DOI: https://doi.org/10.1007/s10260-026-00864-x
تاريخ النشر: 2026-06-30
المؤلف: Pier Luigi Conti وآخرون
الموضوع الرئيسي: تقنيات أخذ العينات والتقدير
نظرة عامة
تتناول الورقة التحديات المرتبطة بالعينات غير الاحتمالية في أبحاث الاستطلاع، وخاصة نقص تمثيلها والانحيازات الناتجة في تقديرات الاستطلاع. بسبب الطبيعة الذاتية لاختيار العينة، فإن احتمالات الإدراج غير معروفة، مما يعقد تطبيق نظرية العشوائية التقليدية للاستدلال على معلمات السكان. يناقش المؤلفون عدم اليقين في تقديرات الاستطلاع الناجم عن عدم إمكانية تحديد تصميم العينة وكيف يمكن التخفيف من هذا عدم اليقين من خلال دمج معلومات إضافية عن العينة.
تشير النتائج إلى أن دقة تقديرات الاستطلاع تتحسن بشكل كبير عندما تكون القيود المعلوماتية متاحة، كما يتضح من خلال تطبيق على بيانات حقيقية من إيطاليا. تسلط الدراسة الضوء على أن فعالية النهج المقترح تعتمد على الافتراض بأن آلية اختيار العينة غير الاحتمالية يمكن وصفها بتصميم عينة غير معروف، مما يضمن أن كل وحدة في السكان لديها احتمال إيجابي للإدراج. إذا تم انتهاك هذا الافتراض، فقد ينشأ انحياز، لكن المؤلفين يقترحون أن معايرة التقديرات باستخدام متوسطات السكان المعروفة يمكن أن تساعد في تقليل هذا الانحياز.
مقدمة
في العقد الماضي، زادت أهمية العينات غير الاحتمالية بسبب انخفاض معدلات الاستجابة في استطلاعات الاحتمالية التقليدية وإمكانية الوصول إلى مجموعات بيانات كبيرة. تفتقر العينات غير الاحتمالية، التي تشمل طرقًا مثل جمع البيانات من الويب واستطلاعات الإنترنت الطوعية، إلى احتمالات إدراج معروفة، مما يؤدي إلى انحياز محتمل في الاختيار لا يمكن تصحيحه من خلال وزن الاحتمالية العكسية. يثير هذا أسئلة حاسمة حول كيفية استنتاج خصائص السكان من مثل هذه العينات وتقييم دقة تقديرات الاستطلاع. تستكشف الورقة العلاقة بين عينة غير احتمالية (B) وعينة احتمالية مستقلة (A)، مع التركيز على المتغير المدروس \(Y\) ومتجه المتغيرات المساعدة \(X = (X_1, X_2, \ldots, X_p)^T\).
يحدد المؤلفون ثلاثة نهج رئيسية لاستنتاج النتائج من العينات غير الاحتمالية: تعديل درجة الميل، والمعايرة باستخدام المتغيرات المساعدة، والتقدير الجماعي. يؤكدون على أن هذه الطرق تفترض عمومًا أن آلية اختيار العينة غير الاحتمالية يمكن تجاهلها بعد التحكم في المتغيرات المشتركة. ومع ذلك، إذا كانت عملية الاختيار غير قابلة للتجاهل، فقد لا تمثل النتائج الملاحظة السكان بدقة، مما يعقد تقدير معلمات السكان. تناقش الورقة أيضًا منهجيات مختلفة لمعالجة العينات غير القابلة للتجاهل، بما في ذلك نهج بارامتري كامل لا يتطلب معرفة المتغيرات المشتركة لجميع وحدات السكان. ستتناول الأقسام التالية من الورقة آثار عدم إمكانية تحديد توزيع \(Y\) على تقديرات الاستطلاع، وتأثير المعلومات المساعدة، وتقديم دراسة حالة باستخدام بيانات حقيقية من إيطاليا.
نقاش
في هذا القسم، يناقش المؤلفون التحديات والمنهجيات المرتبطة بإجراء استنتاجات من العينات غير الاحتمالية، مع التركيز بشكل خاص على قضايا التغطية الناقصة والاختيار الذاتي. يضعون إطارًا حيث يُفترض أن السكان المستهدفين مغطاة بالكامل، وأن احتمالات الإدراج للعينة غير الاحتمالية غير صفرية. يتم تقدير دالة الكتلة الاحتمالية المشتركة (pmf) $p(x, y)$ باستخدام عينتين: عينة احتمالية (A) وعينة غير احتمالية (B). يبرز المؤلفون أنه بينما يمكن اشتقاق تقديرات غير متحيزة لدالة الكتلة الاحتمالية الهامشية $p(x)$ من العينة A، قد تكون تقديرات دالة الكتلة الاحتمالية الشرطية $p(y|x)$ من العينة B متحيزة بسبب معلوماتية تصميم العينة. يقدمون مقاييس عدم اليقين بناءً على طول فترات عدم اليقين لـ $p(y|x)$، والتي يمكن تضييقها باستخدام المعلومات المساعدة، مما يقلل من عدم اليقين في التقديرات.
يقيم المؤلفون أيضًا دقة التقديرات لدالة الكتلة الاحتمالية الشرطية $p(y|x)$ ودالة الكتلة الاحتمالية الهامشية $p(y)$، مؤكدين على أن نقص إمكانية التحديد يؤدي إلى انحياز تقاربي في التقديرات. يستخرجون تعبيرات متوسط الخطأ التربيعي (MSE) التي تشمل كل من التباين والانحياز، موضحين أن مقاييس عدم اليقين المقيدة يمكن أن تعمل كحدود عليا للانحياز. تختتم القسم بتطبيق على بيانات حقيقية من إيطاليا، مما يوضح أن النهج المقترح يحسن بشكل فعال دقة تقديرات الاستطلاع عند استخدام معلومات إضافية عن العينة. يحذر المؤلفون من أنه إذا تم انتهاك افتراض احتمال الإدراج الإيجابي لجميع وحدات السكان، فقد يكون الاستنتاج متحيزًا، مما يقترح المعايرة ضد متوسطات السكان المعروفة كإجراء تصحيحي محتمل.
DOI: https://doi.org/10.1007/s10260-026-00864-x
Publication Date: 2026-06-30
Author(s): Pier Luigi Conti et al.
Primary Topic: Survey Sampling and Estimation Techniques
Overview
The paper addresses the challenges associated with non-probability samples in survey research, particularly their lack of representativeness and the resulting biases in survey estimates. Due to the subjective nature of sample selection, the probabilities of inclusion are unknown, complicating the application of traditional randomization theory for inference on population parameters. The authors discuss the uncertainty in survey estimates stemming from the non-identifiability of the sampling design and how this uncertainty can be mitigated by incorporating extra-sample information.
The findings indicate that the accuracy of survey estimates improves significantly when informative constraints are available, as demonstrated through an application to real enterprise data from Italy. The study highlights that the effectiveness of the proposed approach hinges on the assumption that the selection mechanism for the non-probability sample can be characterized by an unknown sampling design, ensuring that every unit in the population has a positive probability of inclusion. If this assumption is violated, bias may arise, but the authors suggest that calibrating estimates using known population means could help reduce such bias.
Introduction
In the past decade, the significance of non-probability samples has surged due to declining response rates in traditional probability surveys and the accessibility of large datasets. Non-probability samples, which include methods such as web-scraping and voluntary internet surveys, lack known inclusion probabilities, leading to potential selection bias that cannot be corrected through inverse probability weighting. This raises critical questions about how to infer population characteristics from such samples and assess the accuracy of survey estimates. The paper explores the relationship between a non-probability sample (B) and an independent probability sample (A), focusing on the study variable \(Y\) and a vector of auxiliary variables \(X = (X_1, X_2, \ldots, X_p)^T\).
The authors outline three primary approaches for drawing inferences from non-probability samples: propensity score adjustment, calibration with auxiliary variables, and mass imputation. They emphasize that these methods generally assume the selection mechanism for the non-probability sample is ignorable after controlling for covariates. However, if the selection process is non-ignorable, the observed outcomes may not accurately represent the population, complicating the estimation of population parameters. The paper further discusses various methodologies for addressing non-ignorable sampling, including a fully parametric approach that does not require knowledge of covariates for all population units. The subsequent sections of the paper will delve into the implications of non-identifiability of the distribution of \(Y\) on survey estimates, the impact of auxiliary information, and present a case study using real enterprise data from Italy.
Discussion
In this section, the authors discuss the challenges and methodologies associated with making inferences from non-probability samples, particularly focusing on issues of under-coverage and self-selection. They establish a framework where the target population is assumed to be fully covered, and the inclusion probabilities for the non-probability sample are non-zero. The joint probability mass function (pmf) $p(x, y)$ is estimated using two samples: a probability sample (A) and a non-probability sample (B). The authors highlight that while unbiased estimates of the marginal pmf $p(x)$ can be derived from sample A, estimates of the conditional pmf $p(y|x)$ from sample B may be biased due to the informativeness of the sampling design. They introduce uncertainty measures based on the length of the uncertainty intervals for $p(y|x)$, which can be tightened using auxiliary information, thereby reducing uncertainty in the estimates.
The authors further evaluate the accuracy of estimates for the conditional pmf $p(y|x)$ and the marginal pmf $p(y)$, emphasizing that the lack of identifiability leads to asymptotic bias in the estimates. They derive mean squared error (MSE) expressions that incorporate both variance and bias, showing that the constrained uncertainty measures can serve as upper bounds for the bias. The section concludes with an application to real enterprise data from Italy, demonstrating that the proposed approach effectively improves the accuracy of survey estimates when extra-sample information is utilized. The authors caution that if the assumption of a positive inclusion probability for all population units is violated, the inference could be biased, suggesting calibration against known population means as a potential corrective measure.