Incomplete Categorical Data Design

Respondenter på enkätfrågor som involverar känslig information såsom sexuellt beteende, olaglig droganvändning, skatteundandragande och inkomst kan vägra att svara på frågorna eller ge osanna svar för att skydda sin integritet. Detta skapar en utmaning när det gäller att dra giltiga slutsatser från potentiellt felaktiga data. För att ta itu med denna svårighet gör icke-randomiserade svarsmetoder det möjligt för urvalsundersökningar och tillämpade statistiker att skydda respondenternas integritet och korrekt analysera den insamlade informationen. Ofullständig kategorisk datadesign: Icke-randomiserade svarstekniker för känsliga frågor i undersökningar är den första boken om icke-randomiserade svarsdesigner och statistiska analysmetoder. De tekniker som behandlas integrerar styrkorna hos befintliga metoder, inklusive randomiserade svarsmodeller, ofullständig kategorisk datadesign, EM-algoritmen, bootstrap-metoden och dataaugmenteringsalgoritmen. Boken är en fristående systematisk introduktion som visar hur man drar giltiga statistiska slutsatser från enkätdata med känsliga egenskaper. Den vägleder dig i att tillämpa den icke-randomiserade svarsmetoden i enkäter och nya icke-randomiserade svarsdesigner. Alla R-koder för exemplen finns tillgängliga på www.saasweb.hku. hk/staff/gltian/. . Språk: Engelska