Multiway Sample Allocation

Multiway Sample Allocation è un package R che permette di allocare il campione per un disegno campionario con stratificazione a più vie.

La stratificazione a più vie si ottiene combinando le variabili che definiscono le celle marginali di una tabella di contingenza a più vie. Nell’ambito del campionamento da popolazioni finite le celle marginali sono identificate dalle modalità delle variabili che definiscono le partizioni in domini di interesse della popolazione obiettivo tra loro indipendenti. Ad esempio, la stratificazione ottenuta combinando le modalità di due partizioni in domini di interesse definisce una stratificazione a due vie.
Una partizione è definita indipendente o marginale quando non è possibile ottenere i domini per aggregazione di altri domini definiti in altre partizioni. L’allocazione del campione nei domini dipendenti avviene aggregando la numerosità campionaria dei domini marginali.

Il package Multiway Sample Allocation definisce l’allocazione del campione nel rispetto dei vincoli di precisioni delle stime per:

• diversi parametri (totali) di interesse (problema multivariato) a livello di sottopopolazioni o domini di riferimento (problema multidominio);
• disegni di campionamento stratificati a uno stadio semplici o con probabilità di inclusione variabili negli strati a una o più vie, in cui la dimensione campionaria è fissata a livello di strato; disegni a stratificazione incompleta in cui la dimensione campionaria è fissata (approssimativamente a meno di un processo di arrotondamento all’intero superiore/inferiore) a livello di dominio di interesse e non negli strati;
• disegni a probabilità variabili in cui la dimensione campionaria è fissata (approssimativamente) a livello di dominio (l’esecuzione del processo di allocazione soggetta a vincoli computazionali connessi con la dimensione della popolazione e il numero delle stime da considerare).

L’algoritmo che produce l’allocazione (Falorsi e Righi, 2015) è un’estensione di quello di Chromy (1987) e Bethel (1989). Tale algoritmo risolve un problema di ottimizzazione formalizzato secondo una espressione generale della varianza delle stime (Falorsi e Righi, 2015) che dipende dal:

• modello di superpopolazione usato per definire i parametri di input;
• disegno di campionamento implementato.

Il principale output del package è la probabilità di inclusione delle unità della popolazione.

REQUISITI TECNICI

Ambiente R versione 3.1.1 o superiore. Richiede l’installazione del pacchetto MASS di R.

COPYRIGHT

Copyright 2016 Istat

Concesso in licenza a norma dell’European Union Public Licence (EUPL), versione 1.1 o successive. Non è possibile utilizzare l’opera salvo nel rispetto della Licenza. È possibile ottenere una copia della Licenza al seguente indirizzo: http://ec.europa.eu/idabc/eupl.html. Salvo diversamente indicato dalla legge applicabile o concordato per iscritto, il software distribuito secondo i termini della Licenza è distribuito “TAL QUALE”, SENZA GARANZIE O CONDIZIONI DI ALCUN TIPO, esplicite o implicite. Si veda la Licenza per la lingua specifica che disciplina le autorizzazioni e le limitazioni secondo i termini della Licenza.

DISCLAIMER

L’Istat non si assume la responsabilità per risultati derivanti da un uso dello strumento non coerente con le indicazioni metodologiche contenute nella documentazione disponibile.

DOWNLOAD
Data di rilascio: 21/11/2016

• MULTIWAY Versione 1.0 – Package precompilato: Sistemi Windows
• MULTIWAY Versione 1.0 – Sorgenti del package: Sistemi Windows e Unix-like

INSTALLAZIONE
Il package scaricato può essere installato da R come segue:
> install.packages(path_to_file, repos = NULL)
dove il character path_to_file identifica il percorso verso il file .zip o .tar.gz scaricato.

DOCUMENTAZIONE TECNICA E METODOLOGICA

Reference manual – Multiway Sample Allocation v. 1.0

ALTRA DOCUMENTAZIONE

De Vitiis, C., P. Righi, and M. D. Terribili. 2016. Incomplete Stratified Sampling design for the University graduates’ vocational integration survey. Rivista di Statistica Ufficiale/Review of official statistics>, N. 2/2016: 87-98.

Falorsi, P. D., and P. Righi. 2016. “A flexible tool for defining optimal sampling designs.” The Survey Statistician, N.73:21-31.

Falorsi, P. D., and P. Righi. 2015. Generalized Framework for Defining the Optimal Inclusion Probabilities of One-Stage Sampling Designs for Multivariate and Multi-domain Surveys. Survey Methodology, Volume 41, N. 1: 215-236.

Falorsi, P. D., and P. Righi. 2008. A Balanced Sampling Approach for Multi-way Stratification Designs for Small Area Estimation. Survey Methodology, Volume 34, N. 2: 223-234.