Antworten:
Möglicherweise wissen Sie, dass die Gewichtung im Allgemeinen darauf abzielt, sicherzustellen, dass eine bestimmte Stichprobe für ihre Zielpopulation repräsentativ ist. Wenn in Ihrer Stichprobe einige Attribute (z. B. Geschlecht, SES, Art der Medikation) weniger gut vertreten sind als in der Population, aus der die Stichprobe stammt, können wir die Gewichte der belasteten statistischen Einheiten anpassen, um die hypothetische Zielpopulation besser widerzuspiegeln .
RIM-Gewichtung (oder Rechen) bedeutet, dass wir die Randverteilung der Probe mit der theoretischen Randverteilung gleichsetzen. Es trägt eine Idee mit Nachschichtung, erlaubt aber, viele Kovariaten zu berücksichtigen. In diesem Handzettel habe ich einen guten Überblick über Gewichtungsmethoden gefunden. Hier ist ein Beispiel für die Verwendung in einer realen Studie: Raking Fire Data .
Die Neigungsgewichtung wird verwendet, um die Nichtbeantwortung von Einheiten in einer Umfrage zu kompensieren, indem beispielsweise die Stichprobengewichte der Befragten in der Stichprobe anhand von Schätzungen der Wahrscheinlichkeiten erhöht werden, mit denen sie auf die Umfrage geantwortet haben. Dies ist im Geiste die gleiche Idee wie die Verwendung von Neigungswerten zur Anpassung an die Verzerrung der Behandlungsauswahl in klinischen Beobachtungsstudien: Basierend auf externen Informationen schätzen wir die Wahrscheinlichkeit, dass Patienten in eine bestimmte Behandlungsgruppe aufgenommen werden, und berechnen die Gewichte basierend auf den angenommenen Faktoren Einfluss auf die Auswahl der Behandlung. Hier sind einige Hinweise, die ich gefunden habe, um weiter zu gehen:
Als allgemeine Referenz würde ich vorschlagen
Kalton G, Flores-Cervantes I. Gewichtungsmethoden. J. Off. Stat. (2003) 19: 81 & ndash; 97. Verfügbar auf http://www.jos.nu/