Covariance-Aware Compromise Allocation in Multivariate Stratified sampling under Nonlinear Constraints

Technische Samenvatting: Covariantie-bewuste Compromisallocatie in Multivariate Gestratificeerde Steekproeftrekking onder Nietlineaire Constraints

Probleemstelling
Bij multivariate gestratificeerde steekproeftrekking wordt het bepalen van een optimale allocatie bemoeilijkt door het feit dat een allocatie die optimaal is voor één variabele, niet noodzakelijkerwijs optimaal is voor andere variabelen. Hoewel er "compromisallocatie"-methoden zijn ontwikkeld om deze concurrerende doelstellingen te balanceren, richt de bestaande literatuur zich vaak op het balanceren van marginale varianties of het gebruik van geaggregeerde matrixfuncties (zoals de gegeneraliseerde variantie) zonder expliciet de covariantie-interacties tussen specifieke onderzoeksvariabelen binnen de doelfunctie te modelleren. Bovendien vertrouwen veel bestaande modellen op lineaire kostenveronderstellingen of falen ze in het gelijktijdig adresseren van realistische, nietlineaire operationele constraints (zoals enquête-tijd en budget) naast deze covariantiestructuren. Deze studie adresseert de kloof in de ontwikkeling van een allocatiekader dat covariantie-informatie expliciet integreert terwijl het voldoet aan nietlineaire kosten- en tijdsconstraints.

Methodologie
De auteurs formuleren het allocatieprobleem als een multi-constrained nietlineair programmeerbaar (NLP) model.

• Doelfunctie: De studie stelt een "covariantie-bewuste" doelfunctie voor die gedefinieerd is als de gewogen som van de varianties en covarianties van de gestratificeerde schatters. Specifiek is het doel het minimaliseren van $\Phi(n) = a^T \Sigma(n) a$, waarbij $a$ een vector is van kenmerkende belanggewichten en $\Sigma(n)$ de covariantie-matrix van de schatters is. Deze formulering breidt zich uit naar zowel individuele varianties als de covariantie-termen ($S_{h,jk}$) tussen kenmerken binnen strata. De functie wordt vereenvoudigd tot het minimaliseren van $\sum \frac{B_h}{n_h}$, waarbij $B_h$ de gecombineerde covariantie-gewogen multivariate variabiliteitsbijdrage van stratum $h$ vertegenwoordigt.
• Constraints: Het model incorporeert drie soorten constraints:
  1. Lineaire Kosten-constraint: $\sum c_h n_h \leq C$.
  2. Nietlineaire Tijd-constraints: Twee specifieke operationele tijdsstructuren worden onderzocht om realistische veldomstandigheden te reflecteren:
     • Kwadratisch: $t_h(n_h) = \alpha_h n_h + \beta_h n_h^2$ (vertegenwoordigt escalerende belasting zoals vermoeidheid en coördinatie-overhead).
     • Logaritmisch: $t_h(n_h) = \alpha_h n_h + b_h \ln(n_h)$ (vertegenwoordigt leereffecten en efficiëntiewinsten).
  3. Haalbaarheidsconstraints (Feasibility Constraints): $2 \leq n_h \leq N_h$.
• Optimalisatiekader: Het probleem wordt opgelost met behulp van de Karush–Kuhn–Tucker (KKT) condities. De auteurs leiden de stationariteitscondities af voor zowel kwadratische als logaritmische tijdsmodellen, wat resulteert in nietlineaire vergelijkingen die numeriek worden opgelost met behulp van de LINGO-software.
• Theoretische Analyse: De studie stelt de existentie van een optimale oplossing vast via de Weierstrass extreme waarde stelling. Er wordt bewezen dat de doelfunctie strikt convex is. Terwijl de kosten- en kwadratische tijdsconstraints een convexe haalbaarheidsregio definiëren (wat globale optimaliteit garandeert), introduceert de logaritmische tijdsconstraint niet-convexiteit, wat meerdere initialisatieprocedures vereist om lokale optima te vermijden.

Belangrijkste Bijdragen

1. Expliciete Integratie van Covariantie: In tegen tegenstelling tot voorgaande compromisallocatiemethoden die covariantiestructuren vaak reduceren tot een enkele scalar of covariantie negeren, incorporeert dit kader de covariantie-interacties tussen onderzoeksvariabelen expliciet in de doelfunctie via de $B_h$ coëfficiënten.
2. Nietlineaire Operationele Modellering: De studie gaat verder dan lineaire kostenveronderstellingen door de enquête-tijd te modelleren met zowel kwadratische als logaritmische functies, wat een realistischerere weergave biedt van veldoperaties (vermoeidheid versus leercurves).
3. Haalbaarheid-gestuurde Optimalisatie: Het kader geeft prioriteit aan operationele haalbaarheid (naleving van budget- en tijdlimieten) naast statistische precisie, en demonstreert dat allocaties die optimaal lijken onder versoepelde constraints, in de praktijk onhaalbaar kunnen zijn.

Resultaten
Een numerieke studie werd uitgevoerd met een hypothetische populatie met vijf strata en drie gecorreleerde kenmerken. De voorgestelde Covariance-Aware Allocation (CAA) modellen werden vergeleken met Proportionele Allocatie, Neyman Allocatie en een Variantie-gebaseerde Compromisallocatie (VBCA) onder een budget van 1800 eenheden en een tijdlimiet van 650 eenheden.

• Haalbaarheid: Zowel de Proportionele als de Neyman allocaties leverden lagere doelwaarde-waarden op (hogere schijnbare precisie) maar overschreden de budget-constraint (vereisten van respectievelijk 1833 en 1819 eenheden), waardoor ze onhaalbaar waren.
• Prestaties: Het voorgestelde Kwadratische CAA-model bereikte een doelwaarde van 0,0587, wat superieur was aan de haalbare VBCA (0,0594) en strikt voldeed aan het budget (1800 eenheden) terwijl het minder tijd gebruikte (549,43 eenheden) dan de limiet.
• Logaritmisch Model: Het Logaritmische CAA-model bereikte een lager totaal steekproefomvang (173) en kosten (1738,41) maar resulteerde in een hogere doelwaarde (0,0608), wat wijst op een trade-off waarbij middelenbesparing prioriteit kreeg boven maximale precisie.
• Sensitiviteitsanalyse:
  • Tijd-sensitiviteit: De precisie verbeterde naarmate de tijdlimiet toenam tot een drempelwaarde (~550 eenheden), waarna extra tijd geen verdere winst meer opleverde, wat aangeeft dat het budget de beperkende factor (binding constraint) was.
  • Budget-sensitiviteit: Precisie vertoonde een monotone verbetering naarmate het budget toenam, wat bevestigt dat financiële middelen de primaire drijfveer van precisie zijn binnen dit kader zodra een haalbaar schema is vastgesteld.

Betekenis en Claims
Het artikel claimt dat het voorgestelde kader een uitgebreidere aanpak biedt voor multivariate gestratificeerde steekproefallocatie door simultaan covariantiestructuren en realistische nietlineaire operationele constraints aan te pakken. De auteurs stellen dat hun methode allocaties oplevert die zowel statistisch efficiënt als operationeel haalbaar zijn, waarbij de "illusieve" precisie van methoden die budgetlimieten negeren wordt vermeden. De studie concludeert dat het integreren van covariantie-interacties cruciaal is voor het bepalen of de schijnbare nauwkeurigheid van een model haalbaar is in een praktische setting. Het kader wordt gepresenteerd als een instrument voor survey-ontwerpers die geconfronteerd worden met realistische middelenbeperkingen, waarbij een keuze wordt geboden tussen het maximaliseren van precisie (kwadratisch model) of het minimaliseren van de uitgave van middelen (logaritmisch model). De auteurs merken op dat toekomstig werk dit kader kan uitbreiden naar stochastische omgevingen, scenario's met non-respons en twee-fasen ontwerpen.