تحليل البيانات / المتوسط: العلاقات وعدم اليقين / الدرس 11
إطار المعاينة والاختيار والأوزان
اربط المجتمع المستهدف بالسجلات القابلة للاختيار فعلاً وميّز تغير العينة من انحياز التغطية والاستجابة.
في هذه الصفحة
أهداف الدرس
- تمييز المجتمع والإطار والعينة المختارة والمستجيبين.
- شرح احتمالات إدراج معروفة وغير صفرية.
- استخدام الأوزان بأهداف وحدود صريحة.
الجدول المتاح ليس المجتمع تلقائياً
المجتمع المستهدف مجموعة السؤال، وإطار المعاينة القائمة أو الآلية العملية للاختيار. قد يغيب غير مستخدمي التطبيق عن دليل حساباته ولو قيس كل حساب بدقة. وتشوه التغطيةَ أيضاً التكرارات والأهلية القديمة. حدد الوحدة والفترة قبل اختيار السجلات.
تتبع الانتقال من المجتمع إلى الإطار ثم العينة ثم المستجيبين ثم المشاهدات الصالحة. قد تستبعد كل مرحلة أشخاصاً بصورة مختلفة. التصفية إلى المكتمل اختيار إضافي لا تحضير بريء. تدعم العشوائية من إطار ناقص ادعاءً عن الإطار بافتراضاته، ولا تعمم تلقائياً على المستبعدين.
صف آلية الاختيار لا البذرة وحدها
يعطي التصميم الاحتمالي وحدات الإطار احتمال إدراج معروفاً وغير صفري بآلية عشوائية محددة. في الاختيار البسيط دون إرجاع لاثنين من أربعة تتساوى احتمالات كل زوج. يعد البرنامج الأزواج الستة ويجد كل وحدة في ثلاثة، فيكون احتمال إدراجها النصف وفق التصميم. التعداد ليس مسحاً جُمعت إجاباته.
تكرر البذرة البرمجية السحب ولا تجعل إطاراً مريحاً ممثلاً. قد تختلف احتمالات الإدراج أو تستخدم فئات وعناقيد؛ ولا تعني «عشوائي» أوزاناً متساوية دائماً. وثق التصميم واعتماد الوحدات حتى يعكس عدم اليقين طريقة الحصول عليها.
from itertools import combinations
frame = ("a", "b", "c", "d")
possible_samples = list(combinations(frame, 2))
inclusions = [sum(unit in sample for sample in possible_samples) for unit in frame]
probabilities = [count / len(possible_samples) for count in inclusions]
print("samples", len(possible_samples))
print("inclusions", inclusions)
print("probabilities", probabilities)
samples 6
inclusions [3, 3, 3, 3]
probabilities [0.5, 0.5, 0.5, 0.5]
توجد ست مجموعات ثنائية متساوية الاحتمال وفق التصميم وتظهر كل وحدة في ثلاث فيكون احتمالها0.5.
افصل المشاركة من السحب الأصلي
قد لا تستجيب الوحدات المختارة، وقد ترتبط الاستجابة بالنتيجة أو ظروفها. قد يجذب نموذج رضا طوعي السعداء جداً أو الغاضبين. يفيد معدل الاستجابة تشغيلياً ولا يثبت انخفاض الانحياز؛ يهم فرق المستجيب عن غيره. افصل عدم استجابة الوحدة من ترك بند داخل استجابة أخرى.
قارن المشاركة والاحتفاظ بالمكتمل حسب الفئات المتاحة ذات الصلة، مع أن صفاتها قد لا تلتقط آلية الانحياز الحقيقية. قد تزيد إجابات العملية الانتقائية نفسها فتخفض خطأً معيارياً وتبقي الخطأ المنهجي. لا تسمِّ جدول اختيار ذاتي كبير عينة احتمالية لكثرة صفوفه أو ترتيبها العشوائي.
حدد المجتمع الممثل بالتقدير الموزون
تستخدم أوزان الأساس عادة مقلوب احتمال الإدراج. لدى المثال حجما فئة200 و800 وعددا عينة40 و10، فيكون الوزنان5 و80. المتوسط غير الموزون14 والمقدر الموزون26 باستعمال متوسطي العينة10 و30؛ فيمثل حصص المجتمع المعروفة لا تخصيص العينة غير المتناسب.
لا يثبت الحساب تمثيل كل متوسط لفئته. تعالج تعديلات عدم الاستجابة أو المعايرة فروقاً معينة بافتراضات، ولا تستعيد اعتباطياً فئة غائبة أو آلية غير مقاسة. افحص الوزن المتطرف ووثق تقليمه وحساسيته. يجب أن تراعي معادلة التباين التصميم؛ فقد يضلل اعتبار الصفوف الموزونة عينة بسيطة مستقلة بحجمها الخام.
strata = [
{"population": 200, "sample": 40, "mean": 10.0},
{"population": 800, "sample": 10, "mean": 30.0},
]
weights = [s["population"] / s["sample"] for s in strata]
unweighted = sum(s["sample"] * s["mean"] for s in strata) / sum(s["sample"] for s in strata)
weighted = sum(s["sample"] * w * s["mean"] for s, w in zip(strata, weights)) / sum(
s["sample"] * w for s, w in zip(strata, weights)
)
print("weights", weights)
print(f"unweighted {unweighted:.1f}")
print(f"weighted {weighted:.1f}")
weights [5.0, 80.0]
unweighted 14.0
weighted 26.0
تعطي حصص العينة80% و20% المتوسط14، وتعطي حصص المجتمع20% و80% القيمة26. يغير الوزن الهدف الممثل بافتراضات معلنة.
اعرض عدم اليقين وحدود الاختيار معاً
يصف الخطأ المعياري تغيراً وفق تصميم أو نموذج ولا يشمل كل خطأ تغطية أو قياس أو معالجة أو استجابة. صف الإطار والتصميم والاستجابة والاستبعاد والوزن والقيود مع التقدير. لا تجعل الفترة الضيقة دليلاً على ضآلة كل انحياز.
اسأل قبل المزيد هل العائق تغير عشوائي أو استبعاد منهجي. قد يفيد تحسين الإطار والمتابعة أكثر من تكبير عينة انتقائية. يميز التقرير المبرر ما يدعمه التصميم وما تفترضه التعديلات والمجتمعات التي تبقى خارج الدليل. هذه الحدود جزء من النتيجة لا تنبيه اختياري.
الأخطاء الشائعة وإصلاحها
وُصفت عينة مريحة كبيرة بأنها ممثلة.
- لماذا يحدث؟
- اختلط الحجم بتصميم اختيار وتغطية صالح.
- كيف تصلحه؟
- صف الإطار الفعلي وقيد الادعاء أو أعد التصميم.
- كيف تتجنب تكراره؟
- دقق التغطية والاختيار قبل الفترات.
استُبعد غير المستجيبين من التقرير خفية.
- لماذا يحدث؟
- افتُرض استقلال الاستجابة عن النتيجة.
- كيف تصلحه؟
- اعرض المشاركة والاحتفاظ حسب المعروف وافحص الفروق المعقولة.
- كيف تتجنب تكراره؟
- احفظ مؤشرات الأهلية والاستجابة.
عُد المتوسط الموزون خالياً من الانحياز تلقائياً.
- لماذا يحدث؟
- افتُرض أن الوزن يصلح كل غياب وانتقاء.
- كيف تصلحه؟
- حدد الهدف والافتراض والتشخيص والحساسية.
- كيف تتجنب تكراره؟
- افصل وزن التصميم من ادعاء انحياز غير مدعوم.
اختبر فهمك
1. تسحب دراسة حسابات تطبيق عشوائياً وتستهدف كل السكان. ما القيد الباقي؟
اعرض الحل المشروح
يغيب من لا حساب مؤهلاً له عن الإطار وفرصته صفر. لا تعيده عشوائية الحسابات. وسع الإطار أو قيد المجتمع وافحص الحسابات المكررة إذا كانت الوحدة شخصاً.
2. للعينة40 مشاهدة بمتوسط10 وعشر بمتوسط30 وحصص مجتمع20% و80%. احسب.
اعرض الحل المشروح
متوسط العينة14، وتقدير حصص المجتمع0.2×10+0.8×30=26. يعتمد الثاني على متوسط الفئتين وحصص معلنة ولا يتحقق بنفسه من الاستجابة أو الاختيار داخلهما.
أهم ما تعلمته
- ينتمي الاحتمال إلى إطار وآلية محددين.
- عدم الاستجابة ونقص التغطية ليسا ضوضاء عادية.
- تحتاج الأوزان هدفاً وافتراضاً وعدم يقين يراعي التصميم.