---

به موازات گسترش زندگی اجتماعی و کاربرد روز افزون آمار در برنامه ریزیها، تقاضا برای تلید و انتشار اطلاعات اقتصادی و اجتماعی رشد چشمگیری داشته است. یکی از روشهای گردآوری چنین اطلاعاتی استفاده از آمارگیریهای نمونهای است. کیفیت داده های حاصل از آمارگیریها برای صاحبنظران و برنامه ریزان مهم است. در سالهای اخیر مفهوم بار پاسخگویی به عنوان یکی از مو لفه های نوظهور کیفیت داده ها بیان شده است. متاسفانه در نظام آماری ملی ایران به منظور بهبود کیفیت داده های آمارگیری هیچ اقدامی برای ارزیابی بار پاسخگویی صورت نگرفته است. ما در این مقاله روشهای موجود اندازه گیری بار پاسخگویی را معرفی کرده و فعالیت های صورت گرفته در دیگر کشورها را به منظور ارزیابی بار پاسخگویی تحمیل شده در طرحهای آمارگیری، بیان می کنیم. رهیافت معمول برای ارزیابی بار پاسخگویی، طراحی یک آمارگیری با عنوان بار پاسخگویی تحمیلی و اجرای آن همراه با آمارگیری میزبان است. به منظور نشان دادن چگونگی طراحی، اجرا و تحلیل نتیجه های این آمارگیری، نمونه ای از آن که برای اندازه گیری بار پاسخگویی تحمیلی در آمارگیری سلامت در دانشکده اقتصاد دانشگاه علامه طباطبایی اجرا شده است؛ ارایه می شود.

---

---

در اکثر آمارگیری‌ها، پرسش مشاغل و فعالیت‌ها از طریق پرسش‌های باز سوال می‌شود و کدگذاری این اطلاعات به هزاران رده به روش دستی صورت می‌گیرد که بسیار زمان‌بر و پرهزینه است. با توجه به ضروریات مدرن‌سازی نظام آماری کشورها، امروزه استفاده از روش‌های یادگیری آماری در آمار رسمی برای داده‌های اولیه و  ثانویه ضروری است. همچنین، روش‌های رده‌بندی یادگیری آماری در فرایند تولید آمار رسمی بسیار کاربرد دارد. هدف این مقاله، کدگذاری برخی فرایندهای آمارگیری‌ها با روش‌های یادگیری آماری و آشنایی مدیران در مورد امکان استفاده از روش‌های یادگیری آماری در تولید آمارهای رسمی است. دو کاربرد از روش‌های یادگیری آماری رده‌بندی شامل کدگذاری خودکار رشته فعالیت‌های اقتصادی و کدگذاری پرسش‌های باز پرسشنامه‌های مراکز آماری با چهار روش تکرار، روش ترکیبی ماشین بردار پشتیبان با ترکیب مدل‌ها در سطوح مختلف تجمیع، ترکیب روش تکرار و ماشین بردار پشتیبان و روش نزدیکترین همسایه روی داده‌های آمارگیری از کارگاه‌های صنعتی ایران انجام شده است.

---

در مدل سطح ناحیه  یا فی-هریوت که پرکاربردترین مدل در برآورد کوچک ناحیه‌ است،  معمولاً فرض می‌شود که اثرهای تصادفی خاص هر ناحیه و خطاهای نمونه‌گیری دارای توزیع نرمال هستند. اما مقدارهای خیلی بزرگ یا خیلی کوچک از مولفه‌های خطا باعث عملکرد ضعیف  برآوردهای کوچک ناحیه‌ای بر اساس روش‌های برآورد کوچک ناحیه‌ای موجود می‌شوند. برای رفع این مشکل در این مقاله  برای مولفه‌های خطا توزیع α-پایدار متقارن جایگزین توزیع نرمال می‌شود و با رهیافت بیز تجربی پارامترهای کوچک ناحیه‌‌ها برآورد می‌شوند. با استفاده از شبیه‌سازی و تحلیل داده‌های واقعی به مقایسه مدل جدید ارائه شده با  روش بیز تجربی در مدل کلاسیک بر اساس  نرمال بودن مولفه‌های خطا و روش‌های‌ استوار بر اساس رهیافت بیز تجربی پرداخته و کارایی مدل پیشنهادی در برآورد دقیق پارامترهای کوچک ناحیه‌، به خصوص وقتی مولفه‌های خطا هر دو نرمال یا هر دو دارای توزیع دم‌بلند هستند، نشان داده می‌شود.

---

---

با ظهور مِه‌داده‌ها در دو دهۀ گذشته، به منظور بهره‌برداری و استفاده از این نوع داده‌ها، نیاز به یکپارچه‌سازی پایگاه‌داده‌ها با هدف تصمیم‌گیری براساس شواهد و اطلاعات قوی‌تر، بیش از پیش احساس می‌شود. لذا آشنایی با روش‌‌شناسی اتصال رکوردی به عنوان یکی از روش‌های یکپارچه‌سازی داده‌ها و همچنین استفاده از روش‌های یادگیری ماشین برای سهولت فرآیند اتصال رکوردها ضروری است. در این مقاله، ضمن تشریح فرایند اتصال رکوردی و برخی روش‌های مرتبط با آن، با استفاده از روش‌های یادگیری ماشین، برای افزایش سرعت یکپارچه‌سازی پایگاه‌داده‌ها، کاهش هزینه و بهبود عملکرد اتصال رکوردی، دو پایگاه‌دادۀ چارچوب کارگاه‌های صنعتی مرکز آمار ایران و سازمان تامین اجتماعی به یکدیگر متصل شده‌اند. 

---

---

امروزه با دسترسی روزافزون به پایگا‎‏ه‌های دادۀ اداری و حجم بالای داده‌های ثبت‌شده در سازمان‌ها، روش‌های سنتی گردآوری و تحلیل داده‌ها به دلیل بار پاسخ‌گویی بالا کارایی لازم را ندار‏ند. بر این اساس، گذار از روش‌های گردآوری سنتی به روش‌های مدرن گردآوری و تحلیل داده‌ها با رویکرد آمارهای ثبتی‌مبنا بیش از پیش مورد توجه تحلیلگران داده‌ها قرار گرفته ‌است. در روش‌های ثبتی‌مبنا، ایجاد یک پایگاه دادۀ یکپارچه از طریق اتصال رکوردهای پایگاه‌های دادۀ دستگاه‌های مختلف ‏اهمیت ویژه‌ای دارد. ‏بسیاری از الگوریتم‌های اتصال رکوردی بر پایهٔ مدل فلگی و سانتر توسعه یافته ‌است. یکی از نقص‌های مدل فلگی-سانتر این است که به درون اطلاعات موجود در مقادیر متغیرها نفوذ نمی‌کند و مقادیر متغیرهای رشته‌ای (رایج بودن یا نادر بودن مقدار ویژگی موردنظر) در آن اهمیت ندارد. در این ‎‏مقاله به معرفی روشی ‌پرداخته می‌شود که بتواند با اصلاح وزن‌های جورسازی مدل فلگی-سانتر‏، این تفاوت‌ها را در مقادیر یک متغیر رشته‌ای در مدل فلگی-سانتر القا کند. ‏از‎‎ طرف دیگر‏، مدلی که فلگی و سانتر پیشنهاد داده‌اند و روشی که برای تعدیل وزن‌های جورسازی در اتصال فراوانی‌مبنای رکوردها معرفی می‌شود، بر اساس فرض استقلال شرطی بنا شده‌اند. در برخی مسائل اتصال رکوردی، در تطابق و عدم تطابق میان متغیرهای مشترک مورد استفاده در جورسازی، فرض استقلال شرطی برقرار نیست. یک راهکار مورد استفاده در چنین حالتی، استفاده از مدل لگ-خطی است که امکان وجود اثرات متقابل میان متغیرهای جورسازی در مدل را فراهم می‌کند. ‎‎‎
در این ‏مقاله به دو روش تعمیم مدل فلگی ‎‐‎سانتر، یکی با رویکرد اصلاح وزن‌های جورسازی و دیگری با رویکرد مدل لگ‎‌‎خطی با حضور اثرات متقابل میان متغیرهای اتصال‌دهنده در شرایطی که فرض استقلال شرطی برقرار نباشد‏، پرداخته می‌شود. روش‌های معرفی شده برای اتصال رکوردی در این مقاله، روی مجموعه‌داده‌های نیروی کار مرکز آمار ایران با استفاده از نرم‌افزار ‎R‎ پیاده‌سازی شده‌اند.