Principi e metodi per il calcolo delle stime finali e la presentazione sintetica degli errori di campionamento nell'ambito delle rilevazioni strutturali sulle imprese

摘要

Concise presentation of sampling errors in survey reports is a challenge when computing and printing standard errors for each estimate because it may be costly and time-consuming. Indirect estimates of sampling error represent one solution. The Generalized Variance Function (GVF) methodology has been applied to Structural Business Statistics (SBS) survey data. This approach is based on estimators of sampling variability. As a rule, they are obtained in two steps: (ⅰ) for each domain of interest, the survey estimates and some of corresponding variances are directly obtained, and then (ⅱ) the relationship between estimates with their sampling errors are then modeled. The principal advantage of this approach is that quick estimates of sampling error for any user-specified variables are obtained. In addition GVF lead to more stable and precise variance estimates than the direct ones (Valliant, 1987). This contribution attempts to improve the GVF forms in the case of economic variables estimates. Furthermore, we present empirical results to predict sampling variances for the account estimates. The applied work has shown many domains with a small sampling error, compared to other domains with same total of survey characteristics. We consider ways in which to address this problem based on an appropriate treatment of the design effect.%Nell'ambito delle rilevazioni statistiche di un istituto nazionale di statistica, riportare gli errori di campionamento non è sempre d'agevole realizzazione, in quanto, in genere, le stime sono prodotte per un ampio ammontare di variabili o caratteristiche di studio della popolazione e per un elevato numero di domini statistici. In questo contesto fornire agli utenti l'informazione dettagliata sugli errori campionari delle stime diffuse appesantirebbe notevolmente le tavole di pubblicazione. Una soluzione efficace è quella di predire gli errori di campionamento mediante l'impiego di funzioni generalizzate della varianza campionaria. Queste sono ottenute in due passi: (ⅰ) per ciascun dominio d'interesse, alcune stime dell'indagine e le corrispondenti varianze campionarie sono calcolate in modo diretto; (ⅱ) il legame funzionale, tra le stime riferite ai diversi domini, è modellato in modo adeguato. L'interesse principale risiede nell'opportunità di stimare l'errore di campionamento di qualsiasi valore assunto da una precisata variabile d'interesse. Per di più, come osserva Valliant (1987), le funzioni generalizzate della varianza campionaria producono stime delle varianze più stabili e precise, rispetto a quelle ottenibili utilizzando una procedura diretta. Il presente contributo affina le canoniche formulazioni riportate in letteratura sulle funzioni di varianza campionaria, quando è accertata una rilevante variabilità dell'effetto del disegno tra i domini. La metodologia è applicata ai dati della rilevazione sui conti economici delle imprese, annualmente diffuse dall'Istat.