شناسایی آمارهای برتر و تاثیر آن ها بر اعتبار آماری جدول داده - ستانده منطقه ای با روش ترکیبی جدید CHARM-RAS

این مقاله نشان می دهد استفاده از آمارهای برتر در روش های ترکیبی محاسبه جداول داده- ستانده منطقه ای (RIOTs) می تواند بر اعتبار آماری جداول و ضرایب مستخرج بیافزاید. لکن جمع آوری آمارهای برتر، خود مستلزم صرف منابع مالی و زمان است، لذا پرسشی که ذهن تحلیل گران اقتصاد داده - ستانده را درگیر نموده است، شناسایی درایه هایی است که جمع آوری آمارهای مربوط به آن درایه ها، نقش بیشتری در بهبود اعتبار آماری و دقت محاسبات ایفا می کنند. در این مقاله، با استفاده از روش ترکیبی جدید CHARM-RAS و هفت معیار LARGE1، LARGE 2،INVIMP ،COLSUM ، ROWSUM، COLHYP و ROWHYP مناسب ترین معیار شناسایی آمارهای برتر در جدول منطقه ای انتخاب می گردد. یافته های کلی پژوهش حاکی از آن است که 1- صرف نظر از معیارهای به کار رفته برای شناسایی آمارهای برتر، استفاده از این آمارها سبب بهبود دقت و افزایش اعتبار آماری جداول می شود. 2- معیارهای شناسایی درایه های منفرد مجموعه آمارهای برتر، بهبود دقت بیشتری نسبت به معیارهای سطری و ستونی کامل یک بخش دارند اما با توجه به هزینه های بسیار بالای جمع آوری درایه های انفرادی مجموعه آمارهای برتر در مقایسه با معیارهای سطری و ستونی، یک بده-بستان (trade-off) میان اعتبار آماری و هزینه مورد نیاز برای گردآوری آمارهای برتر، وجود دارد. لذا توصیه می شود که از معیارهای سطری و یا ستونی برای شناسایی آمارهای برتر استفاده گردد. 3- روش حذف فرضی در هر دو معیار سطری و ستونی عملکرد بهتری از روش سنتی دارد. همچنین خطاهای آماری معیارهای ستونی، کمتر از معیارهای سطری است. لذا مناسب ترین معیار شناسایی آمارهای برتر، معیار ستونی روش حذف فرضی، COLHYP است.