調査の重みは必要か？回帰分析における診断テストのレビュー

研究者は、不均等なサンプル選択確率を考慮し、フレームカバレッジエラーおよび無応答を補正するためにサンプリング重みを適用します。適切な場合に重み付けを行わないと、偏った推定値を招くリスクがあります。一方で、不要に重みを適用すると、バイアスを減少させることなく非効率な推定量を作り出すことがあります。しかし実際には、研究者は重み付けの必要性を検証することがほとんどなく、科学的証拠よりも自分の分野における現状の慣行に従うことがあります。さらに、重み付けの統計的検定は広く知られておらず利用可能でもありません。本稿は、重み付け分析が正当化されるかを判断するための経験的検定をレビューします。回帰モデルに焦点を当てていますが、その示唆は回帰を超えて広がります。我々は、ほとんどすべての重み付け検定が「係数の差の検定」と「重みの関連検定」の2種類に分類されることを見出しました。それぞれのカテゴリーの特徴を説明し、それらの性質を示し、両者の密接な関係を解説します。また、有限標本におけるサンプリング特性に関するシミュレーション証拠をレビューします。最後に、これらの検定を取り巻く未解決の理論的および実践的な課題を強調し、さらなる研究の必要性を述べます。