The Study on Handling Sampling Weights Associated with the Survey Data When Applying Data Mining Methods——Based on the Method of Re-sampling with PPWWR

摘要

在将数据挖掘方法应用于抽样调查数据时,会遇到抽样权重的处理问题。本文提出采用放回的、与样本单元权数大小成比例的再抽样方法,简称PPWWr再抽样,来实现“事后“自加权设计。实现“事后“自加权设计后的子样本可忽略掉样本权数,直接采用常规的图示方法和数据挖掘算法进行分析。随后,基于2007中国公民科学素质调查贵州省数据,通过模拟分析讨论了PPWWr再抽样子样本的样本量问题,发现MAX(n,5%n)是一个比较合适的样本量。这一结论可能为其他大型复杂抽样调查数据的数据挖掘实施问题提供借鉴。