纵向调查与样本代表性 - 纵向调查是分析人类群体随时间变化的宝贵资源，但随着面板调查时间长度的增加，保持估计值的准确性变得更加困难[2] - 样本损耗（由死亡和搬迁引起）以及新生人口和迁移流的影响导致样本代表性不足问题[2] - 样本疲劳引入了不断增加的测量误差，影响估计的准确性[2] 面板调查设计 - 面板调查设计应考虑抽样设计、数据收集和估计阶段，以最小化由于流失、离开者和新加入者导致的数据代表性损失[7] - 使用刷新样本（如旋转面板或分段面板）和纳入之前未参与研究的个体可以提高样本代表性[7] - 灵活的跟踪规则和数据收集方式（如电话访问）可以提高调查估计的质量[7] 估计方法 - 校正后的加权共享方法为基础的估计器能够提供比当前乌干达国家面板调查更精确的个体层面统计数据[2] - 基于转换矩阵的校正后的加权共享方法的基础横截面估计在改变样本时，其稳定程度通常高于当前乌干达国家面板调查的估计值[2] 数据收集与跟踪 - 跟踪规则的定义必须考虑提高估计准确性和在全国范围内追踪迁徙者的成本之间的权衡[45] - 代理访谈和上门访谈可以用于收集非响应者和搬迁者的关键信息，减少样本流失偏差[53][54] 乌干达国家面板调查（UNPS） - UNPS 2015/16年的样本更新带来了5,387名新的个体，约占原样本量的30%[73] - UNPS 2013/14年开始，分拆目标追踪的范围扩展至包含所有位于乌干达境内的样本家庭[78] - UNPS 2015/16年的校准后的GWSM基础权重与乌干达官方统计数据相比，显示出更高的准确性[80] 校准估计器 - 校准估计器通过调整基本权重以应对面板样本流失问题，并处理覆盖率不足的问题，提高估计值的准确性[52] - 校准权重确保样本权重与总体某些已知特征相匹配，减少非响应偏差[39][40]