Más contenido relacionado
La actualidad más candente (18)
Sampling error arga zuin zuvlumj
- 1. ¯ÑÕ-íû
ÀÑÁÇ-èéí 2008.08.06-íû
õóðëààñ ñàéøààâ.
¯ÍÄÝÑÍÈÉ ÑÒÀÒÈÑÒÈÊÈÉÍ ÕÎÐÎÎ
ØÈÍÆÈËÃÝÝ,ÑÓÄÀËÃÀÀÍÛ ÃÀÇÀÐ
Ò¯¯ÂÝÐËÝËÒÈÉÍ
ÀËÄÀÀ ÒÎÎÖÎÕ
ÀÐÃÀ ǯÉÍ ÇªÂ˪ÌÆ
Óëààíáààòàð õîò
2008 îí
- 2. Àãóóëãà
1. Íèéòëýã ¿íäýñëýë
2. Ò¿¿âðèéí õýìæýý, íàðèéâ÷ëàëûí ¿íäñýí îéëãîëò
2.1 Ò¿¿âðèéí õýìæýýã òîäîðõîéëîõ
2.2 Íàðèéâ÷ëàëûã òîäîðõîéëîõ
3. Ò¿¿âðèéí óòãûã àøèãëàí ýõ îëîíëîãèéí óòãà, àëäààã òîäîðõîéëîõ
3.1 Ò¿¿âðèéí óòãûã àøèãëàí ýõ îëîíëîãèéí óòãà, àëäààã òîäîðõîéëîõ
3.2 Ò¿¿âðèéí áóñ àëäàà
3.3 Ò¿¿âðèéí àëäàà
3.4 Ò¿¿âýðëýëòèéí àëäààíû õÿçãààðûã òîäîðõîéëîõ
4. Ò¿¿âýðëýëòèéí àëäààã çîðèóëàëòûí ïðîãðàìì (SPSS 13, 14) àøèãëàí òîîöîõ íü
4.1 Ò¿¿âýðëýëòèéí àëäààã òîîöîõ ¿éë àæèëëàãàà
4.2 Ò¿¿âýðëýëòèéí àëäààã çîðèóëàëòûí ïðîãðàìì (SPSS 13, 14) àøèãëàí
òîîöîõ ¿éë àæèëëàãààíû äàðààëàë
4.3 ªðõºä ñóóðèëñàí ò¿¿âýð ñóäàëãààíû ò¿¿âýðëýëòèéí àëäààã òîîöîõ íü
4.4 Àæ àõóéí íýãæèä ñóóðèëñàí ò¿¿âýð ñóäàëãààíû ò¿¿âýðëýëòèéí àëäààã
òîîöîõ íü
Àøèãëàñàí ìàòåðèàë:
1. Sampling : Design and Analysis Sharon L. Lohr Arizone State University 2002
2. Theory And Methods of Syrvey Sampling Parimal Mukhopadhyay NEW DELHI 110 001
2005
3. NOTES ON SURVEY SAMPLING; Raja B. M. Korale ; ADB Sampling Consultant
4. Âûáîðî÷íûé ìåòîä íàáëþäåíèÿ. Ìåòîäîëîãè÷åñêèå ïîëîæåíèÿ ïî ñòàòèñòèêå
(âûïóñê 1,2,3,4)
Ôåäåðàëüíàÿ ñëóæáà ãîñóäàðñòâåííîé ñòàòèñòñèêè. Ðîññèÿ .
5. www.nao.gov.uk/publications/Samplingguide.pdf
1
- 3. 1. Íèéòëýã ¿íäýñëýë
Íèéãýì ýäèéí çàñãèéí òóëãàìäñàí àñóóäëóóäûã øèéäâýðëýõ, òºð çàñãèéí ç¿ãýýñ
áîäëîãûí ÷àíàðòàé àðãà õýìæýý àâàõàä çàéëøã¿é øààðäëàãàòàé ºðãºí õ¿ðýýíèé ñóóðü
ìýäýýëëèéã öóãëóóëàõûí òóëä íèéò ýõ îëîíëîãîîñ ò¿¿âýð õèéí ñóäàëãàà ÿâóóëàõ
õàíäëàãà èõýñ÷ áàéíà. Ó÷èð íü ò¿¿âýð ñóäàëãààãààð èë¿¿ íàðèéâ÷ëàëòàé, äýëãýðýíã¿é
òîîí ìýäýýëëèéã áîãèíî õóãàöààíä, õÿìä çàðäëààð öóãëóóëàõ áîëîìæòîé.
Ò¿¿âýð ñóäàëãààã ÿâóóëñíû äàðàà ñóäàëãààíû ¿ð ä¿íãèéí òàéëàíä ò¿¿âýðëýëòèéí
àëäààã ãîë øàëãóóð ¿ç¿¿ëýëò¿¿äèéí õóâüä òîîöîæ òóñãàõ øààðäëàãàòàé áàéíà.
Ò¿¿âýðëýëòèéí àëäàà òîîöíî ãýäýã íü òóõàéí ñóäàëãààíû ýõ îëîíëîãèéí òºëººëºõ
÷àäâàðûã õàðóóëàõààñ ãàäíà ò¿¿âýð ñóäàëãààíû àëäàà ºíäºð ãàðâàë äàðàà äàðààãèéí
ñóäàëãààíóóäàä ( óëèðàë, æèë á¿ð õèéäýã ñóäàëãàà) ò¿¿âýðëýëòòýé õîëáîîòîé àëäààã
çàñàõ áîëîìæèéã îëãîíî.
Èéì ó÷ðààñ ò¿¿âýð ñóäàëãààã õàðèóöñàí àæèëòàí á¿ð ò¿¿âýðëýëòèéí àëäàà
òîîöîõ àðãà ç¿éã ýçýìøèõ çàéëøã¿é øààðäëàãà ãàð÷ áàéíà.
2. Ò¿¿âðèéí õýìæýý, íàðèéâ÷ëàëûí ¿íäñýí îéëãîëò
2.1 Ò¿¿âðèéí õýìæýýã òîäîðõîéëîõ
Ò¿¿âýð ñóäàëãààíä ýõëýýä ò¿¿âðèéí õýìæýýã òîãòîîõ íü ÷óõàë áàéäàã. Ò¿¿âðèéí
õýìæýý õýò èõ áàéõ íü íººöèéí (öàã, ñàíõ¿¿, õºäºëìºðèéí õ¿÷, çàðäàë) çàðöóóëàëò
èõòýé áàéäàã áºãººä õýò áàãà áàéõ íü ýõ îëîíëîãèéã òºëººëºõ ÷àäâàðûã áóóðóóëíà.
Ñîíãîñîí ò¿¿âðèéí õýìæýý õàìãèéí ñàéí áîëñîí ãýæ áîëîõóéö õàíãàëòòàé çºâ
ìýäýýëëèéã áàéíãà îëæ àâ÷ ÷àääàãã¿é ó÷èð øèéäâýð òýð áîëãîí ñàéí áàéäàãã¿é.
Ò¿¿âðèéí îíîë íü àñóóäëûã ñàéòàð, îíîâ÷òîé áîäîõ õýìæýýíä àæëûí õ¿ðýýã óðüä÷èëàí
ãàðãàæ ºãäºã. Æèøýý íü: ªðõèéí àæ àõóéí ñóäàëãàà õèéõ ãýæ áàéãàà ñóäëàà÷ þóíû ºìíº
õèéõ ãýæ áàéãàà ò¿¿âðèéí íàðèéâ÷ëàëàà õýä áàéõûã òîäîðõîéëîõ øààðäëàãàòàé.
Òóõàéí ñóäàëãààíä õ¿í àìûí îðëîãî, çàðëàãûí ò¿âøèíã òîäîðõîéëîõûã çîðüñîí ãýæ
¿çâýë ò¿¿âðèéí õýìæýý õýä áàéõ âý? ¯¿íèé òóëä ººð íýã àñóóëòàíä õàðèóëàõ
øààðäëàãàòàé. Òóõàéí ñóäàëãààã õèéõ ãýæ áàéãàà ñóäëàà÷ ºðõèéí îðëîãî, çàðëàãûí
ò¿âøèíã õýð çýðýã íàðèéâ÷ëàëòàéãààð ìýäýõèéã õ¿ñ÷ áàéíà âý? ãýñýí àñóóëò þì. ¯¿íèé
õàðèó íü äîòîîäûí íèéò á¿òýýãäýõ¿¿íèé òîîöîîíä îðæ áàéãàà ºðõèéí õýðýãëýýíèé
ò¿âøèí + 5%-èéí õ¿ðýýíä áàéõ. ªºðººð õýëáýë ÄÍÁ-íä ýçëýõ ºðõèéí õýðýãëýýíèé
õóâèéí æèí ºìíºõ îíû ò¿âøèíãýýñ +5 õóâèàð çºð¿¿ áàéæ áîëíî.
Ýíä àñóóäëûã òîäðóóëàõûí òóëä õ¿í á¿ðò õýìæèëò õèéãýýã¿é áàéæ ÿã +5%-èéí
íàðèéâ÷ëàëòàé çààã òîãòîîæ áîëîõ ýñýõèéí òóõàé àñóóäàë ãàðíà. Òóõàéí ñóäëàà÷
¿¿íèéã óðüä÷èëàí òîîöîîä 20 òîõèîëäëîîñ 1 íü îíîâ÷ã¿é áàéõààð ò¿¿âýðëýëò õèéõýýð
áîäîæ n óòãûã îëîõ ãýæ õ¿ññýí áàéæ áîëíî. Èéì íºõöºëä n-ã îéðîëöîîãîîð (òààìàãëàõ,
óðüä÷èëàí õýëýõ) îëîõ áîëîìæòîé áîëíî. Òîîöîîã õÿëáàð÷èëàõûí òóëä fpc (ýõ
îëîíëîãèéí òºãñãºëºã çàñâàð/finite population correction:(1 - n/N))-ã õèéõã¿é áà
ò¿¿âýðëýëòèéí õóâü ð íü íîðìàëü òàðõàëòòàé ãýæ ¿çüå. Ýäãýýð òºñººëºë íü àíõíû n-èéí
õýìæýýã òîäîðõîéëîõîä õýð çýðýã ¿íäýñëýëòýé áîëîõûã øàëãàõàä èõýýõýí òóñ äºõºì
¿ç¿¿ëíý. 20 òîõèîëäëûí 1 òîõèîëäëîîñ áóñàä íü ð íü (p+ 5) ãýñýí èíòåðâàëûí õîîðîíä
áàéõ áîëíî. ¯¿íýýñ ãàäíà ñòàíäàðò àëäàà:
PQ
δp = (1)
n
Ýíä: P―Õýäýí õóâèéí ò¿¿âýð õèéõ ìàãàäëàë ( ïðîïîðö), Q=1-P
Q―Ò¿¿âýð õèéõ ìàãàäëàëûí ýñðýã ìàãàäëàë
n―Ò¿¿âðèéí õýìæýý
2
- 4. PQ 4PQ
Ýíäýýñ áèä 2 = 5 áóþó n = ãýæ îëíî.
n 25
¯¿íýýñ ¿íäýñëýí ò¿¿âðèéí õýìæýýã ¿íýëýõ àñóóäàëä åðºíõèé人 õ¿íäðýë ¿¿ñíý.
Ò¿¿âðèéí õýìæýý n-èéí òîìú¸îã ãàðãàñàí áîëîâ÷ òýð íü N åðºíõèé îëîíëîãèéí øèíæ
áàéäëààñ (ò¿¿âýðëýãäñýí þìñûí øèíæ ÷àíàðààñ) õàìààðíà. Ýíý æèøýýíä òýð øèíæ
÷àíàð íü áèäíèé õýìæèæ ñóäëàõ ãýæ áàéãàà ò¿¿âýð õèéõ ìàãàäëàë (Ð)-ûí òîî õýìæýý
áºãººä ¿¿íèéã ñóäëàà÷ çºâ òîîöîõ øààðäëàãàòàé. Òóõàéí òîîíû òîõèðîìæòîé õýìæýý
íü ïðàêòèêò ãîë òºëºâ 30-60-ûí õîîðîíä áàéäàã áàéíà. Æèøýý íü ò¿¿âýð õèéõ ìàãàäëàë
íü (P) 50 õóâü áîë ò¿¿âýð õèéõ ìàãàäëàëûã ò¿¿íèé ýñðýã ìàãàäëàëààð ¿ðæ¿¿ëñýí
¿ðæâýð áóþó PQ íü 2100-2500-èéí õîîðîíä áàéíà.
Ýäãýýðýýñ óëàìæëàí n íü 336 áà 400-í õîîðîíä áàéíà. Õàíãàëòòàé õ¿ðýëöýýòýé
áàéõ ¿¿äíýýñ 400-ã n-èéí àíõíû óòãà áîëãî¸. Ýíýõ¿¿ ä¿í øèíæèëãýýãýýð õèéãäñýí
òààìàãëàëûã îäîî äàõèí øàëãàæ áîëíî. Æèøýý íü:
1. n=400, Ð íü 30-60 õîîðîíä áàéõàä ð-èéí òàðõàëò íü íîðìàëü òàðõàëò ðóó
îéðòîíî. ̺í fpc (ýõ îëîíëîãèéí òºãñãºëºã çàñâàð) íü ýõ îëîíëîãèéí òîîíîîñ
õàìààðíà. Õýðýâ ýõ îëîíëîãèéí õýìæýý 8000-ààñ äýýø áàéâàë ò¿¿âðèéí õàðüöàà
íü 5%-ààñ áàãà áàéõ áà fpc-èéí õóâüä çàñâàð áàéõã¿é.
2. N=32000 ÀÀÍ-èéí ºíãºðñºí îíû áîðëóóëàëòûí îðëîãûí õýìæýý ºãºãäñºí áà 5%-
èéí àëäààòàé 95% èòãýìæëýãäñýí èíòåðâàëòàéãààð ò¿¿âýðëýëòèéí õýìæýýã
òîîöîõîä äàðààõ áàéäàëòàé áàéíà. Èéìä íèéò ýõ îëîíëîãèéí 5 õóâèéã ò¿¿âýðëýí
àâàõàä ýõ îëîíëîãîî òºëººëæ ÷àäíà. n=32000*0.05=1600
2.2 Íàðèéâ÷ëàëûã òîäîðõîéëîõ
Ò¿¿âýð ñóäàëãààíû àëäààíû õÿçãààðûã ñóäàëãàà õèéæ áàéãàà ñóäëàà÷èä ººðñ人
òîäîðõîéëîõ áºãººä ýíý õÿçãààðûí äîòîð àëäàà ãàðàõàä áèäíèé ýöñèéí ¿ð ä¿íä
íºëººëºõã¿é ãýæ ¿çíý. Çàðèìäàà àëäààíû õÿçãààðûã òîäîðõîéëîõîä áýðõøýýëòýé
áºãººä ÿëàíãóÿà ò¿¿âðèéí ¿ð ä¿íã îëîí ç¿éëä õýðýãëýõ ¿åä õ¿íäðýëòýé áàéíà.
Àëäààíû õÿçãààðûí íàðèéâ÷ëàë íü òóõàéí ýäèéí çàñàã, íèéãìèéí ñàëáàð á¿ðò
ººð ººð áàéõ áºãººä òóõàéëáàë õèìè, ôèçèê çýðýã áàéãàëèéí øèíæëýõ óõààíû õóâüä
0.001 õóâü áàéäàã áîë ýäèéí çàñàã, íèéãìèéí èõýíõ ¿ç¿¿ëýëòèéí õóâüä 5 õóâü áàéõàä
õàíãàëòòàé. Åð íü àëäààíû õÿçãààð íü òóõàéí àëäààíààñ ãàðàõ ¿ð äàãàâðààñ èõýýõýí
øàëòãààëíà. ªºðººð õýëáýë àëäààíû õÿçãààðûí íàðèéâ÷ëàë íü ñóäëàãäàæ áóé ¿çýãäýë
þìñûí øèíæ ÷àíàðààñ øàëòãààëíà.
3. Ò¿¿âðèéí óòãûã àøèãëàí ýõ îëîíëîãèéí óòãà, àëäààã òîäîðõîéëîõ,
ä¿í øèíæèëãýý õèéõ
3.1 Ò¿¿âðèéí óòãûã àøèãëàí ýõ îëîíëîãèéí óòãà, àëäààã òîäîðõîéëîõ
Ýõ îëîíëîãèéí äóíäàæ ¯-ààñ ò¿¿âðèéí óòãà ó íü ÿëãààòàé áàéõ áºãººä ÷óõàìõ¿¿
õýð çýðýã ÿëãààòàé áàéãààã òîäîðõîéëîõîä áýðõøýýëòýé. Ò¿¿âðèéí äóíäàæ íü
ò¿¿âýðëýëòèéí àðãà áîëîí õýìæýý çýðãýýñ øàëòãààëàí ÿíç á¿ð áàéíà. Ò¿¿âðèéí
äóíäàæ íü ýõ îëîíëîãèéí äóíäæààñ õýëáýëçýõ õýëáýëçýë íü ÿíç á¿ð (íýìýõ, õàñàõ, èõ,
áàãà çýðýã) áàéæ áîëíî. Õýëáýëçýë íü õýð çýðýã áàéãààã çºâõºí ñòàòèñòèêèéí àðãààð
òîäîðõîéëæ áîëíî. ªºðººð õýëáýë òóõàéí àðãà áîëîí ºãºãäñºí ò¿¿âðèéí õýìæýýãýýð
ò¿¿âðèéã õèéõýä äóíäàæ íü õýä ãàðàõ, ýíý óòãûí èëðýõ ìàãàäëàë íü õýä áîëîõûã
òîäîðõîéëíî. Ò¿¿âýð ñóäàëãààíû ñòàòèñòèêèéí ¿ð ä¿í íü õàðãàëçàõ ýõ îëîíëîãèéí
ïàðàìåòð¿¿äýýñ õýð çºð¿¿òýé áàéãààã õàðóóëàõ ¿ç¿¿ëýëò áîë àëäàà þì.
Ò¿¿âýð ñóäàëãààíû àëäààíû õýìæýý íü äàðààõü ¿íäñýí ç¿éë¿¿äýýñ øàëòãààëíà. ¯¿íä:
1. Ñóäëàãäàæ áàéãàà ýõ îëîíëîã (õýðýâ ýõ îëîíëîã ìààíü íýã òºðëèéíõ áàéâàë àëäàà
áàãà ãàðíà)
3
- 5. 2. Ò¿¿âýðëýëòèéí ìýäýýëýë öóãëóóëæ áóé àðãà
3. Ò¿¿âðèéí õýìæýý (ò¿¿âðèéí õýìæýý èõ áàéõ òóñàì íàðèéâ÷ëàë òºäèé ÷èíýý ñàéí
áàéíà, ýõ îëîíëîã ìààíü îëîí òºðëèéí ç¿éëýýñ á¿ðäñýí áîë ò¿¿âýðëýëòèéí õýìæýýã
íýìýãä¿¿ëýõ øààðäëàãàòàé)
4. Ò¿¿âýðëýëò õèéõ àðãà ç¿é
5. Õýëáýëçëèéã òîäîðõîéëîõ àðãà
Ò¿¿âýð ñóäàëãààíû çîðèëãî áîë àëäààã àëü áîëîõ áàãà áàéëãàæ æèíõýíý ¿ð ä¿íã
áîäèòòîé òîîöîõ ÿâäàë þì. Ò¿¿âýð ñóäàëãààíû àëäààã ò¿¿âðèéí áîëîí ò¿¿âðèéí áóñ
àëäàà ãýæ àíãèëíà. Àëäààíû ýäãýýð òºðëèéã äîð òàéëáàðëàâ.
3.2 Ò¿¿âðèéí áóñ àëäàà
Ñóäàëãààã ÿâóóëàõ ÿâöàä ãàð÷ áàéãàà àëäààíóóäûã ò¿¿âýðëýëòèéí áóñ àëäàà
ãýíý. Ò¿¿âýðëýëòýä ñîíãîãäñîí ºðõèéã îëæ ÿðèëöëàãà àâ÷ ÷àäàõã¿é áàéõ, àñóóëòûã
áóðóó òàâèõ, ÿðèëöëàãà àâàã÷ áîëîí ÿðèëöëàãà ºã÷ áàéãàà õ¿ì¿¿ñ àñóóëòóóäûã áóðóó
îéëãîñîí áàéõ çýðýã àëäààã ò¿¿âýðëýëòèéí áóñ àëäààíä õàìðóóëíà. Ò¿¿í÷ëýí
ò¿¿âýðëýëòèéí áóñ àëäàà íü ìýäýýëëèéã çàñâàðëàõ, êîäëîõ, êîìïüþòåðò îðóóëàõ,
áîäëîãûí äààëãàâðûã áîëîâñðóóëàõ ÿâöàä ãàðäàã. Ãýõäýý èéì òºðëèéí àëäàà ¿ðãýëæ
ãàðñààð áàéäàã áºãººä ñòàòèñòèêèéí àðãààð òîîöîõîä õ¿íäðýëòýé áàéäàã.
3.3 Ò¿¿âðèéí àëäàà
Ò¿¿âýð ñóäàëãààíä ýõ îëîíëîãèéí íýãæ á¿ðèéã õàìðóóëäàãã¿é, çºâõºí òºëººëºõ
÷àäâàð á¿õèé òîäîðõîé õýñãèéã õàìðóóëäàã ó÷ðààñ òîîöîîíû óòãà íü áîäèò óòãàòàé
äàâõöàõ áîëîìæã¿é áàéäàã. Òèéìýýñ ýíýõ¿¿ ¿ç¿¿ëýëò¿¿äèéí òîîöîîíû óòãà áîëîí
áîäèò ¿ð ä¿í õî¸ðûí çºð¿¿ íü ò¿¿âðèéí àëäàà áîëíî. Õýðýâ ò¿¿íèé àëäàà èõ áîë
áèäíèé õèéñýí òîîöîî íàðèéâ÷ëàëòàé áóñ, õàðèí áàãà áîë ýõ îëîíëîãèéí áîäèò
óòãàòàé òîîöîîíû óòãà àäèë áóþó õýëáýëçýëã¿é ãýæ õýëæ áîëíî. Õàðèí ò¿¿âýðëýëòèéí
àëäààã ñòàòèñòèêèéí àðãààð òîîöîæ áîëíî. Õýäèéãýýð ¿¿íèéã òîäîðõîé ìýäýõ
áîëîìæã¿é ÷ ñóäàëãààíû ¿ð ä¿íãýýñ òîîöîæ áîëíî. Ǻâõºí á¿õ íýãæèéã õàìàðñàí ÿìàð
íýã òîîëëîãîä èéì òºðëèéí àëäàà ãàðäàãã¿é. Ò¿¿âðèéí àëäàà íü äàðààõü ç¿éë¿¿äýýñ
øàëòãààëíà. ¯¿íä:
1. Ñîíãîõ àðãà;
2. Ò¿¿âðèéí õýìæýý;
3. ¯ð ä¿íã ¿íýëýõ áóþó òîäîðõîéëîõ àðãà.
Àëèâàà ñòàòèñòèê ¿ç¿¿ëýëòèéí ò¿¿âýðëýëòèéí àëäààã (äóíäàæ, õóâü, çýðýã)
ñòàíäàðò àëäààãààð èëýðõèéëíý. Ñòàíäàðò àëäàà ãýäýã íü òóõàéí ñòàòèñòèê
¿ç¿¿ëýëòèéí õýëáýëçëýëèéã êâàäðàò ÿçãóóðààñ ãàðãàæ àâñàí õýìæèãäýõ¿¿í. Àëü íýã
¿ç¿¿ëýëòèéí îëîíëîãèéí áîäèò õýìæèãäýõ¿¿í (ò¿¿âýðëýëòèéí áóñ àëäààã òîîöîîã¿é)
îðøèõ áîëîìæèò ìàãàäëàëûí õÿçãààðûã òîîöîõîä ñòàíäàðò àëäààã õýðýãëýíý.
Ñòàíäàðò àëäàà íü õýëáýëçëèéí êîýôôèöèåíòýýð èëýðõèéëýãäýæ ãàðíà. Õýëáýëçëèéí
êîýôôèöèåíò íü áàãà ãàðàõ òóñàì ¿ð ä¿í íü óëàì ñàéí ãàðíà ãýñýí ¿ã. Æèøýýëáýë,
ò¿¿âýð ñóäàëãààíààñ òîîöñîí ÿìàð íýã ñòàòèñòèê ¿ç¿¿ëýëòèéí áîäèò õýìæýý íü 95
õóâèéí ìàãàäëàëòàéãààð ò¿¿âýðëýëòýýð ãàðñàí òóõàéí ñòàòèñòèê ¿ç¿¿ëýëò äýýð ò¿¿íèé
ñòàíäàðò àëäààã õî¸ð äàõèí àâààä íýìæ, õàñ÷ òîîöñîí õÿçãààðò îðøèíî.
Ò¿¿âðèéí àëäààã õýðõýí òîîöîõ âý? ¿¿íä ýõ îëîíëîãîîñ ò¿¿âðèéí àðãà áîëîí
ò¿¿âðèéí íýãæ íü àäèë áàéõ á¿õ áîëîìæèò õóâèëáàðààð ò¿¿âýðëýëòèéã õèéñýí ãýæ
áîäú¸. Äàðàà íü ýäãýýð ò¿¿âðèéí äóíäæààð òàðõàëò áàéãóóëúÿ. (Ýíä äóíäàæ íü çºâõºí
àðèôìåòèê ýíãèéí äóíäàæ áèø æèãíýãäñýí ãåîìåòð áîëîí õàðüöààíû äóíäàæ áàéæ
áîëíî). Ò¿¿âðèéã õýð îëîí óäàà õèéíý òºäèé÷èíýý ò¿¿âðèéí äóíäæààð áàéãóóëñàí
òàðõàëò íü íîðìàëü òàðõàëò ðóó îéðòîíî.
4
- 6. Íèéãýì, ýäèéí çàñãèéí èõýíõ ¿çýãäë¿¿ä íîðìàëü òàðõàëòààð òàðõäàã áºãººä
ñòàòèñòèêèéí èõýíõ òîìú¸î íîðìàëü òàðõàëò äýýð ¿íäýñëýãäñýí. Îíîëûí õóâüä
íîðìàëü òàðõàëòûí ìóðóé íü äàðààõü õýëáýðòýé áàéíà.
f
y
Ò¿¿âðèéí äóíäàæ àëäàà ÿìàð õýìæýýòýé áàéõ íü ò¿¿âýð ñóäàëãààíû õýëáýðýýñ
õàìààðàõ ó÷èð ñîíãîëòûí õýëáýð á¿ðò òîõèðñîí ºâºðìºö àðãûã õýðýãëýæ äóíäàæ
àëäààã òîîöíî. Ýíãèéí áóþó òîõèîëäëûí ÷àíàðòàé ò¿¿âýðò äóíäàæ õýìæèãäýõ¿¿íèé
ò¿¿âýðëýëòèéí àëäààã áóöààëòòàé ò¿¿âðèéí äàðààõü òîìú¸îãîîð òîîöíî.
δ2
µ = (2)
y
n
¯¿íä:
µ ―Ò¿¿âýðëýëòèéí äóíäàæ àëäàà
―Ñòàíäàðò õàçàéëò
― Ò¿¿âðèéí õýìæýý
Ò¿¿âðèéí äóíäàæ àëäàà íü êâàäðàò ÿçãóóðûí äîîðõè ýõ îëîíëîãèéí ñòàíäàðò
õàçàéëòòàé øóóä ïðîïîðöèîíàëü, ò¿¿âðèéí õýìæýýòýé óðâóó ïðîïîðöèîíàëü þì.
¯¿íýýñ ¿çâýë ò¿¿âðèéí äóíäàæ àëäààã áàãàñãàÿ ãýâýë ò¿¿âðèéí õýìæýýã íýìýãä¿¿ëíý.
Ò¿¿âðèéí äóíäàæ àëäààíû õýìæýý íü ºãºãäñºí õÿçãààðò áàãòàæ áàéõ øààðäëàãûã
õàíãàõûí òóëä ýõ îëîíëîãîîñ õè÷íýýí íýãæèéã ò¿¿âýðëýí ñóäëàõ íü ýõ îëîíëîãèéí
ñòàíäàðò õàçàéëòààñ õàìààðíà. Ñòàíäàðò õàçàéëò ÿìàð õýìæýýòýé áàéãàà íü óã
îëîíëîãèéí ýëåìåíò¿¿äèéí óòãà, à÷ õîëáîãäîë õýð çýðýã õýëáýëçýëòýé áàéãààãààñ
øàëòãààëíà. Ýõ îëîíëîãèéí òàðõàëò õýâèéí òàðõàëòòàé òºñòýé áàéõ òóòàì ò¿¿âðèéí
äóíäàæ àëäàà áàãà áàéíà. Ýíý íü ñóäàëæ áàéãàà îëîíëîãèéí äîòîð áóñäààñ ÿëãàãäàõ
îíöëîã øèíæ òýìäýã áàéõã¿é, íèéò íýãæ åðºíõèé人 æèãä õóâüñàõ øèíæòýé áàéâàë öººí
òîîíû íýãæèéã ò¿¿âýðëýí ñóäëàõàä ÷ àëäàà áàãà ãàð÷ áîëíî.
Áóöààëòòàé, áóöààëòã¿é ò¿¿âðèéí àëäààã õî¸ð ÿíçûí òîìú¸îãîîð òîîöíî. Äýýð
äóðäñàí òîìú¸î íü áóöààëòòàé ò¿¿âðèéí äóíäàæ àëäààã òîîöîõîä àøèãëàíà.
Áóöààëòã¿é ò¿¿âðèéí äóíäàæ àëäààã äàðààõü òîìú¸îãîîã òîîöíî. ¯¿íä:
δ2 n
µ = (1 − ) (3)
y
n N
¯¿íä:
― Ò¿¿âýðëýëòèéí äóíäàæ àëäàà
―Ñòàíäàðò õàçàéëò
― Ýõ îëîíëîãèéí õýìæýý
― Ò¿¿âðèéí õýìæýý
Ò¿¿âýð ñóäàëãààíä òîäîðõîéëîõ åðºíõèé ¿ç¿¿ëýëò¿¿äèéí íýã íü ñóäàëæ áàéãàà
¿çýãäëèéí äóíäàæ óòãààñ ãàäíà ººð øèíæèéã ººðòºº àãóóëñàí íýãæèéí õóâèéí æèí
áàéäàã. Õóâèéí æèíã òîäîðõîéëîõòîé õîëáîãäîí ãàð÷ áîëîõ ò¿¿âðèéí äóíäàæ àëäààã
ãýæ òýìäýãëýõ áºãººä ýíãèéí áóþó òîõèîëäëûí øèíæ ÷àíàðòàé ò¿¿âýðò äîîðõè
òîìú¸îãîîð òîîöíî.¯¿íä:
5
- 7. pq
Ñîíãîëò áóöààëòòàé áîë µ p = (4)
n
pq n
Ñîíãîëò áóöààëòã¿é áîë µ p = (1 − ) (5)
n N
¯¿íä:
― Ò¿¿âýðëýëòèéí äóíäàæ àëäàà
― Ò¿¿âýð õèéõ ìàãàäëàë
― Ò¿¿âýð õèéõ ìàãàäëàëûí ýñðýã ìàãàäëàë
― Ýõ îëîíëîãèéí õýìæýý
― Ò¿¿âðèéí õýìæýý
Ò¿¿âðèéí äóíäàæ àëäààã òîîöîõûí òóëä ýõ îëîíëîãèéí ñòàíäàðò õàçàéëò áà
òîäîðõîé øèíæèéã àãóóëñàí íýãæèéí õóâèéí æèíã àøèãëàõ òàëààð áèä àâ÷ ¿çëýý. Ãýòýë
åðºíõèé íèéëáýðèéí ¿ç¿¿ëýëò¿¿ä ìýäýãäýæ áàéñàí áîë ò¿¿âýð ñóäàëãàà õèéõ
øààðäëàãàã¿é. Ýõ îëîíëîãèéí äóíäàæ áîëîí òîäîðõîé øèíæèéã àãóóëñàí íýãæèéí
õóâèéí æèíã îéðîëöîîãîîð òîäîðõîéëîõûí òóëä ò¿¿âýð ñóäàëãàà ÿâóóëæ áàéãàà þì.
Ãýòýë ò¿¿âýðëýëòèéí äóíäàæ àëäààã ìýäýõã¿éãýýð ò¿¿âýð îëîíëîãèéí åðºíõèéëñºí
¿ç¿¿ëýëò, ýõ îëîíëîãèéí çîõèõ ¿ç¿¿ëýëòèéã òºëººëæ ÷àäàõ ýñýõèéã òîäîðõîéëîõ
áîëîìæã¿é. Èéì íºõöºëä ýõ îëîíëîãèéí ñòàíäàðò õàçàéëòûã ò¿¿âýð îëîíëîãèéí
ñòàíäàðò õàçàéëòààð, ýõ îëîíëîãèéí òîäîðõîé øèíæèéã àãóóëñàí íýãæèéí õóâèéí æèíã
ò¿¿âýð îëîíëîãèéí òîäîðõîé øèíæèéã àãóóëñàí íýãæèéí õóâèéí æèíãýýð òóñ òóñ
îðëóóëàí òîîöíî.
1. Ýíãèéí ñàíàìñàðã¿é ò¿¿âýð áà ñèñòåì÷èëñýí ò¿¿âýðò ò¿¿âðèéí àëäààã äàðààõü
òîìú¸îãîîð òîîöíî.
Ñîíãîëòûí õýëáýð Áóöààëòòàé Áóöààëòã¿é
δ 2
δ2 n
Äóíäàæ µy = µy = (1 − )
n n N
w(1 − w) w(1 − w) n
Õàðüöàíãóé µw = µw = (1 − )
n n N
¯¿íä áóöààëòòàé ò¿¿âýð ãýäýã íü ñîíãîãäñîí íýãæèéã ýõ îëîíëîãò áóöààí õèéãýýä,
äàðààãèéí íýãæèéã ñîíãîõ çàìààð ýõ îëîíëîãèéã á¿ðä¿¿ëýõ ýíãèéí ñàíàìñàðã¿é
ò¿¿âýðëýëòèéí òºðºë þì.
2. Á¿ëýãëýñýí ò¿¿âýðò ò¿¿âýðëýëòèéí äóíäàæ àëäààã 2 àðãààð òîîöíî.
a. Á¿ëýãëýñýí ò¿¿âýðò ò¿¿âýðëýí àâñàí íýãæèéí òîî á¿ëãèéí õýìæýýíä
ïðîïîðöèîíàëü áîë ò¿¿âýðëýëòèéí äóíäàæ àëäààã òîîöîõäîî äàðààõü
òîìú¸îã àøèãëàíà.
σ =
2 ∑ δ i2 fi (6)
∑ fi
⎯δ2 Õýñýã á¿ëãèéí äóíäàæ ñòàíäàðò õàçàéëò
―i á¿ëýã òóñ á¿ð äýõ äàâòàìæ
Ñîíãîëò õýëáýð Áóöààëòòàé Áóöààëòã¿é
σ 2
σ2 n
Äóíäàæ µy = µy = (1 − )
n n N
w(1 − w) w(1 − w) n
Õàðüöàíóé µw = µy = (1 − )
n n N
6
- 8. Á¿ëýãëýñýí ò¿¿âýðò ò¿¿âýðëýõ íýãæèéí òîîã á¿ëãèéí õýìæýýíä ïðîïîðöèîíàëèàð
àâáàë ò¿¿âýðëýëòèéí äóíäàæ àëäàà ò¿¿âýðëýëòèéí áóñàä õýëáýðýýñ áàãà áàéäàã. Èíãýæ
çºâ ¿ð ä¿í ºãäºã íü ñóäàëæ áàéãàà ¿çýãäëèéí á¿ðýëäýõ¿¿íä îðñîí ÿíç á¿ðèéí
õýìæýýòýé íýãæèéí òºëººëºã÷èä ò¿¿âýð ñóäàëãààíä àäèë òýãøýýð õàìðàãäàõ á¿ðýí
áîëîëöîîòîé áàéäãààð òàéëáàðëàãäàíà.
b. Á¿ëýãëýñýí ò¿¿âýðò ñîíãîí àâàõ íýãæèéí òîî á¿ëãèéí õýìæýýíä
ïðîïîðöèîíàëü áèø áîë ò¿¿âýðëýëòèéí äóíäàæ àëäààã äàðààõü
òîìú¸îãîîð òîäîðõîéëíî.
Ñîíãîëòûí õýëáýð Áóöààëòòàé Áóöààëòã¿é
1 δ 2
1 δ i2 ni
Äóíäàæ µy =
N
∑n i
N i2 µy =
N
∑n N i2 (1 −
Ni
)
i i
1 wi (1 − wi ) 2 1 wi (1 − wi ) 2 n
Õàðüöàíóé
µy =
N
∑ ni
Ni µy = ∑ N i (1 − i )
N ni Ni
Ni―Á¿ëýã òóñ á¿ðèéí ýõ îëîíëîãèéí íýãæèéí òîî
ni― Á¿ëýã òóñ á¿ðò ò¿¿âýðëýí àâñàí íýãæèéí òîî
δ2i―Á¿ëýã òóñ á¿ðèéí ñòàíäàðò õàçàéëò
3. Áàãöàëñàí ò¿¿âýðò ò¿¿âýðëýëòèéí äóíäàæ àëäààã òîäîðõîéëîõäîî äàðààõü
òîìú¸îã àøèãëàíà.
Ñîíãîëòûí õýëáýð Áóöààëòòàé Áóöààëòã¿é
σ 2
δ 2
σ i2 n δ2 V
Äóíäàæ µy = i
+ x
µy = (1 − ) + x (1 − )
n V n nv V R
δp
2
δp
2
V
Õàðüöàíãóé µy = µy = (1 − )
V V R
R―Ýõ îëîíëîãèéí á¿ëãèéí òîî
V―Ò¿¿âýðëýí àâñàí á¿ëãèéí òîî
δ2x―Á¿ëýã õîîðîíäûí ñòàíäàðò õàçàéëò
4. Øàòàëñàí ò¿¿âýðò ò¿¿âýðëýëòèéí äóíäàæ àëäààã òîäîðõîéëîõäîî äàðààõü
òîìú¸îã àøèãëàíà.
Ñîíãîëòûí õýëáýð Áóöààëòòàé Áóöààëòã¿é
Äóíäàæ δ 2
δ x2 V
µy = x
µy = (1 − )
V V R
Õàðüöàíãóé
wi (1 − wi ) δ p wi (1 − wi ) δp
2 2
n V
µy = + µy = (1 − ) + (1 − )
n V n nv V R
nv―Ò¿¿âýðëýëòýíä ñîíãîãäñîí íýãæèéí òîî
n―Ñîíãîãäñîí áàãöûí íýãæèéí òîî
3.4 Ò¿¿âýðëýëòèéí àëäààíû õÿçãààðûã òîäîðõîéëîõ
Àëäààã äóíäæààð õýìæèæ áàéãàà ó÷ðààñ ò¿¿âýð ñóäàëãààíû àëäàà ÿìàð
õÿçãààðûí äîòîð áàãòàæ áàéãààã äóíäàæ õýìæèãäýõ¿¿í õàðóóëæ ÷àäàõã¿é.
7
- 9. Ò¿¿âýðëýëòèéí äóíäàæ àëäàà íü ò¿¿âýðëýëòèéí äóíäàæ àëäàà µ -ã z äàõèí àâñàíòàé
òýíö¿¿.
∆ = z * µ (2)
∆-àëäààíû õÿçãààð
z=1 ¿åä ìàãàäëàë íü 0.683
z=2 ¿åäìàãàäëàë íü 0.954
z=3 ¿åä ìàãàäëàë íü 0.997 áàéäàã. ªºðººð õýëáýë z=1 ¿åä ò¿¿âýð ñóäàëãààíû ¿ð ä¿í
íü ýõ îëîíëîãèéí çîõèõ ¿ç¿¿ëýëòèéã 68.3 õóâèéí ìàãàäëàëòàéãààð òºëººëæ ÷àäàæ
áàéíà. Ïðàêòèê äýýð z=2 , z=3 áàéõààð áóþó 95.4 õóâü, 99.7 õóâèéí ìàãàäëàëòàéãààð
òºëººëæ áàéõààð èõýâ÷ëýí ñîíãîäîã.
Òóõàéí ò¿¿âýð îëîíëîãèéí äóíäàæ áîëîí õàðüöàíãóé õýìæèãäýõ¿¿í íü ýõ
îëîíëîãèéí çîõèõ ¿ç¿¿ëýëòèéã òîéðîí õýëáýëçýæ áàéäàã áºãººä ýíý õýëáýëçëèéã
òîäîðõîé íºõöëèéí äîòîð áàãàñãàæ áîëîõ áîëîâ÷ ò¿¿âýð ñóäàëãààíû ä¿í ýõ îëîíëîãèéí
ä¿íòýé ÿã òîõèðíî ãýæ áàéõã¿é. Ýõ îëîíëîãèéí äóíäàæ áîëîí õàðüöàíãóé
õýìæèãäýõ¿¿íèé îðøèõ èòãýìæëýãäñýí èíòåðâàë íü
X − ∆x < X < X + ∆x
w − ∆w < P < w + ∆w áàéíà.
Ò¿¿âðèéí æèí
Ò¿¿âðèéí æèí áîë òóõàéí àæèãëàëòûí íýãæèéí ò¿¿âýðëýëòýýð ñîíãîãäîõ
ìàãàäëàëûí óðâóó õýìæèãäýõ¿¿í áàéäàã. Òóõàéëáàë ºðõèéí ñóäàëãàà õèéõýýð ñîíãîëò
õèéõýä òóõàéí ñîíãîãäîæ áàéãàà ºðõ õýäýí ºðõèéã òºëººëæ ýíý ñóäàëãààíä îðæ áàéãààã
òýð ºðõèéí æèí õàðóóëæ áàéõ ¸ñòîé. Èíãýýä ò¿¿âýð ñóäàëãààíû ¿ð ä¿íãýýð ñîíãîãäîí
ñóäëàãäñàí íýãæ¿¿äèéí æèíã àøèãëàæ íèéò ýõ îëîíëîãèéí ¿ç¿¿ëýëòèéí äóíäàæ óòãà
áîëîí íèéò ä¿íãèéí óòãûã ãàðãàæ àâàõ áîëîìæòîé.
Á¿ëýãëýñýí ò¿¿âðèéí õóâüä íýãæèéí ò¿¿âðèéí æèíã äàðààõ òîìú¸îãîîð áîäíî.
whj = ( N h / n h ) whj - h äóãààð ñòðàòàãèéí æèí, N h - h äóãààð ñòðàòàãèéí ýõ îëîíëîãèéí
õýìæýý, nh - h äóãààð ñòðàòàä ñîíãîãäñîí íýãæèéí òîî.
Áàãöàëñàí ò¿¿âðèéí õóâüä äýýðõ á¿ëýãëýñýí ò¿¿âðèéíõòýé àäèë òîìú¸îãîîð
áîäîãäîõ áºãººä ñòðàòà áóþó á¿ëýã ãýäýã îéëãîëò íü áàãö áóþó êëàñòåðààð òîîöîãäîíî.
ªºðººð õýëáýë èæèë ìàãàäëàëòàé ò¿¿âýð õèéñýí òîõèîëäîëä íýã á¿ëýã áîëîí
áàãöûí íýãæ¿¿ä èæèë æèíòýé, èæèë áóñ ìàãàäëàëòàé ò¿¿âýð õèéñýí òîõèîëäîëä íýãæ
á¿ð ÿëãààòàé æèíòýé áàéõ áîëíî. Èíãýýä èæèë áóñ ìàãàäëàëòàé ò¿¿âðèéí ¿åä æèí íü
wij = 1 /(π i π j|i ) áàéõ áà π i - i äóãààð àíõàí øàòíû íýãæèéí ñîíãîãäîõ ìàãàäëàë, π j|i - i
äóãààð àíõàí øàòíû íýãæèéí j äóãààð õî¸ðäîõ øàòíû íýãæèéí ñîíãîãäîõ ìàãàäëàë.
Íèéãìèéí ñóäàëãààíû ò¿¿âýðëýëòýä ãîë òºëºâ äýýðõ õî¸ð òºðëèéí
ò¿¿âýðëýëòèéí àðãûã àøèãëàäàã áºãººä áóñàä ò¿¿âðèéí àðãûí õóâüä áàãà çýðýã çàð÷ìûí
ÿëãààòàé áàéäàã. Ò¿¿âðèéí ïðîïîðöèîíàëь õóâààðèëàëòûí ¿åä (self-weighting) - ãýæ
ñîíãîãäñîí íýãæ á¿ð èæèë òºëººëºõ ÷àäâàðòàé áóþó èæèë æèíòýé áàéõûã õýëäýã.
ªºðººð õýëáýë õýìæýýíä íü ïðîïîðöèîíàëь ò¿¿âýðëýëòèéí ¿åä ÿðèãääàã ç¿éë þì.
4. Ò¿¿âýðëýëòèéí àëäààã çîðèóëàëòûí ïðîãðàìì(SPSS 13,14) àøèãëàí òîîöîõ
4.1 Ò¿¿âýðëýëòèéí àëäààã òîîöîõ
Ò¿¿âýðëýëòèéí àëäàà áîë áîëîìæèò á¿õ ò¿¿âýðëýëò õîîðîíäûí õýëáýëçëèéí
õýìæ¿¿ð. Ýíýõ¿¿ õýëáýëçëèéí õýìæýýã íàðèéâ÷ëàí òîäîðõîéëîõîä áýðõøýýëòýé
áîëîâ÷ ñóäàëãààíû ¿ð ä¿í äýýð ñóóðèëàí ñòàòèñòèêèéí àðãààð òîîöîõ áîëîìæòîé.
8
- 10. ªíººãèéí íºõöºëä ò¿¿âýðëýëòèéí àëäààã òîîöîæ ãàðãàõàä øààðäëàãàòàé
¿ç¿¿ëýëòèéã õýðýãëýýíèé ýíãèéí ïðîãðàìì àøèãëàí ãàð àðãààð òîîöîõ, çîðèóëàëòûí
(SPSS 13, 14) ïðîãðàììààð òóñãàé ä¿ðìèéí ôàéë á¿ðä¿¿ëýí äóóäàæ òîîöîõ õî¸ð çàì
áàéíà. Ýíýõ¿¿ çààâàð÷èëãààíû ìàòåðèàëä SPSS – ïðîãðàììààð ò¿¿âýðëýëòèéí àëäààã
õýðõýí òîîöîõ òàëààð çàãâàð æèøýýã òàéëáàðëàí îðóóëàâ.
SPSS ïðîãðàììûã àøèãëàí òîîöîî õèéõýä ñóäàëãààíä îðæ ò¿¿âðèéí àëäààã íü
òîîöîõîîð ñîíãîñîí ¿ç¿¿ëýëò òóñ á¿ðýýð ò¿¿âýðëýëòèéí àëäààíû õýìæ¿¿ðèéã ãàðãàæ
ºãíº. ¯¿íä ¿ç¿¿ëýëò á¿ðèéí õóâüä:
• Ñòàíäàðò àëäàà (se): Èõýâ÷ëýí ñòàíäàðò àëäààã àøèãëàí ò¿¿âýðëýëòèéí àëäààã
òîäîðõîé ¿ç¿¿ëýëò (äóíäàæ, õàðüöàà, ã.ì )-èéí õóâüä õýìæèíý. Ñòàíäàðò àëäààã
õýëáýëçëèéí êâàäðàòûí ÿçãóóðûã òîîöîõ çàìààð òîäîðõîéëíî. ̺í ñòàíäàðò àëäààã
Òåéëîðèéí øóãàìàí àðãààð òîîöíî.
• Õýëáýëçëèéí êîýôôèöèåíò (se/r) - ã ñòàíäàðò àëäààã òóõàéí ¿ç¿¿ëýëòèéí óòãàä õóâààí
òîîöíî.
• Õýðýãëýñýí ò¿¿âýðëýëòèéí àðãûí íºëºº (deff) íü òóõàéí ñóäàëãààíä àøèãëàñàí
ò¿¿âýðëýëòèéí àðãûí ¿ç¿¿ëýëòèéí õýëáýëçëèéã ýíãèéí ñàíàìñàðã¿é ò¿¿âýðëýëòèéí àðãà
äàõü õýëáýëçýëòýé õàðüöóóëñàí õàðüöàà. Äèçàéíû íºëººëºë (deff)-èéí êâàäðàò ÿçãóóð
íü òóõàéí ò¿¿âýðëýëòèéí äèçàéíû ¿ð àøãèéã èëýðõèéëíý. Òóõàéëáàë, deff íü 1.0 ãýñýí
óòãàòàé òýíöýæ áàéâàë ýíýõ¿¿ ò¿¿âýðëýëò íü ýíãèéí ñàíàìñàðã¿é ò¿¿âýðëýëòòýé
àäèëõàí ¿ð àøèãòàé áàéíà. Õýðýâ deff 1.0-ýýñ èõ áàéãàà òîõèîëäîëä ñîíãîñîí
ò¿¿âýðëýëòèéí äèçàéíààñ õàìààðàí ñòàíäàðò àëäàà íü íýìýãäýæ áóéã èëýðõèéëíý.
• Èòãýìæëýãäñýí èíòåðâàëûã òóõàéí ò¿¿âýðëýëòèéí ýõ îëîíëîãèéí õýìæýý íü çºâ áàéõ
ìàãàäëàë á¿õèé îëîíëîãò áàãòàæ áóéã õàðóóëàõûí òóëä òîîöíî. Àëèâàà ñòàòèñòèêèéí
¿ç¿¿ëýëòèéí õóâüä èæèë äèçàéí, õýìæýý á¿õèé ò¿¿âýðëýëòèéí 95 õóâüä íü ñòàíäàðò
àëäààã õî¸ðîîð ¿ðæ¿¿ëñýí íýìýõ áîëîí õàñàõ çàìààð òîîöñîí õÿçãààð (p+2.se ýñâýë p-
2.se) –ò áàãòàõ áîëíî.
̺í ò¿¿âýðëýëòèéí àëäààíû ýäãýýð õ¿ñíýãò íü ò¿¿âýðëýëòèéí àëäààã
èëýðõèéëýõèéí çýðýãöýý ¿ç¿¿ëýëò òóñ á¿ðýýð òîîöñîí õóâààðèéã æèãíýñýí áîëîí
æèãíýýã¿é õýëáýðýýð õàðóóëíà.
Èõýíõ òîõèîëäîëä ñîíèðõîæ áóé ¿ç¿¿ëýëòýýð ò¿¿âýðëýëòèéí àëäààã óëñûí áîëîí
á¿ñèéí ò¿âøèíä, õîò õºäººãººð ãýñýí øààðäëààòàé äýä á¿ëã¿¿äýýð òîîöîæ ãàðãàäàã.
Òóõàéí òîõèîëäîëä 2 ¿ç¿¿ëýëò íü ºðõèéí ò¿âøèíä, 7 ¿ç¿¿ëýëò íü ºðõèéí ãèø¿¿äèéí
õóâüä çýðýãýýð òîîöñîí áîëíî. Ýíä õàðóóëñàí ¿ç¿¿ëýëò á¿ð íü õàðüöààãààð
èëýðõèéëýãäñýí. Õ¿ñíýãò SE1-ä ò¿¿âýðëýëòèéí àëäààã òîîöñîí ¿ç¿¿ëýëòèéí æàãñààëò,
àøèãëàñàí ñóóðü õ¿í àìûí òîî (õóâààðü)-ã õàðóóëñàí áîëíî. Õàðèí Õ¿ñíýãò SE.2 -
SE.9-ä ò¿¿âýðëýëòèéí òîîöñîí àëäààã õàðóóëñàí áîëíî.
4.2 Ò¿¿âðèéí àëäààã çîðèóëàëòûí ïðîãðàìì (SPSS 13, 14) àøèãëàí
òîîöîõ àæëûí äàðààëàë
1. Åðºíõèé ç¿éë
a. Ò¿¿âýðëýëòèéí àëäààã òîîöîõ ¿ç¿¿ëýëòèéã ñîíãîõ
b. Ñîíãîñîí ¿ç¿¿ëýëò á¿ðò òîõèðîõ êîä÷èëîëûã õèéæ ã¿éöýòãýõ
c. Àëäàà òîîöîõ ïðîöåäóðóóäûã áýëòãýæ øàëãàí àæèëëóóëàõ
d. Òîîöîæ ãàðñàí ¿ç¿¿ëýëò¿¿äèéã EXCEL-èéí õóóäñàíä ãàðãàí øààðäëàãàòàé íýìýëò
¿éëäë¿¿äèéã õèéæ íýìýëò ¿ç¿¿ëýëò (èòãýìæëýãäýõ èíòåðâàë çýðýã) ãàðãàõ
Ò¿¿âýðëýëòèéí àëäàà òîîöîõ ¿ç¿¿ëýëò ãýäýã íü òóõàéí ñóäàëãààíä õàìðàãäñàí
¿ç¿¿ëýëò¿¿äýýñ ãîë ò¿ëõ¿¿ð ¿ç¿¿ëýëò áîëîõ ñóäàëãààíû ìºí ÷àíàðûã òîäîðõîéëîõ
9
- 11. ÷àíàðûí ¿ç¿¿ëýëò¿¿ä áàéíà. Òóõàéëáàë ºðõèéí àìüæèðãààíû ò¿âøíèé ñóäàëãààíû
õóâüä òóõàéí ºðõ, ºðõèéí ãèø¿¿äèéí õóâüä õîîëíû äàâñíû èîäæóóëàëò, óíäíû óñíû
÷àíàð, âàêöèíæóóëàëòûí ò¿âøèí, ñóðãóóëüä õàìðàãäàëò, õºäºëìºð ýðõëýëòèéí áàéäàë
çýðýã.
Ñîíãîñîí ¿ç¿¿ëýëò á¿ðò òîõèðîõ êîä÷èëîë ãýäýã íü òóõàéí ¿ç¿¿ëýëòèéí óòãààñ
õàìààðóóëàí (áîëîìæòîé -1, áîëîìæã¿é – 0 çýðýã.) òîäîðõîé êîäîîð ÿëãàí àíãèëàí
øèíý ¿ç¿¿ëýëò ¿¿ñãýæ ò¿¿íèé àëäààã òîîöîõîä çîðèóëàãäàíà.
̺í SPSS ïðîãðàìì áà õîëáîãäîõ ôàéëóóäûã íýã ôîëäåðò áàéðëóóëíà.
¯ð ä¿íãèéí ìýäýýëë¿¿ä äàðààõü íºõöëèéã õàíãàíà.¯¿íä:
a. Ò¿¿âðèéí àëäààã íèéò ä¿íãýýð áîëîí ñîíãîãäñîí äýä á¿ëýã òóñ á¿ðýýð
òîîöîõ. Òóõàéëáàë ¿íäýñíèé õýìæýýíä, á¿ñ, õîò õºäººãººð çýðýã. Ýíý íü
ñóäàëãààíû ¿ð ä¿íã ÿìàð àíãèëàë, ò¿âøèíä õèéæ ãàðãàõààð òºëºâëºñíººñ
õàìààðíà.
b. ̺í ò¿¿âðèéí àëäààã ñîíãîãäñîí ¿ç¿¿ëýëò á¿ðýýð òîîöîõ áà ñóäàëãààíû
ýöñèéí òàéëàíä îðíî.
c. Ò¿¿âðèéí æèíã òîîöíî.
1. Àæëûí äàðààëàë
Ò¿¿âðèéí àëäàà òîîöîõ äîîðõè àëõìóóäûã äýñ äàðààëàí ã¿éöýòãýæ õîëáîãäîõ
òàéëàíä îðîõ õ¿ñíýãò¿¿äèéã ãàðãàí àâíà. ¯éë àæèëëàãààíû àëãîðèòìûã àãóóëñàí á¿õ
ôàéëóóä íü øààðäëàãàòàé òàéëáàðóóäûã àãóóëñàí áàéíà. Ýíý àæèëä ¿íäñýí ýõ
ôàéëóóä (ºðõèéí, ãèø¿¿äèéí çýðýã), SE01, SE02, SE03 ãýñýí ãóðâàí ä¿ðìèéí (syntax)
ôàéë àøèãëàãäàõ áºãººä òýäãýýðýýñ SE01- ôàéë íü SE02, SE03 ôàéëóóäàà äóóäàæ
àæèëëóóëàõàä çîðèóëàí çîõèîí áàéãóóëàãäàíà. Èéíõ¿¿ SPSS – ïðîãðàììûã àøèãëàí
ò¿¿âðèéí àëäàà òîîöîæ áàéãàà ìýðãýæèëòýí ýäãýýð ä¿ðìèéí ôàéëóóäûã ººðèéí
ñóäàëãààíû ôàéëóóäûí íýð, òýäýíä õàðãàëçàí ñîíãîãäñîí ¿ç¿¿ëýëò¿¿äèéí íýð,
òýìäýãëýãýýã àøèãëàí ñîëüæ àëäàà òîîöîõ àæëûã õÿëáàð ã¿éöýòãýæ áîëíî.
“SE01 SAMPLING ERROR CALCULATION.SPS”. – ä¿ðìèéí ôàéë íü ò¿¿âðèéí àëäàà
òîîöîõ ¿íäñýí ôàéëûã (household data file) íýýæ ò¿¿íýýñ “SE02 STRATA PAIRS.SPS” –
ä¿ðìèéí ôàéëûã äóóäàæ àæèëëóóëíà.
“SE02 STRATA PAIRS.SPS” – ä¿ðìèéí ôàéë äîòîð ò¿¿âðèéí àíãèëëóóäûí äàãóó ÿëãàëò
õèéæ ÿëãààòàé áàéõ äýä á¿ëýã á¿ðýýð ò¿¿íèé ÿëãààòàé áè÷ëýãèéí òîîãîîð áè÷ëýã ¿¿ñãýí
ò¿ð ôàéë “pairs.sav” áîëãîí õàäãàëæ àøèãëàõ ¿éë àæèëëàãààã îðóóëñàí áàéíà.
“SE03 CALCULATE.SPS” – ä¿ðìèéí ôàéë íü ò¿¿âðèéí àëäàà òîîöîõîîð àâ÷ áàéãàà
¿íäñýí ôàéë á¿ðèéí õóâüä ò¿¿íýýñ ò¿¿âðèéí àëäààã íü ñîíèðõîæ áàéãàà ¿ç¿¿ëýëò
á¿ðèéã êîäëîí øèíý íýð ºã÷ ò¿¿âðèéí àëäààã íü òîîöîõ ¿éëäëèéã õèéëãýæ áàéãàà
áîëíî. Ò¿¿âðèéí àëäàà òîîöîõ ¿éëäëèéã “CSPLAN ANALYSIS” áîëîí
“CSDESCRIPTIVES” êîìàíäóóä ã¿éöýòãýæ áàéãàà áîëîõûã àíõààð÷ SUMMARY
VARIABLES äîòîð áè÷èãäñýí õóâüñàã÷ ÿìàð íýã áàéäëààð óðüä÷èëàí áîäñîí áàéõ
øààðäëàãàòàéã øàëãàõ õýðýãòýé.
SPSS –ýýñ ãàðñàí ¿ð ä¿íãèéí (OUTPUT) õ¿ñíýãò¿¿äýýñ òóõàéí øààðäëàãàòàé äýä
á¿ëãèéí ¿ç¿¿ëýëòèéí ò¿¿âðèéí àëäààã òîîöñîí “Complex Samples: Descriptives”
íýðòýé äàðààõü õýëáýðèéí õ¿ñíýãòèéã EXCEL-èéí “SAMPLING ERRORS.XLS” – ôàéëûí
õóóäñóóäàä á¿ëýã á¿ðèéã íýã õóóäàñ áîëãîí õàðãàëçóóëàí ãàðãàíà.
10
- 12. Õ¿ñíýãò 1
Univariate Statistics
Square Root
Design Effect
Coefficient of Design
Standard Õýðýãëýñýí Population
Variation Effect Unweighted
Error ò¿¿âýðëýëò- Size
Estimate Õàðüöàíãóé Õýðýãëýñýí Count
Ñòàíäàðò èéí àðãûí Õàìðàãäñàí
Òîîöîî ñòàíäàðò ò¿¿âýðëýë- Æèãíýãäýý
àëäàà íºëººíèé õ¿í àì
õàçàéëò òèéí àðãûí -ã¿é óòãà
(se) êâàäðàò (N)
(se/r) íºëºº (deff)
ÿçãóóð
(deff)
Iodized salt
consumption
Èîäæóóëñàí 0.1405 0,0060 0,0072 1,5999 1,2648 250650 6107
Mean äàâñíû
Äóíäàæ õýðýãëýý
Child discipline
Õ¿¿õäèéí 0.9270 0,0066 0,0082 1,1903 1,0910 65024 4508
õ¿ì¿¿æèë
“ESTIMATE” áàãàíàä áàéãàà ¿ç¿¿ëýëò áîë ò¿¿âðèéí àëäààã íü òîäîðõîéëîõîîð
ñîíãîñîí ¿ç¿¿ëýëò ó÷èð óòãûã íü øàëãàíà. Ýäãýýð íü ñîíãîñîí ¿ç¿¿ëýëò¿¿äèéí ¿íýëãýý
áºãººä õ¿ñíýãòýíä îðñîíòîé èæèë áàéíà. ¯ç¿¿ëýëò íü ò¿¿âýðëýëòèéí àëäààíû
õ¿ñíýãòýä ïðîïîðöèîíàëü ìàÿãààð èëýðõèéëýãäñýí áàéäãààðàà ÿëãààòàé. “SAMPLING
ERRORS.XLS” – çàãâàð ôàéëä èòãýìæëýãäñýí èíòåðâàëûí óòãà 0.000 áàéãàà íü
õàðàãäàíà. Ýíý íü SPSS ïðîãðàìì èòãýìæëýãäñýí èíòåðâàëûí óòãûã áîäîõã¿é áºãººä
ºìíºõ óòãóóäûã õóóëñíû äàðàà òýäãýýð íü àâòîìàòààð áîäîãäîíî.
̺í SPSS ïðîãðàìì æèãíýãäñýí óòãûã áîäîõã¿é áºãººä òýäãýýðèéã àâòîìàòààð
áîäîõîîð òîìú¸î îðóóëñàí áîëíî. Äýýðõ SPSS –ä áîäîãäñîí óòãóóäûã “Copy – Paste
Special – Values” êîìàíäààð õóóëæ òàâèíà. Ýöýñëýí áîäîãäñîí ò¿¿âðèéí àëäààíû
òóõàéí äýä á¿ëãèéí õóâüä äàðààõü áàéäàëòàé áàéíà:
Õ¿ñíýãò 2
Square root Confidence limits
of design Èòãýìæëýãäñýí
Design
Coefficient of effect èíòåðâàë
Standard effect
variation Õýðýãëýñýí Weighted Unweighted
Value error Õýðýãëýñýí
Table Õàðüöàíãóé ò¿¿âýðëýëò- count count
Óòãà Ñòàíäàð ò¿¿âýðëýëò-
Õ¿ñíýãò ñòàíäàðò èéí àðãûí Æèãíýñýí Æèãíýýã¿é
(r) ò àëäàà èéí àðãûí
àëäàà íºëººíèé óòãà óòãà r - 2se r + 2se
(se) íºëºº
(se/r) êâàäðàò
(deff)
ÿçãóóð
(deft)
ªÐÕ
Iodized salt
consumption
NU.5 0,8322 0,006 0,0072696 1,59997 1,26489797 6107,11815 6107 0,820 0,844
Èîäæóóëñàí
äàâñíû õýðýãëýý
Child discipline
Õ¿¿õäèéí CP.4 0,7944 0,0066 0,0082683 1,19031 1,09101453 4503,68147 4508 0,781 0,808
õ¿ì¿¿æèë
Äýýðõ ¿éëäëèéã äàðààëëûí äàãóó àëäààã¿é õèéæ EXCEL-èéí õ¿ñíýãòèéã òàéëàíäàà
õàâñàðãàí îðóóëæ çîõèõ òàéëáàðûã õèéíý.
Èéíõ¿¿ ñîíãîñîí ¿ç¿¿ëýëò òóñ á¿ðýýð ñîíèðõîæ áàéãàà àíãèëëûí (á¿ñ, õîò õºäºº
çýðýã) õ¿ðýýíä ò¿¿âýðëýëòèéí àëäààíû õýìæ¿¿ðèéã ãàðãàñàí ¿ç¿¿ëýëò á¿ðèéí õóâüä
äàðààõü øèíæ¿¿ðýýð ò¿¿âýð ñóäàëãààíû àëäààíû ÷àíàðûã õàðóóëíà. ¯¿íä:
• Ñòàíäàðò àëäàà (se): Áàãà áàéõ.
• Õàðüöàíãóé ñòàíäàðò àëäàà(se/r): ̺í áàãà áàéõ.
11
- 13. • Õýðýãëýñýí ò¿¿âýðëýëòèéí àðãûí íºëºº (deff) íü òóõàéí ò¿¿âýðëýëòèéí àðãûã
àøèãëàõàä ãàðñàí ñòàíäàðò àëäààã ýíãèéí ñàíàìñàðã¿é ò¿¿âýðëýëòèéí àðãûã
õýðýãëýñýí òîõèîëäîëä ãàðàõ ñòàíäàðò àëäààíä õàðüöóóëñàí õàðüöàà áºãººä 1-ä àëü
áîëîõ îéð áàéõ.
• Õýðýãëýñýí ò¿¿âýðëýëòèéí àðãûí íºëºº (deff)-íèé êâàäðàò ÿçãóóð íü òóõàéí
ò¿¿âýðëýëòèéí äèçàéíû ¿ð àøãèéã èëýðõèéëíý. Òóõàéëáàë, deff íü 1.0 ãýñýí óòãàòàé
òýíöýæ áàéâàë ýíýõ¿¿ ò¿¿âýðëýëò íü ýíãèéí ñàíàìñàðã¿é ò¿¿âýðëýëòòýé àäèëõàí ¿ð
àøèãòàé áàéíà. Õýðýâ deff 1.0-ýýñ èõ áàéãàà òîõèîëäîëä ñîíãîñîí ò¿¿âýðëýëòèéí
äèçàéíààñ õàìààðàí ñòàíäàðò àëäàà íü íýìýãäýæ áóéã èëýðõèéëíý.
• Èòãýìæëýãäñýí èíòåðâàë òóõàéí ò¿¿âýðëýëòèéí ýõ îëîíëîãèéí õýìæýý íü çºâ áàéõ
ìàãàäëàë á¿õèé îëîíëîãò áàãòàæ áóéã õàðóóëàõûí òóëä òîîöíî. Àëèâàà ñòàòèñòèêèéí
¿ç¿¿ëýëòèéí õóâüä èæèë äèçàéí, õýìæýý á¿õèé ò¿¿âýðëýëòèéí 95 õóâüä íü ñòàíäàðò
àëäààã õî¸ðîîð ¿ðæ¿¿ëñýí íýìýõ áîëîí õàñàõ çàìààð òîîöñîí èíòåðâàëä (p+2.se ýñâýë
p-2.se) –ò áàãòàõ áîëíî.
4.3 ªðõºä ñóóðèëñàí ò¿¿âýð ñóäàëãààíû ò¿¿âýðëýëòèéí àëäààã òîîöîõ
ÕÀͯÝÌÑ, ÕÕÑ, ªÎÇÀÒÑ, ÀÕÑ çýðýã ñóäàëãààíóóäàä õýðýãëýñýí ò¿¿âýðëýëòèéí
àðãà íü ò¿¿âýðëýëòèéí ¿å øàò, ò¿¿âýðëýãäñýí íýãæýýñ õàìààð÷ áàéíà. Òèéì ó÷ðààñ
ò¿¿âýðëýëòèéí àëäààã òîîöîõäîî íèëýýä ÿðâèãòàé òîìú¸î õýðýãëýõ øààðäëàãàòàé.
Ò¿¿âýð ñóäàëãààíû ìýäýýëëèéí áýëýí áàéäàë, àëäàà òîîöîõ áîëîìæ çýðãèéã
õàðãàëçàí ¿çñýíèé äýýð Õ¿¿õýä õºãæèë ñóäàëãàà (ÕÕÑ)-ã æèøýý áîëãîí îðóóëëàà.
Òèéìýýñ ò¿¿âýðëýëòèéí àëäàà òîîöîõ àæëûí æèøýý áîëãîí äýýðõ ñóäàëãààíû
ò¿¿âýðëýëòèéí àëäàà òîîöîõ ä¿ðìèéí ôàéëóóäûí çàãâàðò îðóóëàí ºðõºä ñóóðèëñàí
áóñàä îëîí øàòàò ñóäàëãààíû ò¿¿âýðëýëòèéí àëäààã òîîöîõ áîëîìæèä íèéö¿¿ëýí
àøèãëàæ áîëîõóéö õýìæýýíä òàéëáàðëàí îðóóëæ ºã뺺.
Ò¿¿âðèéí àëäààã çîðèóëàëòûí ïðîãðàìì (SPSS 13, 14) àøèãëàí òîîöîõ àæëûí
ä¿ðìèéí (SYNTAX) ôàéëóóäûí òàéëáàð.
1. Åðºíõèé ç¿éë
a. Ò¿¿âýðëýëòèéí àëäààã òîîöîõ ¿ç¿¿ëýëòèéã ñîíãîõ
Èîäæóóëñàí äàâñíû õýðýãëýý
Õ¿¿õäèéí õ¿ì¿¿æèë
Óíäíû óñíû ñàéæðóóëñàí ýõ ¿¿ñâýðèéí õýðýãëýý
Ñàéæðóóëñàí àðèóí öýâðèéí áàéãóóëàìæèéí õýðýãëýý
Á¿ñ íóòàã
Áàéðøèë
b. Ñîíãîñîí ¿ç¿¿ëýëò á¿ðò òîõèðîõ êîä÷èëîëûã õèéæ ã¿éöýòãýõ-¯¿íä:
• Èîäæóóëñàí äàâñíû õýðýãëýý-SI
• Õ¿¿õäèéí õ¿ì¿¿æèë-CD
• Óíäíû óñíû ñàéæðóóëñàí ýõ ¿¿ñâýðèéí õýðýãëýý-WS1.2
• Ñàéæðóóëñàí àðèóí öýâðèéí áàéãóóëàìæèéí õýðýãëýý-WS7
• Á¿ñ íóòàã-HH6
• Áàéðøèë-HH7
• Êëàñòåð-HH1
• Õàìðàãäñàí áàéäàë-HH9
c. Àëäàà òîîöîõ ïðîöåäóðóóäûã áýëòãýæ øàëãàí àæèëëóóëàõ
SE01 ä¿ðìèéí ôàéë á¿òýö:
12
- 14. * Øèíý strat-õóâüñàã÷èéí õóâüä ºðõèéí ôàéëààñ òóñãàé ôàéë ¿¿ñãýí õàäãàëàõ.
* Ýíý ïðîãðàìì 5 á¿ñèéí (HH6) õóâüä õîò õºäººãººð (HH7) íü ÿëãàí äýä á¿ëã¿¿ä ¿¿ñãýõ.
get file = "hh.sav".
include "se02 strata pairs.sps".
* HH7 áà HH6 õóâüñàã÷äààð ò¿¿âðèéí ìóæèéã ÿëãàí ãàðãàõ.
Aggregate outfile = "pairs.sav" * Àæëûí çîðèóëàëòààð ò¿ð õàäãàëàãäàõ ôàéë.
/Break = HH7 HH6 HH1 strat
/NumHH=N.
get file = "pairs.sav". * Àæëûí çîðèóëàëòààð ò¿ð õàäãàëàãäàõ ôàéë.
sort cases hh1.
save outfile = "pairs.sav".
* ¯íäýñíèé õýìæýýíä ä¿ãíýõ.
echo "Total sample".
Define subgroup ()
Use all.
!enddefine.
include "se03 calculate.sps".
* Äýä á¿ëã¿¿äýýð ä¿ãíýõ. Äýä á¿ëýã á¿ðèéí ¿ç¿¿ëýëò¿¿äýýð êîäîî áè÷èæ ºãíº.
echo "Urban areas".
Define subgroup ()
select if (HH6=1).
!enddefine.
include "se03 calculate.sps".
echo "Rural areas".
Define subgroup ()
select if (HH6=2).
!enddefine.
include "se03 calculate.sps".
echo "Region 1".
Define subgroup ()
select if (HH7=1).
!enddefine.
include "se03 calculate.sps".
echo "Region 2".
Define subgroup ()
select if (HH7=2).
!enddefine.
include "se03 calculate.sps".
echo "Region 3".
Define subgroup ()
select if (HH7=3).
!enddefine.
include "se03 calculate.sps".
echo "Region 4".
13
- 15. Define subgroup ()
select if (HH7=4).
!enddefine.
include "se03 calculate.sps".
echo "Region 5".
Define subgroup ()
select if (HH7=5).
!enddefine.
include "se03 calculate.sps".
erase file 'micsplan.csplan'.
erase file 'pairs.sav'.
Ýíýõ¿¿ syntax-ã äàðààõü áàéäëààð SPSS –ä îðóóëíà. Îðóóëñàí SE01 syntax –àà
àøèãëàí SE02 äóóäàæ àæèëëóóëíà.
Çóðàã 1
14
- 16. Çóðàã 2
SE02 Ä¿ðìèéí ôàéëûí á¿òýö:
* Ò¿¿âðèéí ìóæóóäààð (õîò/õºäººãººð á¿ñ¿¿äèéí äîòîð) ÿëãàëò õèéõ.
* Ýíý ïðîãðàìì 5 á¿ñèéí (HH7) õýìæýýíä õîò õºäººãººð (HH6) íü ÿëãàí äýä á¿ëã¿¿ä
¿¿ñãýõ.
sort cases HH7 HH6 HH1.
* Òóõàéí äýä á¿ëýãò ñòðàòà õóâüñàã÷äûã òîîöîõ.
compute strat = 1.
compute strpair = 0.
do if (HH7 <> lag(HH7) or HH6 <> lag(HH6)).
+ compute strat = lag(strat)+1.
+ compute strpair = 0.
else if (HH1 = lag(HH1)).
+ compute strat = lag(strat).
+ compute strpair = lag(strpair).
else if (lag(strpair) = 0).
+ compute strat = lag(strat).
+ compute strpair = 1.
else.
+ compute strat = lag(strat)+1.
+ compute strpair = 0.
end if.
15
- 17. * Òóõàéí ìóæèä ãàíö êëàñòåð áàéãàà ýñýõèéã øàëãàæ ýñðýã ÷èãëýëä ÿëãàëò õèéõ.
sort cases HH7 HH6 HH1 (D).
* Ãàíöààð áàéãàà êëàñòåðèéã óðäàõ á¿ëýãò îðóóëàõ.
do if (sysmis(lag(HH7)) or HH7 <> lag(HH7) or HH6 <> lag(HH6)).
+ do if (strpair = 0).
+ compute strat = strat - 1.
+ end if.
else if (HH1 = lag(HH1)).
+ compute strat = lag(strat).
end if.
* Äàõèí øóóä ÷èãëýëä ÿëãàëò õèéõ (õîò/õºäººãººð á¿ñèéí õýìæýýíä).
sort cases HH7 HH6 HH1.
* strpair – õóâüñàã÷èéã àðèëãàõ.
delete variable strpair.
Çóðàã 3
SE03 Ä¿ðìèéí ôàéëûí á¿òýö:
*--------------------------------------------------------------------------------------------- ªðõººñ àâàõ
¿ç¿¿ëýëò¿¿ä.
get file = 'hh.sav'. * ªðõèéí ôàéëûí íýð.
subgroup.
select if (HH9 = 1).
16
- 18. compute hhweight = hhweight*1000000.
match files
/file = *
/table = 'pairs.sav' * Àæëûí çîðèóëàëòààð ò¿ð õàäãàëàãäñàí ôàéë.
/by HH1.
*------------------------------------------------------------------------------------------ Èîäæóóëñàí äàâñíû
õýðýãëýý.
recode SI1 (7=0) (1,2 = 0) (3 = 1) (else = sysmis) into iodized.
variable label iodized "Iodized salt consumption".
*------------------------------------------------------------------------------------------------------ Õ¿¿õäèéí
õ¿ì¿¿æèë.
do if (not sysmis(CD12A)).
+ compute punish = 0.
+ if (CD12D = 1 or CD12H = 1) punish = 1.
+ if (CD12C = 1 or CD12F = 1 or CD12G = 1 or CD12J = 1) punish = 1.
+ if (CD12I = 1 or CD12K = 1) punish = 1.
end if.
variable label punish "Child discipline".
*-----------------------------------------------------------------------------------------Ò¿¿âýðëýëòèéí àëäàà
òîîöîõ.
CSPLAN ANALYSIS
/PLAN FILE='micsplan.csplan' * Òºëºâëºãººíèé ôàéë.
/PLANVARS ANALYSISWEIGHT=hhweight * Æèíãèéí ¿ç¿¿ëýëò.
/DESIGN STRATA= strat CLUSTER= HH1 * Ñòàðàòà áîëîí êëàñòåðèéí ¿ç¿¿ëýëòèéã
çààõ.
/ESTIMATOR TYPE=WR.
* Complex Samples Descriptives – Ãàðãàæ àâàõ ¿ç¿¿ëýëòèéí òîäîðõîéëîëò.
CSDESCRIPTIVES
/PLAN FILE = 'micsplan.csplan'
/SUMMARY VARIABLES = iodized punish * Äýýð òîäîðõîéëñîí ¿ç¿¿ëýëòèéã çààæ
ºãíº.
/MEAN * Ò¿¿âðèéí àëäàà òîîöîõ ïàðàìåòð.
/STATISTICS SE CV COUNT POPSIZE DEFF DEFFSQRT * ßìàð ñòàòèñòèê
àâàõàà çààõ.
/MISSING SCOPE = ANALYSIS CLASSMISSING = EXCLUDE. * Àíàëèç õèéõ òîãòñîí
ãîðèìûí çààëò.
*---------------------------------------------------------ªðõèéí ãèø¿¿äèéí æàãñààëòààñ àâàõ
¿ç¿¿ëýëò¿¿ä.
get file = 'hl.sav'.
subgroup.
compute hhweight = hhweight*1000000.
match files
/file = *
/table = 'pairs.sav'
/by HH1.
17
- 19. *------------------------------------------------------------------ Óíäíû óñíû ýõ ¿¿ñâýð.
compute improved = 0.
if (WS1 = 11 or WS1 = 12 or WS1 = 13 or WS1 = 21 or WS1 = 31 or WS1 = 41 or WS1 =
51) improved = 1.
if ((WS2 = 11 or WS2 = 12 or WS2 = 13 or WS2 = 21 or WS2 = 31 or WS2 = 41 or WS2 =
51) and WS1 = 91) improved = 1.
variable label improved "Use of improved drinking water sources".
*----------------------------------------------------------------- Ñîíãîñîí ¿ç¿¿ëýëò
recode WS7 (11,12,13,21,22,31 = 1) (else = 0) into sanitary.
variable label sanitary "Use of improved sanitation facilities".
*-- Çýðýã÷èëýí ò¿¿âðèéí àëäààã íü òîîöîõîîð ñîíãîñîí ¿ç¿¿ëýëò¿¿äèéã ñîíãîí
òîäîðõîéëæ îðóóëíà.
*----------------------------------------------------------------------------Ò¿¿âýðëýëòèéí àëäàà òîîöîõ.
CSPLAN ANALYSIS
/PLAN FILE='micsplan.csplan'
/PLANVARS ANALYSISWEIGHT=hhweight
/DESIGN STRATA= strat CLUSTER= HH1
/ESTIMATOR TYPE=WR.
* Complex Samples Descriptives.
CSDESCRIPTIVES
/PLAN FILE = 'micsplan.csplan'
/SUMMARY VARIABLES = improved sanitary
/MEAN
/STATISTICS SE CV COUNT POPSIZE DEFF DEFFSQRT
/MISSING SCOPE = ANALYSIS CLASSMISSING = EXCLUDE.
new file.
Çóðàã 4
18
- 20. SPSS output ôàéë äýýð òîîöñîí ¿ç¿¿ëýëò¿¿ä äàðààõü áàéäëààð ãàðíà.
d. Òîîöîæ ãàðñàí ¿ç¿¿ëýëò¿¿äèéã EXCEL-èéí õóóäñàíä ãàðãàí øààðäëàãàòàé
íýìýëò ¿éëäë¿¿äèéã õèéæ íýìýëò ¿ç¿¿ëýëò (èòãýìæëýãäýõ èíòåðâàë çýðýã) ãàðãàõ
Õ¿ñíýãò 3
Ò¿¿âýðèéí àëäàà: Íèéò ò¿¿âýð
Õýðýãëýñýí
Õýðýãëýñýí ò¿¿âýðëýëò-
Õàðüöàíãóé
Ñòàíäàðò ò¿¿âýðëýëò- èéí àðãûí Æèãíýñýí Æèãíýýã¿é Èòãýìæëýãäñýí
Õýìæýý ñòàíäàðò
¯ç¿¿ëýëò àëäàà èéí àðãûí íºëººíèé óòãà óòãà èíòåðâàë
àëäàà
íºëºº êâàäðàò
ÿçãóóð
(r) (se) (se/r) (deff) (deff) r - 2se r + 2se
ªðõ
Èîäæóóëñàí äàâñíû
õýðýãëýý 0.831 0.006 0.007 1.575 1.255 6113 6113 0.819 0.843
Õ¿¿õäèéí õ¿ì¿¿æèë 0.794 0.007 0.008 1.190 1.091 4504 4508 0.781 0.808
ªðõèéí ãèø¿¿ä
Óíäíû óñíû
ñàéæðóóëñàí ýõ
¿¿ñâýðèéí õýðýãëýý 0.716 0.014 0.020 6.024 2.454 26713 6220 0.688 0.744
Ñàéæðóóëñàí àðèóí
öýâðèéí
áàéãóóëàìæèéí
õýðýãëýý 0.772 0.011 0.014 4.365 2.089 26713 6220 0.750 0.795
SPSS ïðîãðàììûã àøèãëàí òîîöñîí ò¿¿âýðëýëòèéí àëäàà äàðààõü áàéäàëòàé
áàéíà (Õ¿ñíýãò3). ÕÕÑ-íû ¿ç¿¿ëýëò¿¿äèéí õóâüä ñòàíäàðò àëäàà íü 0-ä îéð áàéãàà íü
ò¿¿âýð ñóäàëãàà ýõ îëîíëîãèéã òºëººëºõ ÷àäâàð ñàéí áàéãààã õàðóóëæ áàéíà. Ãýõäýý
õýðýãëýñýí ò¿¿âýðëýëòèéí àðãûí íºëºº 1-ýýñ èõ, ÿëàíãóÿà óíäíû óñíû ñàéæðóóëñàí ýõ
¿¿ñâýðèéí õýðýãëýý, ñàéæðóóëñàí àðèóí öýâðèéí áàéãóóëàìæèéí õýðýãëýýíèé àëäàà
ºíäºð áàéãàà íü ñòàòèñòèêèéí õóâüä ¿ð àøèã ìóóòàé ò¿¿âýðëýëòèéí àðãûã õýðýãëýñíèéã
õàðóóëæ áàéíà. Èéìä äàðàà äàðààãèéí ñóäàëãààíóóäàä ò¿¿âýðëýëòèéí àðãûã
ñàéæðóóëàõ øààðäëàãàòàé.
Èéì òºðëèéí ò¿¿âýð ñóäàëãààíóóäûí õóâüä ñóäàëãàà ÿâóóëñíû äàðàà
ò¿¿âýðëýëòèéí àëäàà òîîöîæ ñóäàëãààíû òàéëàíä õàâñàðãàñàí áàéõ øààðäëàãàòàé.
4.4 Àæ àõóéí íýãæèä ñóóðèëñàí ò¿¿âýð ñóäàëãààíû ò¿¿âýðëýëòèéí àëäààã
òîîöîõ
Ò¿¿âýðëýëòèéí àëäààã çîðèóëàëòûí ïðîãðàìì àøèãëàí òîîöîõäîî õóäàëäààíû
ñàëáàðûã íèéò áîðëóóëàëòààð õèéñýí ò¿¿âýðëýëòèéí æèøýýã îðóóëñàí.
Àæ ¿éëäâýð, Çî÷èä áóóäàë, çîîãèéí ãàçàð, Õóäàëäààíû ñàëáàð, ÄÍÁ-íèé
òîîöîîòîé õîëáîãäñîí ýíãèéí ñàíàìñàðã¿é ò¿¿âýð ñóäàëãààíóóäûí õóâüä
ò¿¿âýðëýëòèéí àëäààã õóäàëäààíû ñàëáàðûíõòàé èæèë õèéíý.
Ò¿¿âýðëýëòýä ñîíãîãäñîí íýãæ íü ýíãèéí ñàíàìñàðã¿é ò¿¿âýðëýëòèéí àðãààð
ñîíãîãäñîí áîë ò¿¿âýðëýëòèéí àëäààã òîîöîõäîî ýíãèéí òîìú¸îã àøèãëàí òîîöíî.
Èéìä àëäààã òîîöîõ ïðîãðàìì
Õóäàëäààíû ñàëáàðûí íèéò 10117 íýãæèä ò¿¿âýð õèéñíýýñ íèéò 4033 íýãæ
ñîíãîãäñîíû 2943 íü Óëààíáààòàð õîòîä, 1090 íýãæ íü àéìãóóäàä íîãäîæ
áàéíà.Ò¿¿âýðëýëò õèéõäýý ýíãèéí ñàíàìñàðã¿é ò¿¿âðèéã àøèãëàñàí ò¿¿âýð ñóäàëãààã
ñîíãîí ò¿¿âýðëýëòèéí àëäààã òîîöîõäîî SPSS ðåãðåññèéí òýãøèòãýëèéã òîîöíî.
Åðºíõèé ç¿éë
a. Ò¿¿âýðëýëòèéí àëäààã òîîöîõ ¿ç¿¿ëýëòèéã ñîíãîõ – Õóäàëäààíû ñàëáàðûí
áîðëóóëàëòûí îðëîãî
b. Ñîíãîñîí ¿ç¿¿ëýëò á¿ðò òîõèðîõ êîä÷èëîëûã õèéæ ã¿éöýòãýõ-¯¿íä:
Áîðëóóëàëòûí îðëîãî-YZ6
Ýäèéí çàñãèéí ¿éë àæèëëàãààíû ñàëáàð-ISIC
19
- 21. Ýíãèéí ñàíàìñàðã¿é ò¿¿âðèéí õóâüä ò¿¿âýðëýëòèéí àëäààã ðåãðåññèéí òýãøèòãýë
àøèãëàí òîîöíî.Èéìä ò¿¿âýð ñóäàëãààíû òîîí ìýäýýëëýý SPSS ïðîãðàìì ðóó îðóóëæ
ºãíº. SPSS äýýð áàéãàà òîîí ìýäýýëëýý àøèãëàí ñîíãîñîí ¿ç¿¿ëýëòýý õàìààðàí
õóâüñàã÷ áîëîí ¿ë õàìààðàí õóâüñàã÷èéã òîäîðõîéëíî.Õóäàëäààíû ñàëáàðûí õóâüä
áîðëóóëàëòûí îðëîãî íü õàìààðàí õóâüñàã÷, ýäèéí çàñãèéí ¿éë àæèëëàãààíû ñàëáàð íü
¿ë õàìààðàí õóâüñàã÷ áîëíî.
Çóðàã 5
Çóðàã 6
20
- 23. Çóðàã 9
Ýíãèéí ñàíàìñàðã¿é ò¿¿âðèéí õóâüä õýðýãëýñýí ò¿¿âýðëýëòèéí àðãûí íºëººã
òîîöîõ øààðäëàãàã¿é. Èéìä çºâõºí ò¿¿âðèéí àëäàà áîëîí èòãýìæëýãäñýí èíòåðâàëûã
àâ÷ äàðààõ õ¿ñíýãòýíä õàðóóëàâ.
Õ¿ñíýãò 4
Èòãýìæëýãäñýí èíòåðâàë
¯ç¿¿ëýëò Òîîöîî Ñòàíäàðò àëäàà
r-2se r+2se
Áîðëóóëàëòûí îðëîãî 0.0315 0.0044 0.0229 0.0401
Òîîöîîíîîñ ¿çýõýä õóäàëäààíû ñàëáàðûí íèéò áîðëóóëàëòûí îðëîãûã àøèãëàí
òîîöñîí ò¿¿âýðëýëòèéí àëäàà 0-ä îéð áàéãàà íü ò¿¿âýð ñóäàëãàà ýõ îëîíëîãîî
òºëººëºõ¿éö áàéíà. Èéìä öààøèä õóäàëäààíû ñàëáàðûí ò¿¿âðèéí õýìæýýòýé èæèë
õýìæýýíèé ò¿¿âýðëýëòèéã õèéõýä ýõ îëîíëîãîî òºëººëºõ ÷àäâàðòàé áàéíà.
22