Réponses:
Vous savez peut-être que la pondération vise généralement à garantir qu'un échantillon donné est représentatif de sa population cible. Si, dans votre échantillon, certains attributs (p. Ex. Le sexe, le SSE, le type de médicament) sont moins bien représentés que dans la population dont provient l'échantillon, alors nous pouvons ajuster les poids des unités statistiques incriminées pour mieux refléter la population cible hypothétique .
La pondération RIM (ou ratissage) signifie que nous assimilerons la distribution marginale de l'échantillon à la distribution marginale théorique. Il donne une idée de la post-stratification, mais permet de tenir compte de nombreuses covariables. J'ai trouvé un bon aperçu dans ce document sur les méthodes de pondération , et voici un exemple de son utilisation dans une vraie étude: Raking Fire Data .
La pondération de la propension est utilisée pour compenser la non-réponse unitaire dans une enquête, par exemple, en augmentant les poids d'échantillonnage des répondants de l'échantillon à l'aide d'estimations des probabilités qu'ils ont répondu à l'enquête. C'est dans l'esprit la même idée que l'utilisation des scores de propension pour ajuster le biais de sélection du traitement dans les études cliniques observationnelles: sur la base d'informations externes, nous estimons la probabilité que les patients soient inclus dans un groupe de traitement donné et calculons les poids en fonction de facteurs supposés influencer la sélection du traitement. Voici quelques conseils que j'ai trouvés pour aller plus loin:
Quant à une référence générale, je suggère
Kalton G, Flores-Cervantes I. Méthodes de pondération. J. Off. Stat. (2003) 19: 81-97. Disponible sur http://www.jos.nu/