй нэртэй баганатай байна.
- Эх олонлогийн хязгаарууд (%): Зорилтот хувийг агуулсан хүснэгт.
- Бүтэц: Яг гурван баганатай байх ёстой: хувьсагч, ангилал, зорилтот хувь.
- Хязгаарлалт: Хамгийн ихдээ 500 зорилтот мөр, 6 шалгалт тохируулгын хувьсагч, хувьсагч тус бүрд 100-аас илүүгүй ангилал байна. Хувьсагч бүрийн зорилтот хувийн нийлбэр яг 100% байх ёстой бөгөөд утгууд нь 0%-иос 100%-ийн хооронд байна.
Нэмэлт оролтуудад дараах үзүүлэлтүүд орно:
- Суурь жингийн багана: Респондент бүрийн эхлэлийн харьцангуй жинг заах багана. Хоосон орхивол респондент бүрийн суурь жин 1-ээс эхэлнэ. Утгууд нь 0-ээс их төгсгөлөг тоо байна.
- Үр дүнгийн багана: Жинлэлтийн өмнөх болон дараах дунджуудыг харьцуулах тоон багана.
- Харьцангуй зөвшөөрөгдөх алдаа: Алгоритм зогсох нарийвчлалын хязгаар (1e-12-оос 1e-2 хүртэл).
- Давталтын дээд хязгаар: Алгоритмын ажиллах хамгийн их мөчлөгийн тоо (1-ээс 500 хүртэл).
Алгоритмын тооцоолол ба томьёолол
Тооцоолуур нь рэйкинг алгоритмын алхам бүрийг дараах томьёоллын дагуу гүйцэтгэж, үр дүнг харуулдаг:
Эхний мөчлөгийн тохируулгын итгэлцүүрийг ангилал тус бүрээр дараах байдлаар бодно:
‹variable› / ‹category›: итгэлцүүр = зорилтот нийлбэр ÷ одоогийн нийлбэр = ‹target› ÷ ‹current› = ‹factor›
Эцсийн жингүүдийг бодож гаргасны дараа тэдгээрийн дунджийг 1 байхаар стандартчилдаг бөгөөд ингэснээр нийлбэр нь нийт респондентын тоотой тэнцүү болно:
Эцсийн жингүүдийн дунджийг 1 болгон стандартчилах бөгөөд ингэснээр тэдгээрийн нийлбэр нь респондентын тоотой тэнцүү болно: Σw = n = ‹count›.
Тэгш бус жингээс үүдэлтэй нарийвчлалын алдагдлыг тодорхойлохын тулд Kish жингийн нөлөөг дараах томьёогоор бодно:
Kish жингийн нөлөө = n·Σw² ÷ (Σw)² = ‹count›·‹sumSquares› ÷ ‹sum›² = ‹effect›.
Үүний үр дүнд түүврийн үр дүнтэй хэмжээг дараах байдлаар тодорхойлно:
Түүврийн үр дүнтэй хэмжээ = (Σw)² ÷ Σw² = ‹sum›² ÷ ‹sumSquares› = ‹effective›.
Эдгээр жингүүд нь зөвхөн таны оруулсан хязгааруудтай тохирох бөгөөд оруулаагүй хувьсагчдад хамаарахгүй. Kish оношилгоо нь зөвхөн тэгш бус жинг тусгах бөгөөд үүнд бөөгнөрөл, давхаргажилт эсвэл түүврийн дисперсийн бүрэн үнэлгээ ороогүй болно.
Алдаа оношилгоо ба тусгай тохиолдлууд
Тооцоолуур нь өгөгдөл болон алгоритмын явцад гарсан алдааг илрүүлж, дараах мэдэгдлүүдийг харуулдаг:
- Хоосон нүдний алдаа: Хэрэв аль нэг ангилал эерэг зорилтот утгатай боловч түүвэрт респондент байхгүй бол "“
‹variable›/‹category›” нь эерэг зорилтот утгатай боловч ашиглах боломжтой түүврийн жингүй тул төгсгөлөг шийдэл байхгүй байна." гэсэн алдаа гарна. - Нийлэлт үүсээгүй тохиолдол: Хэрэв давталтын дээд хязгаарт хүрэхэд зөвшөөрөгдөх алдааны хязгаарт хүрээгүй бол "Нийлэлт үүсэхээс өмнө давталтын хязгаарт (
‹iterations›) хүрсэн. Хамгийн сүүлийн жингүүдийг шалгалт тохируулга хийсэн үр дүн биш, зөвхөн оношилгоонд зориулж харуулав." гэсэн төлөв харагдана. - Хэт туйлширсан жингүүд: Хэрэв хамгийн их болон хамгийн бага жингийн харьцаа хэт өндөр байвал "Хязгаарууд тохирсон боловч хамгийн их жин нь хамгийн багаасаа
‹ratio›дахин их байна; тэдгээрийг ашиглахаас өмнө түүврийн үр дүнтэй хэмжээг шалгана уу." гэсэн анхааруулга гарна. - Аль хэдийн тохирсон өгөгдөл: Хэрэв эхлэлийн жингүүд зорилтот хязгааруудтай аль хэдийн тохирсон байвал "Эхлэлийн жингүүд хүссэн хязгаар бүрт аль хэдийн тохирсон байна." гэж мэдэгдэнэ.
Нууцлал ба өгөгдөл боловсруулалт
Таны оруулсан респондентын өгөгдөл болон тооцоолсон жингүүд зөвхөн таны вэб хөтөч дотор локал байдлаар боловсруулагдах бөгөөд гадны сервер рүү ямар нэгэн өгөгдөл дамжуулагдахгүй, хуулагдахгүй.
Түгээмэл асуултууд (FAQ)
Суурь жингээр юуг ашиглах ёстой вэ? Эх олонлогийн шалгалт тохируулга хийхээс өмнөх жинг ашиглана уу. Энэ нь ихэвчлэн респондент бүрийн эцсийн сонгогдох магадлалын урвуу утга бөгөөд таны судалгаанд шаардлагатай хариу өгөөгүй байдлын өмнөх тохируулгыг хийсний дараах утга байна. Хэрэв танд магадлалын жин байхгүй бол хүн бүрийг 1-ээс эхлүүлэхийн тулд талбарыг хоосон орхино уу. Энэ нь шалгалт тохируулгын жинг үүсгэх боловч хялбарчилсан түүврийг магадлалт түүвэр болгон хувиргахгүй.
Яагаад зорилтот утгад шийдэл олдохгүй байх эсвэл нийлэлт үүсэхгүй байх тохиолдол гардаг вэ? Түүвэрт хамрагдаагүй ангиллаар эерэг зорилтот хувийг үүсгэх боловч ашиглах боломжтой түүврийн жингүй бол төгсгөлөг шийдэл олдохгүй. Хэд хэдэн хувьсагчтай үед ажиглагдсан хослолууд нь бусад тохиолдолд боломжийн харагдах хязгааруудыг хоорондоо нийцгүй болгож болно. Маш цөөн давталтын хязгаар эсвэл хэт туйлширсан эхлэл жингүүд нь хүссэн зөвшөөрөгдөх алдаанд хүрэхээс өмнө зогсоход хүргэдэг. Зорилтот аудит болон хамгийн муу зорилтот бүртгэл нь зөрүү хаана үлдсэнийг харуулна; эдгээр хамгийн сүүлийн жингүүдийг шалгалт тохируулга хийгдсэн гэж үзэж болохгүй.
Kish жингийн нөлөө нь түүврийн загварын бүрэн нөлөө mөн үү? Үгүй. Энэ нь зөвхөн тэгш бус жингээс үүдэлтэй нарийвчлалын алдагдлыг хэмждэг: тэнцүү жингүүд нь 1-ийг өгөх бөгөөд илүү хэлбэлзэлтэй жингүүд нь түүврийн үр дүнтэй хэмжээг бууруулдаг. Бөөгнөрөл, давхаргажилт, төгсгөлөг эх олонлогийн засвар болон үр дүн нь шалгалт тохируулгын хувьсагчидтай хэрхэн холбогдож байгаа зэрэг нь бүгд бодит дисперсийг өөрчилж болно. Стандарт алдаа болон итгэх интервалыг тооцоолохдоо түүврийн иж бүрэн загварыг таньдаг программ хангамж ашиглана уу.
Рэйкинг гэж юу вэ, хэзээ нэг хязгаар нь зүгээр л дараах давхаргажилт болдог вэ? Рэйкинг (raking) арга нь нэг удаад эх олонлогийн мэдэгдэж буй нэг хязгаарыг тохируулж, дараагийн тохируулгуудын дараа өмнөх хязгаарууд тохирсон хэвээр байх хүртэл тэдгээрийг давтан ажиллуулдаг. Хэрэв та зөвхөн нэг ангиллын хувьсагч оруулбал нэг давталт хангалттай: ангилал бүр танил болсон зорилтот-хувь ÷ одоогийн-хувь гэсэн тохируулгыг авна. Олон хязгаар ашиглах нь тэдгээрийн жагсаалтад ороогүй зөрлөг хослолуудыг заавал тохирохыг шаарддаггүй.