American Community Survey 다양성 데이터의 가중치를 재조정하면 오류 한계에 어떤 영향을 미칩니 까?

배경 : 저의 조직은 현재 미국 사회 조사 (미국 인구 조사국의 조사 프로젝트)를 기반으로하는 인력 다양성 통계 (예 : 장애인 %, 여성 %, 재향 군인 %)를 해당 그룹의 총 노동력 가용성과 비교합니다. 우리는 노동 인구와는 다른 인구 통계를 가진 매우 구체적인 직업 세트를 가지고 있기 때문에 이것은 부정확 한 벤치 마크입니다. 예를 들어 내 조직은 대부분 엔지니어라고 가정합니다. 공학은 우리 주에서 약 20 %에 불과합니다. 우리가 여성의 50 %에 해당하는 총 노동력 기준과 비교하면“우리는 여성이 20 % 밖에 안된다”고 공황에 빠지게됩니다. 실제로 20 %는 우리가 기대하는 것입니다. 그것이 노동 환경과 비슷하기 때문입니다.

내 목표 : 내가하고 싶은 것은 미국 지역 사회 조사 직업 데이터 (다양성 범주 별)를 취하여 내 사업의 직업 구성에 따라 다시 가중치를 부여하는 것입니다. 다음은 사회 및 지역 사회 서비스 근로자를위한 샘플 데이터 세트입니다 . 이 직무 코드를 함께 나열하고 싶습니다 (우리의 횡단 보도는 특정 직무 코드가 아닌 직무 그룹에 있기 때문에). 그 범주에 속한 사람들의 수에 따라 벤치 마크에 가중치를 부여하고 싶습니다 (예 : 3,000 사회 및 그런 다음 다른 모든 작업 그룹에 대해 동일한 작업을 수행하고 해당 숫자를 더한 다음 총 직원 수로 나누고 싶습니다. 이것은 새로운 재가 중 다양성 측정을 제공 할 것입니다 (예 : 장애가있는 사람의 6 %에서 장애가있는 사람의 2 %).

내 질문 :이 최종 롤업 벤치 마크에 오차 한계를 맞추려면 어떻게해야합니까? 나는 원시 인구 조사 데이터 세트를 가지고 있지 않지만 (표현) "추정"필드를 "오류 한계"로 전환하여 제공 한 링크에서 각 숫자에 대한 오차 한계를 볼 수 있습니다. 이 데이터로 작업하는 다른 동료들은 오류 한계를 완전히 무시하려고하지만 통계적으로 무의미한 벤치 마크를 만들지 않을까 걱정하고 있습니다. 위에서 설명한 조작 후에도이 데이터를 계속 사용할 수 있습니까?

— DanicaE
소스

ACS에 무게를 두지 마십시오. 그것은 섬세하고 매우 정교한 제품이며, 모든면에서 통계청이 인구 조사국만큼 좋은 통계라고는 생각하지 않습니다. 전국 비교를 위해 ACS 또는 CPS 에서 작업과 일치하는 직무에 대한 정의를 얻을 수 있다면 , 사과 대 사과 비교는 귀하의 비즈니스가 합리적인 다양성으로 행동하기 위해 ACS를 기반으로 예상되는 "다양성"범주 수를 계산하는 것입니다. 목표.

— StasK

Stas, 나는 당신에 동의하지만, 아래에 표시된 것처럼 이것은 실제로 ACS의 가중치가 아닙니다.

— Steve Samuels

설문 통계에서 " 가중치 "는 원래 설문 가중치의 변환을 의미 합니다. 이에 대한 예는 계층화, 샘플 레이크 또는 교정으로, 가중 된 샘플에 대한 특정 한계 분포가 센서스 또는 ACS 등 외부에서 알려진 분포와 일치합니다. Danica가 언급 한 절차는 ACS 가중치를 건드리지 않습니다.

— Steve Samuels

도움이 될 수있는 것은 알고 싶은 유한 한 인구 량을 기록하는 것입니다. ACS에는 복제 가중치가 있습니까? 이들은 분산 추정에 도움이 될 수 있습니다.

— probabilityislogic

답변:

2014-01-15 업데이트

나는 간접적으로 조정 된 비율 장애인에 대한 오류 마진이 ACS에서 동일한 비율에 대한 오류 마진보다 크거나 작은 지에 대한 Danica의 원래 질문에 대답하지 않았다는 것을 알고 있습니다. 답은 회사 범주 비율이 주 ACS 비율과 크게 다르지 않은 경우 아래 주어진 오류 마진은 ACS 오류 마진보다 작습니다. 이유 : 간접 비율은 조직 작업 범주 개인 수 (또는 상대 비율)를 고정 된 숫자로 취급합니다. 비활성화 된 비율의 ACS 추정에는 사실상 해당 비율 의 추정 이 필요하며 이를 반영하기 위해 오차 한계가 증가합니다.

설명하기 위해 비활성화 비율을 다음과 같이 작성하십시오.

{\hat{P}}_{a d j} = \sum \frac{n_{i}}{n} \hat{p_{i}}

$\hat{P}_{adj} = \sum \dfrac{n_i}{n} \hat{p_i} \\$

여기서 는 ACS의 범주 에서 예상 비활성화 된 비율입니다 . $\hat{p}_i$ $i$

반면에 ACS 추정 속도는 사실상 다음과 같습니다.

{\hat{P}}_{a c s} = \sum \hat{(\frac{N_{i}}{N})} \hat{p_{i}}

$\hat{P}_{acs} = \sum\widehat{\left(\frac{N_i}{N}\right)} \hat{p_i}$

여기서 및 은 각각 모집단 범주 및 전체 합계이고 은 범주 의 모집단 비율입니다 . $N_i$ $N$ $N_i/N$ $i$

따라서 외에도 을 추정해야하기 때문에 ACS 속도에 대한 표준 오차가 더 커집니다 . $N_i/N$ $p_i$

조직 범주 비율과 인구 추정 비율이 크게 다르면 있습니다. 내가 구성한 두 범주의 예에서 범주는 및 비율로 표시되었습니다 . 비활성화 된 예상 비율의 표준 오류는 입니다. $SE( \hat{P}_{adj} )>SE( \hat{P}_{acs} )$ $N_1/N= 0.7345$ $N_2/N= 0.2655$ $SE( \hat{P}_{acs} ) = 0.0677$

0.7345 및 0.2655를 고정 값 및 (간접 조정 방식)으로 간주하면 로 훨씬 작습니다. 아닌 경우, 과 , 동일한 빈도로, 극한의시 및 , 입니다. 조직과 인구 범주 비율이 크게 다른 경우 놀랍습니다. 그렇지 않다면 ACS 오류 마진을 보수적, 아마도 매우 보수적 인 실제 오류 마진의 추정치로 사용하는 것이 안전하다고 생각합니다. $n_1/n$ $n_2/n$ $SE(\hat{P}_{adj} )=0.0375$ $n_1/n= 0.15$ $n_2/n =0.85$ $SE( \hat{P}_{adj} )=0.0678$ $SE( \hat{P}_{acs} )$ $n_1/n= 0.001$ $n_2/n =0.999$ $SE( \hat{P}_{adj} )=0.079$

2014-01-14 업데이트

짧은 답변

제 생각에는 CI 또는 오류 마진 (CI 길이의 절반)이없는 통계를 제시하는 것은 무책임합니다. 이를 계산하려면 ACS PUMS (Public Use Microdata Sample) ( http://www.census.gov/acs/www/data_documentation/public_use_microdata_sample/ ) 를 다운로드하여 분석해야합니다 .

긴 대답

이것은 실제로 ACS의 가중치가 아닙니다. 역학의 표준 절차 인 Google의 간접 표준화 버전입니다 (Google 또는 모든 에피 텍스트 참조). 이 경우 주 ACS 작업 (범주) 장애 비율은 조직 작업 범주 직원 수에 따라 가중됩니다. 이것은 조직의 예상 장애인 수를 계산하며 E관찰 된 수와 비교할 수 있습니다 O. 비교를위한 일반적인 측정 기준은 표준화 된 비율 R= (O/E)입니다. (일반적인 용어는 "표준 사망률"의 "SMR"이지만 여기서 "결과"는 장애입니다. R또한 관찰 된 장애 비율 (O/n)과 간접적으로 표준화 된 비율의 비율 (E/n)이며 n조직의 직원 수는 어디 입니까?

이 경우 CI 만 필요 E하거나 E/n필요한 것으로 보이 므로 먼저 시작하겠습니다.

만약

 n_i = the organization employee count in job category i

 p_i = disability rate for job category i in the ACS

그때

 E = sum (n_i p_i)

차이 E는 다음과 같습니다.

 var(E) = nn' V nn

여기서 nn조직 범주 개수의 열 벡터 V는 ACS 범주 장애율의 추정 분산 공분산 행렬입니다.

또한, 사소하게, se(E) = sqrt(var(E))그리고 se(E/n) = se(E)/n.

E의 90 % CI는

  E ± 1.645 SE(E)

나누기는 n대한 CI를 얻을 수 있습니다 E/n.

추정하려면 var(E)ACS PUMS (Public Use Microdata Sample) 데이터 ( http://www.census.gov/acs/www/data_documentation/public_use_microdata_sample/ ) 를 다운로드하고 분석해야합니다 .

var(E)Stata의 컴퓨팅 프로세스에 대해서만 말할 수 있습니다 . 사용 가능한지 모르겠으므로 세부 정보를 연기하겠습니다. 그러나 R 또는 (아마도) SAS의 조사 기능에 대해 잘 알고있는 사람은 위의 방정식에서 나온 코드를 제공 할 수도 있습니다.

비율에 대한 신뢰 구간 R

의 신뢰 구간 R은 일반적으로에 대한 포아송 가정을 기반으로 O하지만이 가정은 틀릴 수 있습니다.

우리는 독립적으로 생각 O하고 고려할 수 있습니다.E

 log R = log(O) - log(E) ->

 var(log R) = var(log O) + var(log(E))

var(log(E))의 계산 후 하나 이상의 Stata 단계로 계산할 수 있습니다 var(E).

푸 아송 독립성 가정에서 :

 var(log O) ~ 1/E(O).

Stata와 같은 프로그램은 음의 이항 모델 또는 일반화 된 선형 모델에 적합하고보다 정확한 분산 항을 제공 할 수 있습니다.

에 대한 대략 90 % CI log R는

 log R ± 1.645 sqrt(var(log R))

에 대한 CI를 얻기 위해 끝점을 지수화 할 수 있습니다 R.

— 스티브 사무엘 스
소스

이것은 좋은 토론입니다. 그러나 대해 CI를 지수화하도록 권장하면 자체에 대한 CI가 실제로 저하 될 수 있습니다 .

\log (R)

$\log(R)$

R

$R$

— whuber

번짐이 적절한 경우가 아닌 것 같지만 잘못되었을 수 있습니다. 무엇을 제안 하시겠습니까?

— Steve Samuels

CV에 언급 된 일부 방법에는 CI 강화, 델타 방법 및 우도 함수 프로파일 링이 포함됩니다.

— whuber

답변 주셔서 감사합니다. R을 사용하여 PUMS 데이터를 가져올 수 있습니까? SAS가 없습니다. 인구 조사에서 제공하는 DataFerret 도구를 사용하기 전에 PUMS 데이터를 가져 왔지만 Excel에서 유용하게 조작 할 수있는 것이 무엇인지 확실하지 않습니다. 분명히 R을 설치할 수는 있지만 경험이 없습니다.

— DanicaE

천만에요, Danica. 이 답변이 도움이 되었으면 확인 표시를 눌러 공식적으로 수락하십시오. 답변을 업데이트했습니다. ACS 오류 마진을 적절한 오류의 보수적 인 대용품으로 제시하는 것이 좋습니다.

— Steve Samuels

FACS에는 ACS 및 PUMS 액세스에 대한 유용한 자료가 있습니다 ( http://www.asdfree.com/2012/12/analyze-american-community-survey-acs.html ).

또한 CRAN에서 자연스럽게 ACS라고하는 ACS 데이터를 처리하기위한 패키지가 있는데, 이는 ACS 데이터로 비정형적인 작업을 수행하는 데 실제로 도움이된다는 것을 알게되었습니다. 이것은 패키지에 대한 단계별 단계별입니다 (불행히도 문서는 직관적이지 않습니다) -http : //dusp.mit.edu/sites/all/files/attachments/publication/working_with_acs_R.pdf

— pricele2
소스

무료 소프트웨어 로이 문제를 해결하려면 @ pricele2의 answer ..에 http://asdfree.com 링크를 추가하면 다음 단계를 수행하는 것이 좋습니다.

(1) ( 두 시간의 노력 ) r 언어에 익숙해 지십시오. 처음 2 개의 동영상을 각각 2 분씩 시청

http://twotorials.com/

(2) ( 1 시간의 쉬운 지시 사항 ) 컴퓨터에 monetdb를 설치하십시오

http://www.asdfree.com/2013/03/column-store-r-or-how-i-learned-to-stop.html

(3) ( 30 분의 지시에 따른 + 야간 다운로드 ) 컴퓨터에 acs pums를 다운로드하십시오. 필요한 년만 얻으십시오.

https://github.com/ajdamico/usgsd/blob/master/American%20Community%20Survey/download%20all%20microdata.R

(4) ( 4 시간의 학습 및 프로그래밍 및 작업 확인 ) 필요한 사양에 따라 코딩해야하는 변수를 코딩

https://github.com/ajdamico/usgsd/blob/master/American%20Community%20Survey/2011%20single-year%20-%20variable%20recode%20example.R

(5) ( 두 시간의 실제 분석 ) 찾고자하는 정확한 명령을 실행하고 표준 오차를 포착하며 신뢰 구간을 계산합니다.

https://github.com/ajdamico/usgsd/blob/master/American%20Community%20Survey/2011%20single-year%20-%20analysis%20examples.R

(6) ( 4 시간 프로그래밍 ) 비율 추정기가 필요한 경우 여기에서 비율 추정 예 (정확하게 조사 조정 된 표준 오류 포함)를 따르십시오.

https://github.com/ajdamico/usgsd/blob/master/Censo%20Demografico/variable%20recode%20example.R#L552

— 안토니 다 미코
소스

감사합니다. 훌륭한 자료입니다. 다른 사람 이이 정보를 찾고 여기에 오면 내가 사용했던 R 자습서는 datacamp.com 및 coursera.org/course/rprog 입니다. Data Camp는 환상적인 대화 형 자습서입니다. Coursera 과정은 사물에 대한 이론 / 구조 / 이름에 더 무겁습니다.

— DanicaE