Risposte:
Potresti sapere che la ponderazione generalmente mira a garantire che un determinato campione sia rappresentativo della sua popolazione target. Se nel tuo campione alcuni attributi (ad es. Sesso, SES, tipo di trattamento) sono meno rappresentati rispetto alla popolazione da cui proviene il campione, allora possiamo adattare i pesi delle unità statistiche incriminate per riflettere meglio l'ipotetica popolazione target .
La ponderazione RIM (o rastrellamento) significa che equipareremo la distribuzione marginale del campione alla distribuzione marginale teorica. Porta qualche idea con la post-stratificazione, ma consente di spiegare molte covariate. Ho trovato una buona panoramica in questo opuscolo sui metodi di ponderazione , ed ecco un esempio del suo uso in un vero studio: Raking Fire Data .
La ponderazione della propensione viene utilizzata per compensare la mancata risposta dell'unità in un sondaggio, ad esempio aumentando i pesi di campionamento dei rispondenti nel campione usando le stime delle probabilità che hanno risposto al sondaggio. Questa è nello spirito la stessa idea dell'uso dei punteggi di propensione per regolare la distorsione della selezione del trattamento negli studi clinici osservazionali: sulla base di informazioni esterne, stimiamo la probabilità che i pazienti vengano inclusi in un determinato gruppo di trattamento e calcoliamo i pesi in base a fattori ipotizzati influenza la selezione del trattamento. Ecco alcuni suggerimenti che ho trovato per andare oltre:
Per quanto riguarda un riferimento generale, vorrei suggerire
Kalton G, Flores-Cervantes I. Metodi di ponderazione. J. Off. Statistica. (2003) 19: 81-97. Disponibile su http://www.jos.nu/