Modeling Nonresponse in Establishment Surveys: Using an Ensemble Tree Model to Create Nonresponse Propensity Scores and Detect Potential Bias in an Agricultural Survey


Earp, Morgan ; Mitchell, Melissa ; McCarthy, Jaki ; Kreuter, Frauke



DOI: https://doi.org/10.2478/jos-2014-0044
URL: https://www.degruyter.com/downloadpdf/j/jos.2014.3...
Dokumenttyp: Zeitschriftenartikel
Erscheinungsjahr: 2014
Titel einer Zeitschrift oder einer Reihe: Journal of Official Statistics : JOS
Band/Volume: 30
Heft/Issue: 4
Seitenbereich: 701-719
Ort der Veröffentlichung: Stockholm
Verlag: Statistics Sweden
ISSN: 0282-423X , 2001-7367
Sprache der Veröffentlichung: Englisch
Einrichtung: Außerfakultäre Einrichtungen > MZES - Arbeitsbereich A
Fachgebiet: 300 Sozialwissenschaften, Soziologie, Anthropologie
Abstract: Increasing nonresponse rates in federal surveys and potentially biased survey estimates are a growing concern, especially with regard to establishment surveys. Unlike household surveys, not all establishments contribute equally to survey estimates. With regard to agricultural surveys, if an extremely large farm fails to complete a survey, the United States Department of Agriculture (USDA) could potentially underestimate average acres operated among other things. In order to identify likely nonrespondents prior to data collection, the USDA’s National Agricultural Statistics Service (NASS) began modeling nonresponse using Census of Agriculture data and prior Agricultural Resource Management Survey (ARMS) response history. Using an ensemble of classification trees, NASS has estimated nonresponse propensities for ARMS that can be used to predict nonresponse and are correlated with key ARMS estimates.




Dieser Eintrag ist Teil der Universitätsbibliographie.




Metadaten-Export


Zitation


+ Suche Autoren in

+ Aufruf-Statistik

Aufrufe im letzten Jahr

Detaillierte Angaben



Sie haben einen Fehler gefunden? Teilen Sie uns Ihren Korrekturwunsch bitte hier mit: E-Mail


Actions (login required)

Eintrag anzeigen Eintrag anzeigen