جلد سخت سیاه و سفید
Product details
- Publisher : Springer; 1st ed. 2022 edition (July 3, 2022)
- Language : English
- Paperback : 134 pages
- ISBN-10 : 9811936412
- ISBN-13 : 978-9811936418
کتاب How Data Quality Affects our Understanding of the Earnings Distribution
This open access book demonstrates how data quality issues affect all surveys and proposes methods that can be utilised to deal with the observable components of survey error in a statistically sound manner. This book begins by profiling the post-Apartheid period in South Africa's history when the sampling frame and survey methodology for household surveys was undergoing periodic changes due to the changing geopolitical landscape in the country. This book profiles how different components of error had disproportionate magnitudes in different survey years, including coverage error, sampling error, nonresponse error, measurement error, processing error and adjustment error. The parameters of interest concern the earnings distribution, but despite this outcome of interest, the discussion is generalizable to any question in a random sample survey of households or firms.
This book then investigates questionnaire design and item nonresponse by building a response propensity model for the employee income question in two South African labour market surveys: the October Household Survey (OHS, 1997-1999) and the Labour Force Survey (LFS, 2000-2003). This time period isolates a period of changing questionnaire design for the income question. Finally, this book is concerned with how to employee income data with a mixture of continuous data, bounded response data and nonresponse. A variable with this mixture of data types is called coarse data. Because the income question consists of two parts -- an initial, exact income question and a bounded income follow-up question -- the resulting statistical distribution of employee income is both continuous and discrete. The book shows researchers how to appropriately deal with coarse income data using multiple imputation.
The take-home message from this book is that researchers have a responsibility to treat data quality concerns in a statistically sound manner, rather than making adjustments to public-use data in arbitrary ways, often underpinned by undefensible assumptions about an implicit unobservable loss function in the data. The demonstration of how this can be done provides a replicable concept map with applicable methods that can be utilised in any sample survey.
منابع کتاب کتاب How Data Quality Affects our Understanding of the Earnings Distribution
این کتاب دسترسی آزاد نشان می‌دهد که چگونه مسائل کیفیت داده‌ها بر همه بررسی‌ها تأثیر می‌گذارد و روش‌هایی را پیشنهاد می‌کند که می‌توان از آنها برای مقابله با مؤلفه‌های قابل مشاهده خطای نظرسنجی به شیوه‌ای آماری صحیح استفاده کرد. این کتاب با نمایه‌سازی دوره پس از آپارتاید در تاریخ آفریقای جنوبی آغاز می‌شود، زمانی که چارچوب نمونه‌گیری و روش بررسی برای نظرسنجی‌های خانوارها به دلیل تغییر چشم‌انداز ژئوپلیتیکی در کشور دستخوش تغییرات دوره‌ای بود. این کتاب نشان می‌دهد که چگونه مؤلفه‌های مختلف خطا در سال‌های بررسی مختلف، از جمله خطای پوشش، خطای نمونه‌گیری، خطای عدم پاسخ، خطای اندازه‌گیری، خطای پردازش و خطای تعدیل، مقادیر نامتناسبی داشتند. پارامترهای بهره مربوط به توزیع سود است، اما با وجود این نتیجه بهره،
این کتاب سپس طراحی پرسشنامه و عدم پاسخگویی آیتم ها را با ایجاد یک مدل تمایل به پاسخ برای سؤال درآمد کارکنان در دو نظرسنجی بازار کار آفریقای جنوبی بررسی می کند: نظرسنجی اکتبر خانوار (OHS، 1997-1999) و نظرسنجی نیروی کار (LFS، 2000-2003). ). این دوره زمانی یک دوره تغییر طراحی پرسشنامه را برای سوال درآمد جدا می کند. در نهایت، این کتاب به چگونگی داده های درآمد کارکنان با ترکیبی از داده های پیوسته، داده های پاسخ محدود و عدم پاسخ می پردازد. متغیری با این مخلوط از انواع داده ها، داده درشت نامیده می شود. از آنجا که سؤال درآمد شامل دو بخش است - یک سؤال درآمد اولیه و دقیق و یک سؤال پیگیری درآمد محدود - توزیع آماری حاصل از درآمد کارکنان هم پیوسته و هم گسسته است.
پیام اصلی این کتاب این است که محققان مسئولیت دارند نگرانی‌های مربوط به کیفیت داده‌ها را به شیوه‌ای آماری صحیح بررسی کنند، به جای انجام تنظیمات دلخواه در داده‌های استفاده عمومی، که اغلب با فرضیات غیرقابل دفاع در مورد یک تابع از دست دادن غیرقابل مشاهده ضمنی در داده. نشان دادن این که چگونه می توان این کار را انجام داد، یک نقشه مفهومی قابل تکرار با روش های کاربردی ارائه می دهد که می تواند در هر نظرسنجی نمونه مورد استفاده قرار گیرد.
ارسال نظر درباره کتاب How Data Quality Affects our Understanding of the Earnings Distribution