خطاهای بیپاسخی و اندازهگیری دو رده از مهمترین انواع خطای غیر نمونهگیری در آمارگیریها هستند. خطای اندازهگیری تفاوت بین مقدار واقعی یک کمیت مورد اندازهگیری و مقدار گزارش شده از سوی پاسخگو را نشان میدهد. عوامل بسیار زیادی بر بروز خطای اندازهگیری تأثیرگذارند که از آن جمله میتوان به عدم موفقیت در شناخت صحیح جامعهی هدف، طراحی پرسشنامه، اثر مصاحبهگر، اثر پاسخگو، پردازش دادهها و سوء تعبیر از نتایج اشاره کرد.
یکی از منابع انحراف پاسخهای ارائهشده توسط پاسخگویان از مقدار واقعی، مصاحبهگران هستند. انحراف همبستهی پاسخها از مقدار واقعی آنها میتواند به علت سؤالات پرسشنامه یا نحوهی تقابل بین مصاحبهگرها و پاسخگویان ایجاد شود. بنا بر این بررسی چگونگی و میزان اثر مصاحبهگر بر انحراف پاسخهای ارائه شده از مقدار واقعی آنها میتواند در ارائهی راهکار برای کاهش خطای اندازهگیری مفید باشد. از سوی دیگر اگر یک آمارگیری بهصورت پانلی انجام شود، میتوان از مدل مارکوف پنهان برای اندازهگیری تغییرات پاسخ در دورههای مختلف استفاده کرد. برقراری شرط مارکوف برای استفاده از این روش الزامی است. یک شرط دیگر شناساییپذیری دادههای مورد نیاز است که بر اساس آن لازم است واحدهای نمونه در چند دورهی متوالی در آمارگیری شرکت کرده باشند. یک مزیت مهم این روش برای براورد خطای اندازهگیری این است که تنها نیاز به دادههای پانلی دارد و به دادههای مصاحبهی مجدد یا سایر منابع مکمل نیاز ندارد.
یکی دیگر از مهمترین منابع ایجاد اریبی در آمارگیریهای نمونهای بیپاسخی واحدهای نمونه است. در صورتی که تعدادی از واحدهای نمونه، پاسخگوی پرسشهای آمارگیری نباشند و ویژگیهای این واحدها با ویژگی واحدهای پاسخگو متفاوت باشد در براوردهای آمارگیری اریبی ایجاد میشود. برای از بین بردن اثر بیپاسخی بر براورد پارامترها اغلب از روش تعدیل بیپاسخی ساده وزنهای نمونهگیری استفاده میشود. در این روش تعدیل وزنها فرض میشود ویژگیهای واحدهای بیپاسخ با ویژگی واحدهای پاسخگو یکسان است و بر اساس اطلاعات واحدهای پاسخگو مقدار متغیرهای مورد نظر در آمارگیری برای واحدهای بیپاسخ براورد میشود اما باید توجه داشت که در عمل معمولاً این فرض برابری ویژگیهای دو گروه برقرار نیست. از این رو در تعدیل بیپاسخی لازم است علاوه بر اطلاعات متغیرهای آمارگیری واحدهای پاسخگو اطلاعاتی از واحدهای بیپاسخ نیز مورد استفاده قرار گیرد. در صورتی که از اطلاعات واحدهای بیپاسخ در تعدیل وزنهای نمونهگیری برای بیپاسخی استفاده نشود تعدیل وزنها و متورم ساختن آنها نه تنها منجر به کاهش اریبی بیپاسخی نمیشود بلکه بزرگشدن وزنهای نمونهگیری مقدار واریانس براوردگر را نیز افزایش میدهد و منجر به کاهش درستی براوردها میشود. بنا بر این استفاده از اطلاعات واحدهای بیپاسخ در تعدیل وزنها مورد نیاز است.
با توجه به اهمیت کاهش خطا در آمارگیریها و اثر مصاحبهگر در ایجاد خطا، در این طرح پژوهشی به دنبال مرور منابع ایجاد خطای اندازهگیری و خطای بیپاسخی با تکیه بر اثر مصاحبهگر هستیم. همچنین معرفی روشهای براورد خطای اندازهگیری و بیپاسخی و روشهای کمی کردن تأثیر عوامل مختلف بر ایجاد خطای اندازهگیری و خطای بیپاسخی مورد توجه است. ارزیابی خطای اندازهگیری و خطای بیپاسخی در یک آمارگیری منتخب و ارائهی راهکار برای کاهش خطاهای مذکور در زمرهی اهداف این پژوهش است.