چگونه رگرسیون چندسطحی و پساتقسیم‌بندی (MRP) داده‌های نظرسنجی را متحول می‌کند

نظرسنجی‌های سنتی با یک معضل ریاضی پایدار روبرو هستند. برای درک آنچه یک کشور کامل فکر می‌کند، یک نمونه ملی تصادفی متشکل از ۱۰۰۰ نفر به طرز استثنایی خوب عمل می‌کند. با این حال، برای درک آنچه هر منطقه یا شهرستان محلی خاص فکر می‌کند، نظرسنجی از هر یک به صورت جداگانه بسیار پرهزینه و از نظر لجستیکی غیرممکن می‌شود. این تنش بین مقرون به صرفه بودن در سطح ملی و دقت در سطح محلی، محققان را از نظر تاریخی مجبور کرده است که به نوسانات یکنواخت ملی تکیه کنند—یک فرض ناقص که هر منطقه محلی دیدگاه‌های خود را دقیقاً همگام با میانگین ملی تغییر می‌دهد.

رگرسیون چندسطحی و پساتقسیم‌بندی (MRP) این تنش را با ایجاد یک پل ریاضی بین نظرسنجی‌های ملی گسترده و واقعیت محلی جزئی حل می‌کند. MRP که در اواخر قرن بیستم توسط دانشگاهیانی که به دنبال روش‌های دقیق‌تری برای درک افکار عمومی در زیرگروه‌های مختلف بودند توسعه یافت، یک تکنیک آماری پیشرفته است که به محققان اجازه می‌دهد از یک نظرسنجی ملی بزرگ برای تولید تخمین‌های بسیار دقیق برای مناطق محلی کوچک و خاص استفاده کنند.[2]

این فرآیند در دو مرحله متمایز عمل می‌کند که با جمع‌آوری داده‌ها و مرحله رگرسیون آغاز می‌شود. محققان ابتدا یک نمونه ملی بزرگ را جمع‌آوری می‌کنند که برای اهداف MRP معمولاً بین ۱۰,۰۰۰ تا ۵۰,۰۰۰ پاسخ‌دهنده متغیر است. به جای صرفاً نگاه کردن به مجموع کل نتایج، تحلیلگران یک مدل آماری می‌سازند که روابط پیچیده بین ویژگی‌های جمعیتی خاص یک پاسخ‌دهنده—مانند سن، سطح تحصیلات، جنسیت و وضعیت مالکیت مسکن—و نظر یا رفتار خاص مورد اندازه‌گیری را ترسیم می‌کند.

نکته حیاتی این است که این رگرسیون «چندسطحی» است، به این معنی که علاوه بر ویژگی‌های جمعیتی فردی، تغییرات جغرافیایی را نیز در نظر می‌گیرد. این مدل درک می‌کند که یک فارغ‌التحصیل دانشگاهی که در یک مرکز شهری پرجمعیت زندگی می‌کند، ممکن است دیدگاه‌های اساساً متفاوتی نسبت به یک فارغ‌التحصیل دانشگاهی با مشخصات جمعیتی دقیقاً مشابه که در یک جامعه کشاورزی روستایی زندگی می‌کند، داشته باشد. با در نظر گرفتن این لایه‌های جغرافیایی، مدل یک ماتریس پیش‌بینی بسیار جزئی ایجاد می‌کند که می‌تواند احتمال داشتن یک دیدگاه خاص توسط هر «نوع» فرد خاص را تخمین بزند.

مرحله دوم فرآیند، پساتقسیم‌بندی است که مدل پیش‌بینی را به واقعیت متصل می‌کند. در این مرحله، مدل بر اساس ترکیب جمعیتی واقعی مناطق هدف با استفاده از منابع داده خارجی و بسیار دقیق، که معمولاً یک سرشماری ملی است، اعمال می‌شود. جدول پساتقسیم‌بندی، جمعیت هر منطقه محلی را به سلول‌های جمعیتی متمایز تقسیم می‌کند و دقیقاً تعداد افرادی با هر مشخصات خاص را که در آن مرز جغرافیایی خاص زندگی می‌کنند، شمارش می‌کند.[1]

با وارد کردن این داده‌های جمعیتی محلی دقیق به مدل پیش‌بینی، محققان می‌توانند نظر کلی آن منطقه خاص را از پایین به بالا تخمین بزنند. اگر یک گروه جمعیتی خاص در نمونه نظرسنجی اولیه کمتر از حد نمایندگی شده باشد، پساتقسیم‌بندی به صورت ریاضی این عدم تعادل را اصلاح می‌کند. به عنوان مثال، اگر مردان ۵۰ درصد از جمعیت را تشکیل دهند اما تنها ۴۰ درصد از نمونه نظرسنجی باشند، مدل پاسخ‌های آنها را به سمت بالا وزن‌دهی می‌کند تا با سهم واقعی آنها از جامعه مطابقت داشته باشد و اطمینان حاصل شود که تخمین نهایی محلی منعکس‌کننده واقعیت است نه سوگیری نمونه‌گیری.

شواهد برای کارایی MRP قوی است، به ویژه در حوزه پیش‌بینی‌های انتخاباتی که این روش برای اولین بار توجه عمومی گسترده‌ای را به خود جلب کرد. در طول انتخابات‌های بزرگ اخیر، مدل‌های MRP به طور مداوم عملکرد بهتری نسبت به مدل‌های نوسان یکنواخت سنتی داشته‌اند و با موفقیت تغییرات متفاوت در جغرافیای متنوع را ثبت کرده‌اند. در یکی از کاربردهای اخیر، یک مدل پیشرفته MRP به درستی نتیجه ۸۷.۳ درصد از مناطق انتخاباتی محلی را پیش‌بینی کرد که نشان‌دهنده ظرفیت قابل توجهی برای ترسیم احساسات ملی بر روی نقشه‌های محلی است.

فراتر از سیاست، MRP به طور فزاینده‌ای در علوم جمعیت و اپیدمیولوژی مورد استفاده قرار می‌گیرد. محققان بهداشت عمومی از این تکنیک برای تخمین شیوع محلی بیماری‌ها، میزان واکسیناسیون و رفتارهای بهداشتی در مواقعی که نظرسنجی‌های زیرملی در دسترس نیستند، استفاده می‌کنند. با قرض گرفتن قدرت از گروه‌های جمعیتی بزرگتر و اعمال آن بینش‌ها بر داده‌های سرشماری محلی، اپیدمیولوژیست‌ها می‌توانند شهرستان‌های خاصی را که نیاز به مداخلات بهداشتی هدفمند دارند، بدون نیاز به انجام نظرسنجی‌های محلی پرهزینه، شناسایی کنند.[4]

با این حال، مجموعه شواهد برای MRP شامل محدودیت‌های سخت‌گیرانه‌ای است و این روش درمان قطعی برای داده‌های بد نیست. دقت هر تخمین MRP کاملاً به کیفیت چارچوب پساتقسیم‌بندی بستگی دارد. اگر داده‌های سرشماری زیربنایی قدیمی باشند، یا اگر متغیرهای توضیحی حیاتی از جداول جمعیتی حذف شده باشند، مدل نمی‌تواند سوگیری نمونه را به طور کامل اصلاح کند. یک مدل تنها به اندازه خط مبنای جمعیتی که بر روی آن پیش‌بینی می‌شود، خوب است.[3]

علاوه بر این، MRP از نظر ریاضی مستعد سوگیری تضعیف (Attenuation Bias) است—یک گرایش آماری برای کشاندن مقادیر رگرسیون به سمت صفر. این پدیده می‌تواند منجر به تخمین‌های محلی شود که در مقایسه با افراط واقعی افکار عمومی، به ویژه در مناطق بسیار قطبی، بیش از حد «مسطح» یا معتدل به نظر می‌رسند. از آنجایی که مدل برای هموارسازی داده‌های پرنویز به میانگین‌های کلی یا نزدیک تکیه می‌کند، می‌تواند گهگاه شدت جوامع محلی پرت را دست کم بگیرد.[3]

این مدل همچنین نیازمند یک همبستگی قوی و قابل اندازه‌گیری بین ویژگی‌های جمعیتی و نظری است که مورد تحلیل قرار می‌گیرد. اگر یک ویژگی هیچ تأثیری بر نتیجه نداشته باشد—مثلاً تلاش برای پیش‌بینی رنگ مورد علاقه یک جمعیت بر اساس درآمد و تحصیلات آنها—MRP هیچ مزیت پیش‌بینی‌کننده‌ای ارائه نمی‌دهد. رگرسیون چندسطحی تنها می‌تواند الگوهایی را که واقعاً در داده‌های زیربنایی وجود دارند، پیش‌بینی کند.[4]

با وجود این محدودیت‌ها، رگرسیون چندسطحی و پساتقسیم‌بندی نشان‌دهنده یک تغییر پارادایم در تحلیل داده‌های مدرن است. با ایجاد پل ریاضی بین نظرسنجی‌های ملی گسترده و واقعیت محلی جزئی، این روش به جامعه‌شناسان، مقامات بهداشتی و دانشمندان داده اجازه می‌دهد تا بینش‌های عمیق و عملی را از نمونه‌های نظرسنجی بسیار انتخابی استخراج کنند و اساساً نحوه درک سازمان‌ها از جمعیت‌های متنوع را تغییر می‌دهد.[2]