ارزیابی خطای اندازه‌گیری شاخص‌های نیروی کار ایران با تغییر شیوه‌ی آمارگیری بر اساس مدل رده‌ی نهان مارکوف

نوع مقاله : مقاله کاربردی

نویسندگان

1 گروه طرح‌های فنی و روش‌های آماری، پژوهشکده‌ی آمار، تهران، ایران

2 گروه طرح‌های فنی و روش‌های آماری،پژوهشکده‌ی آمار، تهران، ایران.

چکیده

یکی از مهم‌ترین خطاهای غیرنمونه‌گیری، خطای اندازه‌گیری است که سبب می‌شود مقدار اندازه‌گیری ‌شده‌ی متغیر مورد مطالعه برای یک واحد نمونه‌ متفاوت با مقدار واقعی آن متغیر باشد. مدل رده‌ی نهان مارکوف امکان برآورد خطای اندازه‌گیری برای متغیرهای رسته‌ای در آمارگیری‌های پانلی که حداقل سه دوره تکرار دارند را بدون نیاز به مصاحبه‌ی مجدد فراهم می‌کند. در آمارگیری نیروی کار ایران که با نمونه‌گیری چرخشی با الگوی ۲-۲-۲ اجرا می‌شود، امکان استفاده از این مدل فراهم است. در این مقاله، به مرور چالش‌های تغییر شیوه‌ی آمارگیری در زمان بحران و مزایای مصاحبه‌ی تلفنی در مقایسه با مصاحبه‌ی رو‌در‌رو پرداخته می‌شود. همچنین به‌منظور ارزیابی نتایج آمارگیری نیروی کار در شرایط همه‌گیری کووید ۱۹ که شیوه‌ی اجرای آمار‌گیری به یک‌باره از مصاحبه‌ی رو‌در‌رو به مصاحبه‌ی تلفنی تغییر یافت، مدل رده‌ی نهان مارکوف برای ارزیابی خطای اندازه‌گیری با استفاده از داده‌های چهار دوره‌ی آمارگیری از بهار ۱۳۹۷ تا تابستان ۱۴۰۰به کار گرفته شده است. نتایج حاکی از آن است که خطای اندازه‌گیری در دوره‌ی اول تغییر شیوه‌ی مصاحبه با افزایش همراه بوده ولی در دوره‌های بعدی کاهش یافته است و در مجموع می‌توان اظهار داشت که مصاحبه‌ی تلفنی می‌تواند شیوه‌ی مناسبی برای گردآوری داده‌های آمارگیری نیروی کار باشد.

کلیدواژه‌ها

موضوعات


[1] C. A. Poulsen, Latent structure analysis with choice modeling applications, Arhus School of Business Administration and Economics, Arhus, Denmark, 1982.
[2] B. D. Meyer and N. Mittag, An empirical total survey error decomposition using data combination, J. Econometrics, 224 no. 2 (2021) 286–305.
[3] International Labour Organization (ILO), COVID-19: Guidance for labour statistics data collection, Guidance to data producers to maintain labour force survey data collection, ILO Technical Note, Geneva: ILO, 2020.
[4] J. K. Vermunt, LEM: a general program for the analysis of categorical data, Department of Methodology and Statistics, Tilburg University, 1997.
[5] K. Khalagi, M. A. Mansournia, A. Rahimi-Movaghar, K. Nourijelyani, M. Amin-Esmaeili, A. Hajebi, V. Sharif, R. Radgoodarzi, M. Hefazi and A. Motevalian, Assessing measurement error in surveys using latent class analysis: application to self-reported illicit drug use in data from the Iranian Mental Health Survey, Epidemiology and Health, 38 (2016) 1–11.
[6] L. M. Wiggins, Panel analysis, latent probability models for attitude and behavior processing, Elsevier SPC, Amsterdam, 1973.
[7] P. Biemer, Latent class analysis of survey error, Wiley Series in Survey Methodology, John Wiley & Sons, Inc., Hoboken, NJ, 2011.
[8] P. Biemer and M. Bushery, On the validity of markov latent class analysis for estimating classification error in labor force data, Surv. Methodol., 26 no. 2 (2000) 139–152.
[9] F. Van de Pol and J. De Leeuw, A latent markov model to correct for measurement error, Sociological Methods and Research, 15 no. 1-2 (1986) 118–141.
[10] F. Van de Pol and R. Langeheine, Mixed markov latent class models, in C.C. Clogg ed., Sociological Methodology, 20 (1990) 213–247.
[11] ح. نواب‌پور، م. صفاکیش و غ. ایزدی، آمار رسمی، پژوهشکده‌ی آمار، تهران، ۱۳9۷.
[12] ح. نواب‌پور، ط. چگینی و ا. صفرنژاد بروجنی، کاربردی از برآورد خطای کل آمارگیری در یک آمارگیری کوچک‌مقیاس، مجله‌ی بررسی‌های آمار رسمی ایران، 25 (1393) 47--68.
[13] ح. نواب‌پور، ا. صفرنژاد بروجنی و ط. چگینی، کاربردی از ارزیابی خطای اندازه‌گیری به‌روش تحلیل ردۀ نهان، اندیشه آماری، 22 (1396) 85--96.
[14] ز. فلاح محسن‌خانی و ل. کلهری ندرآبادی. استفاده از مدل‌های رده نهان مارکوف دربرآورد خطای رده‌بندی آمارهای جریان نیروی کار ایران، مجله علوم آماری، 16 (1401) 189--207.
[15] ف. مهران، م. نورمحمدی، ز. رضایی قهرودی، ز. فلاح محسن‌خانی، ل. کلهری ندرآبادی، ا. یزدانی، م. ریحانی، ت. باغ فلکی، م. نقی‌خانی، ن. یوسفی و ر. علی‌اکبری صبا، شناسایی و کنترل خطاهای بی‌پاسخی و اندازه‌گیری طرح‌های آمارگیری، پژوهشکده‌ی آمار، تهران، 1396.