जवाबों:
आप यह जान सकते हैं कि भारोत्तोलन आमतौर पर यह सुनिश्चित करने के लिए होता है कि एक दिया गया नमूना उसके लक्ष्य जनसंख्या का प्रतिनिधि है। यदि आपके नमूने में कुछ विशेषताएँ (जैसे, लिंग, एसईएस, दवा का प्रकार) उस आबादी की तुलना में कम अच्छी तरह से दर्शायी जाती हैं, जहाँ से नमूना आता है, तो हम हाइपोटेंशन लक्ष्य की आबादी को बेहतर ढंग से प्रतिबिंबित करने के लिए अव्यक्त सांख्यिकीय इकाइयों के वजन को समायोजित कर सकते हैं। ।
रिम भार (या रेकिंग) का अर्थ है कि हम नमूना सीमांत वितरण को सैद्धांतिक सीमांत वितरण के बराबर करेंगे। यह पोस्ट-स्तरीकरण के साथ कुछ विचार रखता है, लेकिन कई कोवरिएट्स के लिए खाता है। मुझे वेटिंग मेथड्स के बारे में इस हैंडआउट में एक अच्छा अवलोकन मिला , और यहां एक वास्तविक अध्ययन में इसके उपयोग का एक उदाहरण है: रेकिंग फायर डेटा ।
सर्वेक्षण में यूनिट गैर-प्रतिक्रिया की भरपाई के लिए प्रॉपर्टीस वेटिंग का उपयोग किया जाता है, उदाहरण के लिए, नमूने में उत्तरदाताओं का नमूना भार बढ़ाकर, उन संभावनाओं के अनुमानों का उपयोग करके, जो उन्होंने सर्वेक्षण में जवाब दिए थे। यह आत्मा का एक ही विचार है कि अवलोकन संबंधी नैदानिक अध्ययनों में उपचार के चयन पूर्वाग्रह को समायोजित करने के लिए प्रवृत्ति स्कोर के उपयोग की तुलना में: बाहरी जानकारी के आधार पर, हम रोगियों को किसी दिए गए उपचार समूह में शामिल किए जाने की संभावना का अनुमान लगाते हैं और सम्मोहित कारकों के आधार पर वजन की गणना करते हैं। उपचार के चयन को प्रभावित करते हैं। यहाँ कुछ संकेत हैं जिन्हें मैंने आगे जाना पाया:
एक सामान्य संदर्भ के लिए, मैं सुझाव दूंगा
Kalton G, Flores-Cervantes I. वजन करने के तरीके। जे। ऑफ। स्टेट। (2003) 19: 81-97। Http://www.jos.nu/ पर उपलब्ध