Get access

Weighting in the regression analysis of survey data with a cross-national application

Authors


Abstract

A class of survey weighting methods provides consistent estimation of regression coefficients under unequal probability sampling. The minimization of the variance of the estimated coefficients within this class is considered. A series of approximations leads to a simple modification of the usual design weight. One type of application where unequal probabilities of selection arise is in cross-national comparative surveys. In this case, our argument suggests the use of a certain kind of within-country weight. We investigate this idea in an application to data from the European Social Survey, where we fit a logistic regression model with vote in an election as the dependent variable and with various variables of political science interest included as explanatory variables. We show that the use of the modified weights leads to a considerable reduction in standard errors compared to design weighting. The Canadian Journal of Statistics 40: 697–711; 2012 © 2012 Statistical Society of Canada

Abstract

Une classe de méthodes de pondération d'enquête procure des estimations cohérentes des coefficients de régression sous un tirage à probabilités inégales. Nous considérons la minimisation de la variance des coefficients estimés à l'intérieur de cette classe. Une série d'approximations conduit à une modification simple des poids d'échantillonnage. Une application où les probabilités inégales de sélection se produisent est dans les enquêtes comparatives transnationales. Dans ce cas, nos arguments suggèrent l'utilisation d'un certain type de pondération au sein d'un pays. Nous étudions cette idée en l'appliquant à des données provenant de l'enquête sociale européenne. À l'aide de ces données, nous ajustons un modèle de régression logistique dans lequel la variable dépendante est le suffrage lors d'une élection tandis que les variables explicatives sont diverses variables ayant un intérêt en science politique. Nous montrons que lorsque nous utilisons les poids modifiés, plutôt que les poids du plan d'expérience, nous observons une réduction considérable des erreurs standards. La revue canadienne de statistique 40: 697–711; 2012 © 2012 Société statistique du Canada

Ancillary