GESIS Leibniz-Institut für Sozialwissenschaften: Homepage aufrufen

Neue Publikation: Bruch, C. Applying the rescaling bootstrap under imputation for a multistage sampling design.


Kategorien: GESIS-News

Bruch, C. Applying the rescaling bootstrap under imputation for a multistage sampling design. Computational Statistics 37, 1461–1494 (2022). https://doi.org/10.1007/s00180-021-01164-6

In diesem Artikel wird eine Methode zur Varianzschätzung vorgeschlagen, die die Verwendung imputierter Werte in der Populationsschätzung bei Anwendung eines mehrstufigen Stichprobendesign berücksichtigt. Die Nichtberücksichtigung des Imputationsvorganges und des Stichprobendesigns in der Varianzschätzung bzw. Standardfehlerschätzung kann mit großen Verzerrungen verbunden sein. Die vorgeschlagene Methode basiert auf dem Rescaling Bootstrap für mehrstufige Stichprobendesigns, welcher von Preston (Surv Methodol 35(2):227-234, 2009) entwickelt wurde. In seiner ursprünglichen Version setzt dies Methode voraus, dass der Datensatz nur vollständige Fälle und keine fehlenden Werte enthält. Wir schlagen zwei Modifikationen dieser Methode bei Vorliegen von Nonresponse und der Anwendung der Imputation vor. Diese Modifikationen werden im Rahmen einer Monte-Carlo-Simulationsstudie mit weiteren Modifikationen des Rescaling Bootstrap verglichen. Die Ergebnisse der Simulationsstudie zeigen, dass die beiden vorgeschlagenen Verfahren im Gegensatz zu anderen Modifikationen des Rescaling Bootstrap in vielen Situationen gute Schätzungen für die Varianz des Populationsschätzers unter Imputation in mehrstufigen Stichprobendesigns liefern.