Facebook Research Balance를 활용한 설문조사 편향 보정 코딩 가이드: IPW, CBPS, 랭킹 및 사후 층화 방법
A Coding Guide to Survey Bias Correction Using Facebook Research Balance with IPW, CBPS, Ranking, and Post-Stratification Methods
TL;DR AI
1분핵심 요약
이 튜토리얼은 Facebook Research의 balance 라이브러리로 설문 표본 편향을 보정하는 방법을 소개한다.
가상의 모집단을 만들고 편향된 표본을 뽑은 뒤, 재가중치 방법으로 불균형을 줄이는 과정을 비교한다.
비교한 방법은 역확률가중치(IPW), CBPS, 랭킹, 사후층화(post-stratification)다.
공변량 균형, ASMD, 설계효과, 그리고 모집단 값 복원 정도를 함께 점검한다.