纵向研究中提高调查估计的质量：在 LSMS 面板调查中的应用
横截面和纵向种群的正式定义
- 横截面人口：指特定时间点上的个人和家庭集合。
- 纵向人口：指在多个时间点上被重复观察到的个人和家庭集合。
- 家庭纵向人口：随时间可能经历消失、融合或分裂，采用多对多连续性规则定义，确保个人和家庭层面的数据统计在时间维度上完全一致。
- 感兴趣参数：包括横截面参数（如家庭特征）、个体纵向参数（如总变化）和家庭随时间的变化（如家庭总变化）。
采样设置和估算器
- 抽样设计：采用旋转样本设计，包括初始样本、中间样本更新和跟踪规则，以应对样本损耗、新生人口和迁移流的影响。
- 跟踪规则：根据目标人口的流动性定义，包括追踪整个家庭、部分成员迁移和分户情况，但通常仅限于特定区域内。
- 估算过程：
- 直接估计器：使用广义权重共享方法（GWSM）计算，但可能存在偏差。
- 校准估计器：通过校准权重解决偏差，包括样本流失和覆盖率不足问题，具有稳健的统计特性和简便的流程。
数据收集
- 跟踪规则：定义跟踪目标和地理范围，以平衡代表性和成本。
- 链接和其他辅助变量：计算基权重需要个体与初始样本的链接变量和与目标人群的链接变量。
- 非响应者数据收集：通过简短问卷模块和代理访谈收集最小变量集。
- 多模式数据收集：采用电话访谈等策略减少样本流失。
LSMS-ISA 小组调查的简短说明
- LSMS-ISA 调查：全国代表性的纵向家庭调查，旨在理解生活水平与农业之间的关系，覆盖撒哈拉以南非洲八个国家。
- 跟踪方法：包括追踪房屋、家庭或个人，但通常仅限于特定区域内。
- 样本更新：部分调查采用旋转面板或分层面板，以保持代表性。
乌干达数据的实证评价
- 横截面估计：
- 指标比较：校准后的 GWSM 基估计器在个体层面比当前 UNPS 估计器更准确，家庭层面相似。
- 劳动力人口：校准后的 GWSM 基估计器更接近官方统计数据，尤其是在农村地区。
- 贫困头计率：三种估计值与官方统计数据接近，但校准后的 GWSM 基估计器更稳定。
- 纵向估计：
- 就业状况：校准后的 GWSM 基估计器在考虑不同子样本时更稳定一致。
- 贫困头均率：校准后的 GWSM 基估计器在转移矩阵中的表现更稳定。
实证结果总结
- 校准的 GWSM 基估计器：在个体层面比当前 UNPS 估计器更准确，家庭层面相似，且在改变样本时更稳定。
- 实际实施建议：
- 存储和收集额外变量，如人口成员变量和个体多样性因子。
- 计算家庭多重性因子和响应指标变量。
- 使用标准校准估计器计算最终权重，简化个体和家庭估计的一致性。
结论
- 核心观点：通过多对多连续性规则定义家庭纵向人口，结合 GWSM 和校准估计器，可以有效提高纵向调查的估计质量。
- 关键数据：乌干达 UNPS 数据显示，校准后的 GWSM 基估计器在个体层面和家庭层面均比当前 UNPS 估计器更准确，且在改变样本时更稳定。
- 研究结论：建议在实际调查中实施上述改进措施，以提高估计的准确性和稳定性。
