Rake-/RIM-Gewichtung
Bei einer Umfrage entwerfen wir eine Stichprobe mit dem Ziel, die Bevölkerung zu repräsentieren und Erkenntnisse über die Bevölkerung zu gewinnen, die Forschern dabei helfen, für Unternehmen oder öffentliche Einrichtungen Schlussfolgerungen und schlüssige Erkenntnisse zu ziehen.
Wenn wir für eine Umfrage Stichproben ziehen, weisen wir den ausgewählten Personen, die die Bevölkerung repräsentieren, die gleiche Wahrscheinlichkeit zu. Aufgrund der Verfügbarkeit von Personen ODER aufgrund der Sensibilität der Forschungssubjekte ODER der Zugänglichkeit von Stichproben können unsere Stichproben jedoch manchmal verzerrt sein und stellen nicht die richtige Repräsentation der Bevölkerung dar.
Bei der RIM-Gewichtung berücksichtigen wir, dass ein iteratives proportionales Anpassungsverfahren die einzelnen Gewichte schätzt. Die erste Iteration berechnet Gewichte, die den Gesamtsummen der ersten Dimension (Gewichtungsvariable) entsprechen, die zweite Iteration entspricht den Gesamtsummen der zweiten Dimension und so weiter. Diese Schritte werden für alle Dimensionen wiederholt ausgeführt, sofern keine Konvergenz innerhalb einer akzeptablen Fehlerspanne erreicht wird.
Login to BI » Weightings » New weight scheme » Raked weighting » Select survey » Select the questions » Select data filter » Add a name » Add the propotions » Save
Klicken Sie hier, um das Video herunterzuladen
Schritt 1:
Weightings » New weight scheme
Schritt 2:
Raked weighting » Next
Schritt 3:
Select survey
Schritt 4:
Select questions » Next
Schritt 5 (Optional):
Create the required filter » Next
Schritt 5:
Give a name » Add the propotions » Save
Die Bearbeitung kann zwischen 1 Minute und 60 Minuten dauern. Den Status können Sie hier sehen:
You can click on the weighting scheme name to see the stats for that particular scheme:
Important information:
- Effizienz: Bei welchem Prozentsatz der Dateneffizienz konvergierten die Gewichte?
- Iterationen: Die Anzahl der erforderlichen Iterationen
- Status: Erfolgreich (Die Daten konvergierten erfolgreich) | Max steckt fest (Weitere Iterationen konnten die Effizienz nicht verbessern) | max. Iter (Maximale Anzahl an Iterationen erreicht, bevor die Daten konvergieren konnten)
