सर्व्हे वेटिंग कॅल्क्युलेटर

सर्व्हे कॅलिब्रेशनची ओळख

सर्व्हे संशोधनामध्ये गोळा केलेला डेटा अनेकदा मूळ लोकसंख्येच्या वास्तविक रचनेशी तंतोतंत जुळत नाही. काही विशिष्ट लोकसंख्याशास्त्रीय गट सॅम्पलमध्ये प्रमाणापेक्षा जास्त किंवा कमी प्रमाणात समाविष्ट होऊ शकतात. या समस्येचे निराकरण करण्यासाठी सर्व्हे कॅलिब्रेशनचा वापर केला जातो. या प्रक्रियेत, प्रत्येक उत्तरदात्याच्या डेटाला विशिष्ट वजन (weight) दिले जाते, जेणेकरून भारित सॅम्पलचे वितरण ज्ञात लोकसंख्या निकषांशी जुळते.

"सर्व्हे वेटिंग कॅल्क्युलेटर" हे एक विनामूल्य ऑनलाइन साधन आहे जे संशोधकांना त्यांचा उत्तरदाता डेटा लोकसंख्येच्या ज्ञात मार्जिन्सशी जुळवण्यासाठी रेकिंग (raking) अल्गोरिदमचा वापर करून कॅलिब्रेट करण्याची सुविधा देते. हे साधन वापरकर्त्यांना त्यांच्या कच्च्या डेटाच्या ओळी आणि लक्ष्यित लोकसंख्या टक्केवारी पेस्ट करण्याची परवानगी देते. त्यानंतर हे साधन स्वयंचलितपणे वैयक्तिक उत्तरदात्यांचे वजन समायोजित करते, जोपर्यंत सॅम्पलचे मार्जिनल वितरण लक्ष्यांशी जुळत नाही.

कॅल्क्युलेटरमधील परिणाम

निकालांमध्ये मार्जिन जुळणीची स्थिती, सारांश आकडेवारी आणि वैकल्पिक परिणाम कॉलमसाठी सुरुवातीची व अंतिम भारित सरासरी व त्यातील बदल दाखवला जातो.

लक्ष्य ऑडिट (Target audit) प्रत्येक लक्ष्याचा प्राप्त टक्का आणि उरलेला फरक दाखवतो. पहिल्या चक्रातील समायोजन गुणक, सर्वात खराब लक्ष्याचा कन्व्हर्जन्स लॉग आणि प्रत्येक उत्तरदात्याचे अंतिम वजन स्वतंत्र तक्त्यांमध्ये दिसते. स्क्रीनवर पहिल्या ५०० उत्तरदात्यांच्या ओळी दिसतात; कन्व्हर्जन्सनंतर भारित डेटा कॉपी करा वापरून सर्व ओळींसह पूर्ण तक्ता कॉपी करता येतो.

रेकिंग विरुद्ध पोस्ट-स्ट्रॅटिफिकेशन

जेव्हा संशोधकांकडे केवळ एकाच व्हेरिएबलचे (उदा. केवळ वय) लोकसंख्या लक्ष्य असते, तेव्हा कॅलिब्रेशन प्रक्रिया सोपी असते. अशा सिंगल मार्जिनच्या स्थितीत, हे साधन एकाच सायकलमध्ये आपले कॅलिब्रेशन पूर्ण करते. यासाठी प्रत्येक श्रेणीला "लक्ष्य-शेअर ÷ सध्याचा-शेअर" असे साधे समायोजन लागू केले जाते. या पद्धतीला सामान्यतः पोस्ट-स्ट्रॅटिफिकेशन (post-stratification) म्हटले जाते.

परंतु, जेव्हा वय, लिंग आणि प्रदेश यांसारखे एकापेक्षा जास्त कॅटेगोरिकल व्हेरिएबल्स एकाच वेळी जुळवायचे असतात, तेव्हा साधी पोस्ट-स्ट्रॅटिफिकेशन पद्धत अपुरी ठरते. कारण प्रत्येक नवीन व्हेरिएबल जुळवताना आधीच्या व्हेरिएबलचे संतुलन बिघडते. अशा वेळी रेकिंग (Iterative Proportional Fitting किंवा IPF) अल्गोरिदमचा वापर केला जातो. रेकिंग पद्धतीमध्ये एका वेळी एका ज्ञात लोकसंख्या मार्जिनचे समायोजन केले जाते, आणि नंतर जोपर्यंत नंतरच्या समायोजनांनंतरही आधीचे मार्जिन्स जुळत नाहीत, तोपर्यंत त्यांच्यामधून सायकल चालवली जाते. हे लक्षात ठेवणे महत्त्वाचे आहे की एकाधिक मार्जिन्स त्यांच्या न नोंदवलेल्या क्रॉस-कॉम्बिनेशन्सना जुळण्यास भाग पाडत नाहीत.

मूळ वजनांचे महत्त्व

कॅलिब्रेशन प्रक्रिया सुरू करण्यापूर्वी प्रत्येक उत्तरदात्याला एक सुरुवातीचे वजन दिले जाते, ज्याला मूळ वजन (Base weight) म्हणतात. जर हे फील्ड रिकामे सोडले, तर प्रत्येक उत्तरदात्याला सुरुवातीला १ हे डीफॉल्ट वजन दिले जाते.

वास्तविक सर्व्हे संशोधनात, लोकसंख्या कॅलिब्रेशनपूर्वीचे वजन वापरणे योग्य ठरते. हे वजन सामान्यतः अभ्यासासाठी आवश्यक असलेल्या कोणत्याही आधीच्या नॉन-रिस्पॉन्स समायोजनानंतर, प्रत्येक उत्तरदात्याच्या अंतिम निवड संभाव्यतेचा व्यस्त (inverse) असते. संभाव्यता वजने उपलब्ध नसल्यास, प्रत्येकाला १ वर सुरू करण्यासाठी हे फील्ड रिकामे ठेवले जाते. यामुळे कॅलिब्रेशन वजने तर तयार होतात, परंतु यामुळे सोयीस्कर सॅम्पलचे (convenience sample) संभाव्यता सॅम्पलमध्ये रूपांतर होत नाही.

Kish वजन प्रभाव आणि डिझाइन प्रभाव

असमान वजनांमुळे सर्व्हेच्या अचूकतेवर होणारा परिणाम समजून घेणे आवश्यक आहे. जेव्हा आपण उत्तरदात्यांना भिन्न वजने देतो, तेव्हा सॅम्पलचा व्हेरिएन्स (variance) वाढतो आणि परिणामी सांख्यिकीय अचूकता कमी होते. या अचूकतेच्या नुकसानीचे मोजमाप करण्यासाठी "Kish वजन प्रभाव" (Kish weight effect) हे परिमाण वापरले जाते.

Kish वजन प्रभाव केवळ असमान वजनांशी संबंधित अचूकतेच्या नुकसानीचे मोजमाप करतो. समान वजने असल्यास हा प्रभाव १ मिळतो, आणि वजनांमध्ये जितकी जास्त विविधता असेल, तितका हा प्रभाव वाढतो आणि प्रभावी सॅम्पल आकार (Effective sample size) कमी होतो. हे लक्षात घेणे गरजेचे आहे की Kish वजन प्रभाव हा संपूर्ण सर्व्हे डिझाइन प्रभाव (Design Effect) नाही. यामध्ये क्लस्टरिंग, स्ट्रॅटिफिकेशन, मर्यादित-लोकसंख्या दुरुस्त्या किंवा परिणाम कॅलिब्रेशन व्हेरिएबल्सशी कसा संबंधित आहे, या गोष्टींचा समावेश नसतो.

अल्गोरिदम आणि गणितीय सूत्रे

हे साधन वजनांचे कॅलिब्रेशन आणि विश्लेषण करण्यासाठी खालील अचूक सूत्रांचा वापर करते:

• पहिल्या सायकलचे समायोजन गुणक: ‹variable› / ‹category›: गुणक = लक्ष्य बेरीज ÷ सध्याची बेरीज = ‹target› ÷ ‹current› = ‹factor›
• नॉर्मलायझेशन: अंतिम वजने सरासरी १ वर नॉर्मलाइज केली जातात, जेणेकरून त्यांची बेरीज एकूण उत्तरदात्यांच्या संख्येइतकी होते: अंतिम वजने सरासरी १ वर नॉर्मलाइज करा, जेणेकरून त्यांची बेरीज उत्तरदात्यांच्या संख्येइतकी होईल: Σw = n = ‹count›.
• Kish वजन प्रभाव: Kish वजन प्रभाव = n·Σw² ÷ (Σw)² = ‹count›·‹sumSquares› ÷ ‹sum›² = ‹effect›.
• प्रभावी सॅम्पल आकार: प्रभावी सॅम्पल आकार = (Σw)² ÷ Σw² = ‹sum›² ÷ ‹sumSquares› = ‹effective›.

या गणितांबाबत साधनामध्ये स्पष्ट मर्यादा नमूद केली आहे: "ही वजने तुम्ही पुरवलेल्या मार्जिन्सशी जुळतात, तुम्ही न पुरवलेल्या व्हेरिएबल्सशी नाही. Kish निदान केवळ असमान वजने दर्शवते; यामध्ये क्लस्टरिंग, स्ट्रॅटिफिकेशन किंवा संपूर्ण सर्व्हे व्हेरिएन्स अंदाजाचा समावेश नाही."

डेटाची तयारी आणि इनपुट मर्यादा

साधनाचा यशस्वी वापर करण्यासाठी डेटा योग्य फॉरमॅटमध्ये असणे आवश्यक आहे.

उत्तरदाता डेटा (Respondent data)

• या टेबलमध्ये एक हेडर ओळ आणि प्रति ओळ एक उत्तरदाता असणे आवश्यक आहे.
• डेटा पेस्ट करताना टॅब, सेमीकोलन किंवा CSV कॉमा हे डेलिमिटर म्हणून वापरता येतात. ज्या प्रांतांमध्ये दशांश चिन्ह म्हणून स्वल्पविराम (comma) वापरला जातो, तिथे टॅब किंवा सेमीकोलनचा वापर करावा, जेणेकरून दशांश चिन्ह सेलच्या आत सुरक्षित राहील.
• डेटा मर्यादा: संपूर्ण मजकूर २०,००,००० (2,000,000) अक्षरांपेक्षा कमी असावा आणि उत्तरदात्यांच्या ओळींची संख्या २०,००० पेक्षा जास्त नसावी. टेबलमध्ये रिक्त हेडर नसलेले किमान दोन नाव दिलेले कॉलम असणे आवश्यक आहे आणि प्रत्येक कॉलमचे हेडर युनिक असावे.

लोकसंख्या मार्जिन्स (Population margins %)

• या टेबलमध्ये अचूकपणे तीन कॉलम असणे आवश्यक आहे: व्हेरिएबल, श्रेणी आणि लक्ष्य टक्केवारी.
• मर्यादा: कमाल ५०० लक्ष्य ओळी, ६ कॅलिब्रेशन व्हेरिएबल्स किंवा प्रति व्हेरिएबल १०० लक्ष्य श्रेणी असू शकतात. प्रत्येक व्हेरिएबलने सॅम्पलमध्ये उपस्थित असलेल्या सर्व श्रेणी कव्हर केल्या पाहिजेत आणि त्यांची बेरीज अचूकपणे १००% असणे आवश्यक आहे. वैयक्तिक लक्ष्य टक्केवारी ०% ते १००% दरम्यान असावी.

इतर पर्याय

• मूळ-वजन कॉलम (Base-weight column): सुरुवातीचे सापेक्ष वजन असलेला कॉलम. यातील मूल्ये ० पेक्षा जास्त असणारी मर्यादित संख्या असावीत.
• परिणाम कॉलम (Outcome column): सुरुवातीच्या आणि अंतिम भारित सरासरीची तुलना करण्यासाठी वापरला जाणारा संख्यात्मक कॉलम.
• सापेक्ष टॉलरन्स (Relative tolerance): अल्गोरिदम थांबवण्याची मर्यादा (1e-12 ते 1e-2).
• कमाल इटरेशन्स (Maximum iterations): अल्गोरिदम जास्तीत जास्त किती सायकल्स चालेल याची मर्यादा (१ ते ५००).

त्रुटी आणि चेतावणी संदेश

डेटा किंवा सेटिंग्जमध्ये विसंगती असल्यास साधन खालीलपैकी योग्य त्रुटी संदेश दर्शवते:

• डेटा रिकामा असल्यास: एक हेडर ओळ आणि किमान एक उत्तरदाता ओळ समाविष्ट करा.
• हेडर त्रुटी: उत्तरदात्यांच्या टेबलमध्ये रिक्त हेडर नसलेले किमान दोन नाव दिलेले कॉलम असणे आवश्यक आहे.
• ड्युप्लिकेट हेडर: प्रत्येक उत्तरदाता-डेटा कॉलमला एक युनिक हेडर असणे आवश्यक आहे.
• ओळ रुंदी विसंगती: ओळ ‹line› मध्ये ‹actual› सेल्स आहेत; हेडरमध्ये ‹expected› आहेत.
• डेटा खूप मोठा असल्यास: पेस्ट केलेल्या कोणत्याही टेबलमध्ये 2,000,000 पेक्षा जास्त अक्षरे वापरू नका.
• मर्यादेपेक्षा जास्त ओळी: कमाल ‹max› उत्तरदाता ओळी वापरा.
• कॉलम न सापडल्यास: डेटामध्ये “‹column›” नावाचा कोणताही कॉलम नाही.
• मूळ वजन त्रुटी: “‹token›” हे मर्यादित मूळ वजन नाही (ओळ ‹line›). किंवा ओळ ‹line› वरील मूळ वजन ० पेक्षा जास्त असणे आवश्यक आहे.
• परिणाम कॉलम त्रुटी: “‹token›” हे मर्यादित परिणाम मूल्य नाही (ओळ ‹line›).
• लक्ष्य टेबल त्रुटी: लक्ष्य ओळ ‹line› मध्ये अचूकपणे तीन सेल्स असणे आवश्यक आहे: व्हेरिएबल, श्रेणी आणि टक्केवारी.
• लक्ष्य टक्केवारी त्रुटी: “‹token›” हे लक्ष्य टक्केवारी मूल्य नाही (लक्ष्य ओळ ‹line›). किंवा लक्ष्य ओळ ‹line› ही ०% ते १००% (समावेशक) दरम्यान असणे आवश्यक आहे.
• लक्ष्य बेरीज त्रुटी: “‹variable›” साठीची लक्ष्ये एकूण ‹total›% आहेत; ती अचूकपणे १००% असणे आवश्यक आहे.
• ड्युप्लिकेट लक्ष्य: लक्ष्य टेबलमध्ये “‹variable› / ‹category›” एकापेक्षा जास्त वेळा आले आहे.
• मर्यादेपेक्षा जास्त मार्जिन्स किंवा श्रेणी: कमाल ‹max› कॅलिब्रेशन व्हेरिएबल्स वापरा. किंवा “‹variable›” मध्ये ‹max› पेक्षा जास्त लक्ष्य श्रेणी आहेत. किंवा कमाल ‹max› लक्ष्य ओळी वापरा.
• रिकामी श्रेणी: ओळ ‹line› वर कॅलिब्रेशन श्रेणी रिकामी आहे. गहाळ मूल्ये लक्ष्याचा भाग असल्यास त्यांचे नाव स्पष्टपणे लिहा.
• लक्ष्य गहाळ असल्यास: सॅम्पलमध्ये “‹variable› / ‹category›” समाविष्ट आहे, परंतु लक्ष्य टेबलमध्ये नाही.
• शून्य-सेल अट (Zero-Cell Condition): “‹variable› / ‹category›” चे लक्ष्य सकारात्मक आहे परंतु कोणतेही वापरण्यायोग्य सॅम्पल वजन नाही, त्यामुळे कोणताही मर्यादित उपाय अस्तित्वात नाही.
• अवैध सेटिंग्ज: 1e-12 ते 1e-2 मधील सापेक्ष टॉलरन्स निवडा. किंवा १ ते ५०० मधील इटरेशन मर्यादा निवडा.
• संख्यात्मक ओव्हरफ्लो: एक वजन, बेरीज किंवा समायोजन मर्यादित संख्या श्रेणीच्या बाहेर गेले आहे. मूळ वजनांचे प्रमाण पुन्हा निश्चित करा आणि पुन्हा प्रयत्न करा.

विशेष चेतावणी आणि स्थिती संदेश

• कन्व्हर्जन्स अयशस्वी झाल्यास: "कन्व्हर्जन्स होण्यापूर्वी इटरेशन मर्यादा (‹iterations›) गाठली. अंतिम वजने निदानासाठी दर्शविली आहेत, कॅलिब्रेट केलेले परिणाम म्हणून नाही."
• अत्यंत विषम वजने: "मार्जिन्स जुळले आहेत, परंतु सर्वात मोठे वजन सर्वात लहान वजनाच्या ‹ratio› पट आहे; वापरण्यापूर्वी प्रभावी सॅम्पल आकाराची तपासणी करा."
• आधीच जुळलेले असल्यास: "सुरुवातीची वजने आधीच प्रत्येक विनंती केलेल्या मार्जिनशी जुळतात."

गोपनीयता आणि प्रक्रिया

या साधनाची रचना पूर्णपणे स्थानिक पातळीवर काम करण्यासाठी केली आहे. सर्व उत्तरदाता डेटा आणि मोजलेली वजने वापरकर्त्याच्या स्वतःच्या वेब ब्राउझरमध्येच प्रक्रिया केली जातात. कोणताही डेटा कधीही कोणत्याही बाह्य सर्व्हरवर अपलोड केला जात नाही.

---

वारंवार विचारले जाणारे प्रश्न (FAQ)

रेकिंग म्हणजे काय, आणि एक मार्जिन केवळ पोस्ट-स्ट्रॅटिफिकेशन कधी असते?

रेकिंग एका वेळी एका ज्ञात लोकसंख्या मार्जिनचे समायोजन करते, नंतर जोपर्यंत नंतरच्या समायोजनांनंतरही आधीचे मार्जिन्स जुळत नाहीत तोपर्यंत त्यांच्यामधून सायकल चालवते. तुम्ही फक्त एक कॅटेगोरिकल व्हेरिएबल दिल्यास, एक सायकल पुरेशी आहे: प्रत्येक श्रेणीला परिचित लक्ष्य-शेअर ÷ सध्याचा-शेअर हे समायोजन मिळते. एकाधिक मार्जिन्स त्यांच्या न नोंदवलेल्या क्रॉस-कॉम्बिनेशन्सना जुळण्यास भाग पाडत नाहीत.

मी मूळ वजन म्हणून काय वापरावे?

लोकसंख्या कॅलिब्रेशनपूर्वीचे वजन वापरा — सामान्यतः तुमच्या अभ्यासासाठी आवश्यक असलेल्या कोणत्याही आधीच्या नॉन-रिस्पॉन्स समायोजनानंतर, प्रत्येक उत्तरदात्याच्या अंतिम निवड संभाव्यतेचा व्यस्त (inverse). तुमच्याकडे संभाव्यता वजने नसल्यास, प्रत्येकाला १ वर सुरू करण्यासाठी हे फील्ड रिकामे सोडा. यामुळे कॅलिब्रेशन वजने तयार होतात, परंतु यामुळे सोयीस्कर सॅम्पलचे संभाव्यता सॅम्पलमध्ये रूपांतर होत नाही.

लक्ष्याला कोणताही उपाय का असू शकत नाही किंवा ते कन्व्हर्ज होण्यास का अपयशी ठरू शकते?

सॅम्पल घेतलेला कोणताही उत्तरदाता नसलेल्या श्रेणीमधून सकारात्मक लक्ष्य तयार केले जाऊ शकत नाही. अनेक व्हेरिएबल्ससह, निरीक्षित कॉम्बिनेशन्स एरवी सामान्य दिसणारे मार्जिन्स विसंगत बनवू शकतात. अत्यंत लहान इटरेशन मर्यादा किंवा टोकाची सुरुवातीची वजने विनंती केलेल्या टॉलरन्सच्या आधीच प्रक्रिया थांबवू शकतात. लक्ष्य ऑडिट आणि सर्वात खराब-लक्ष्य लॉग कुठे विसंगती राहिली आहे ते दर्शवतात; त्या अंतिम वजनांना कॅलिब्रेट केलेले मानू नका.

Kish वजन प्रभाव हा संपूर्ण सर्व्हे डिझाइन प्रभाव आहे का?

नाही. हे केवळ असमान वजनांशी संबंधित अचूकतेच्या नुकसानीचे मोजमाप करते: समान वजने १ देतात आणि अधिक बदलणारी वजने प्रभावी सॅम्पल आकार कमी करतात. क्लस्टरिंग, स्ट्रॅटिफिकेशन, मर्यादित-लोकसंख्या दुरुस्त्या आणि परिणाम कॅलिब्रेशन व्हेरिएबल्सशी कसा संबंधित आहे या सर्व गोष्टी वास्तविक व्हेरिएन्स बदलू शकतात. मानक त्रुटी आणि विश्वासार्हता अंतराळांसाठी संपूर्ण सॅम्पल डिझाइन माहित असलेले सॉफ्टवेअर वापरा.