カバレッジエラー

調査範囲の誤差を定量化して補正するために、さまざまな方法が用いられてきました。多くの場合、採用される方法は特定の機関や組織に固有のものです。たとえば、米国国勢調査局は、米国郵政公社の配達順序ファイル、IRS 1040 住所データ、市販の差し押さえ件数、その他のデータを使用して、国勢調査ブロックごとの過少カウントを予測できるモデルを開発しました。国勢調査局は、このようなモデルをゼロ膨張負二項分布またはゼロ膨張ポアソン (ZIP) 分布に適合させることに一定の成功を収めたと報告しています。^{[ 7 ]}

カバレッジ誤差を定量化するもう1つの方法は、マークアンドリキャプチャー法を用いるものです。^{[ 8 ]}マークアンドリキャプチャー法では、母集団から直接サンプルを採取し、マークを付けて母集団に戻します。後日、母集団から別のサンプルを採取し（再捕獲）、以前にマークされたサンプルの割合を使用して実際の母集団サイズを推定します。この方法は、対象母集団から直接サンプルを採取し、次にデータフレームから別のサンプルを採取してカバレッジ不足を推定することにより、サンプリングフレームの妥当性を判断するために拡張できます。^{[ 9 ]} 例えば、国勢調査が実施されたとします。国勢調査の完了後、フレームからランダムサンプルを抽出して再度カウントすることができます。^{[ 8 ]}

カバレッジエラーを減らす方法の一つは、標本枠を作成するか情報を収集するために複数の情報源を利用することです。これは混合モードアプローチと呼ばれます。例えば、ワシントン州立大学の学生は、住所と電子メールアドレスの両方を使用して標本枠を作成することで、学生調査体験調査を実施しました。^{[ 5 ]}

混合モードアプローチの別の例として、2010年の米国国勢調査では、主に住宅郵送による回答に頼り、回答しなかった人にはフィールド調査員を派遣してインタビューを行った。こうすることで、フィールド調査員は、特定の住所がまだ存在するか、まだ人が住んでいるかを判断できた。このアプローチには、大多数の人が郵送で回答し、現地訪問が不要だったため、コスト削減という利点もあった。^{[ 8 ] [ 5 ]}

米国国勢調査局は、米国10年ごとの国勢調査やその他の調査の標本抽出枠として使用する約1億4490万件の住所を含むマスター住所ファイルを作成および維持しています。約111,105人の現場担当者の努力と約5億ドルの支出にもかかわらず、国勢調査局はマスター住所ファイルに登録されていない相当数の住所を発見しました。^{[ 7 ]}

カバレッジフォローアップ（CFU）とフィールド検証（FV）は、2000年の国勢調査データを基に2010年の国勢調査を改善するために国勢調査局が実施した業務です。これらの業務は、次のようなカバレッジエラーに対処することを目的としていました。カウントされるべき人をカウントしない、カウントされるべきでない人をカウントする、カウントされるべきだが場所が誤っている人をカウントする。米国国勢調査におけるカバレッジエラーは、政府による特定の集団の代表性の低下につながる可能性があります。特に懸念されるのは、対象となる人口集団の過小評価である「差異的過小カウント」です。CFUとFVの取り組みにより2010年の国勢調査の精度は向上しましたが、差異的過小カウントの問題に対処するためにさらなる研究が推奨されました。^{[ 10 ]}