Minska bortfallet (pdf) - Statistiska centralbyrån
Minska bortfallet (pdf) - Statistiska centralbyrån
Minska bortfallet (pdf) - Statistiska centralbyrån
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Kapitel 4<br />
28<br />
exempel på skevhet<br />
Tabell 4.1 Skevhet under olika antaganden om <strong>bortfallet</strong>s storlek och<br />
mellan svarsstratum och bortfallsstratum vid skattning av proportioner.<br />
X 0.01 s − Xb<br />
0.10<br />
m/n<br />
0.25 0.50<br />
0.01 0.0001 0.0010 0.0025 0.0050<br />
0.10 0.0010 0.0100 0.0250 0.0500<br />
0.25 0.0025 0.0250 0.0625 0.1250<br />
0.50 0.0050 0.0500 0.1250 0.2500<br />
0.75 0.0075 0.0750 0.1875 0.3750<br />
Som framgår av tabell 4.1 är skevheten liten när <strong>bortfallet</strong> uppgår till<br />
endast 1 % (m/n=0.01) och likaså i de fall Xs − Xb=<br />
0.01, även för större<br />
bortfallsfrekvenser. Däremot kan ett 10-procentigt bortfall orsaka en<br />
allvarlig skevhet, till exempel om Xs − Xb<br />
är så stor som 0.75. I det fallet<br />
får man en större skevhet än om <strong>bortfallet</strong> är 25 % men där Xs − Xb<br />
endast är 0.25.<br />
Frågan om vad som ska räknas som acceptabel bortfallsfrekvens saknar<br />
mening om man inte har information om skillnaderna mellan svarsstratum<br />
och bortfallsstratum.<br />
4.4 Vilka blir effekterna av bortfall?<br />
Effekter på resultaten<br />
Bortfall innebär alltid en försämrad kvalitet, eftersom uteblivna observationer<br />
bidrar till en variansökning. Variansökning leder till längre<br />
konfidensintervall och sämre precision. De i regel allvarligaste effekterna<br />
av <strong>bortfallet</strong> är att det snedvrider resultaten, d.v.s. orsakar en skevhet.<br />
Skevheten medför att man systematiskt antingen överskattar eller underskattar<br />
olika parametrar. Till exempel tyder studier i AKU på att <strong>bortfallet</strong><br />
leder till underskattning av antalet arbetslösa. En studie baserad på data<br />
från 1991 visar att AKU underskattade antalet arbetslösa med ca 8 %.<br />
Underskattningen var större för män än för kvinnor. Uppdelad efter<br />
åldersklasser framgick att skevheten huvudsakligen låg i åldersklassen<br />
25–54 år. Orsaken till skevheten är att arbetslösa är mer bortfallsbenägna<br />
än andra grupper. När det gäller AKU är det i första hand kategorin ej<br />
anträffade som orsakar skeva skattningar. Efter införandet av ett nytt<br />
estimationssystem som utnyttjar hjälpinformation, har denna skevhet<br />
minskats radikalt. I andra undersökningar kan förhållandet vara annorlunda.<br />
Till exempel i SCB:s undersökning om levnadsförhållanden
Change language