The Optimisation of Sampling Design

Izlases dizaina optimizācija Anotācija Izlases apsekojumu mērķis ir iegūt pietiekami augstas precizitātes populācijas parametru novērtējumus ar iespējami mazām izmaksām. Izlases dizaina izvēle parasti ir sarežģīts uzdevums, jo sagaidāmā novērtējumu precizitāte un sagaidāmās datu vākšanas izmaksas nav zināmas. Analītiskas metodes bieži nav iespējams izmantot izlases dizaina sarežģītības vai datu vākšanas procesa sarežģītības dēļ. Promocijas darba mērķis ir izstrādāt matemātisku aparātu, kas ļauj salīdzināt patvaļīgi izvēlētus dizainus pēc sagaidāmās novērtējumu precizitātes un datu vākšanas izmaksām. Izstrādātais aparāts izmanto mākslīgu populācijas datu ģenerēšanu, izlases apsekojumu metodoloģiju, apsekojuma izmaksu modelēšanu, Monte Karlo simulāciju eksperimentus un citas metodes. Aparāts ir pielietots Latvijas Darbaspēka apsekojuma izmaksu efektivitātes analīzei. Atslēgvārdi: apsekojumu izmaksu novērtējums; izlases apsekojumu metodoloģija; izmaksu efektivitāte; novērtētāju dispersija; simulāciju eksperiments.The Optimisation of Sampling Design Abstract The aim of sample surveys is to obtain sufficiently precise estimates of population parameters with low cost. The expected precision of estimates and the expected data collection cost are usually unknown making the choice of sampling design a complicated task. Analytical methods can not be used often because of the complexity of the sampling design or data collection process. The aim of this thesis is to develop a mathematical framework to compare arbitrary sampling designs with respect to the expected precision of estimates and data collection cost. As a result a framework is developed, which employs artificial population data generation, survey sampling techniques, survey cost modelling, Monte Carlo simulation experiments and other techniques. The framework is applied to analyse the cost efficiency of the Latvian Labour Force Survey. Key words: cost efficiency; simulation study; survey cost estimation; survey methodology; variance estimation