Je ne suis pas sûr de ce que vous entendez par «poids» dans ce contexte.

Je suppose que par "rapport de l'âge" et "l'âge et le sexe ratio"-vous dire de simples tests qui comparent les distributions d'âge et le sexe contre les distributions théoriques de ces variables et, lorsque l'hypothèse nulle est rejetée, vous notez la qualité de l'enquête . Il ya des problèmes avec cette approche:

(1) La valeur de vérité de la distribution hypothétique ... il est (par exemple) que possible (par exemple) quelque chose comme une 934: 1000 (M: F) sex-ratio ne tiendra pas pour la population. En regardant les personnes âgées (par exemple), vous pouvez trouver qu'il ya plus de femmes que d'hommes que les femmes ont tendance à vivre plus longtemps que les hommes. Autres questions qui peuvent causer des rapports sexuels bizarres inclus sélectif selon le sexe (généralement des femmes) l'infanticide, l'avortement sélectif selon le sexe, l'exposition à la pollution, et la guerre. Un ratio d'âge uniforme (par exemple) de nombre égal dans chaque âge de la bande ne peut appliquer sur une gamme étroite de l'âge (âge-bandes de 1, 2, 3, 4, et 5 années année centré pour les enfants). Un choc vécu forte mais courte peut retirer une bande de jeunes enfants d'une population et l'écart résultant apparaîtra à différents âges comme le temps passe. Si la population hypothétique a une valeur de vérité faible, alors vous pouvez avoir une "fausse découverte" dans que vous dire qu'une enquête a des problèmes de représentant une population quand il ne le fait pas. Qu'elle, l'enquête peut refléter le véritable âge et / ou de structure par sexe de la population avec le décalage étant entre le vrai et les distributions hypothétiques. Des précautions doivent être prises avec une sélection de distributions théoriques et l'interprétation des résultats.

(2) la taille des échantillons de l'enquête peuvent être grandes. Tests d'hypothèses comme une bonté du chi-carré de l'ajustement sont très fortement influencés par la taille de l'échantillon (voir ce post). De faibles écarts qui ne parviennent pas à portée de petits échantillons peuvent sembler être significative dans les grandes tailles d'échantillon. Ceci est un autre problème de fausses découvertes. Je pense que vous pouvez contourner cela en calculant tailles d'effet (par exemple somme des écarts proportionnels à partir attendus) et d'avoir une mesure quantitative ou «qualité».

(3) La conception des enquêtes peuvent être complexes. La plupart des mécanismes de contrôle ignorent conceptions complexes. Ceci est probablement pas un grand problème car les tests sont effectués sur les résultats agrégés. Je serais tenté d'utiliser un bootstrap bloqué et pondérée avec de tels échantillons.

Je ne suis pas sûr que cela répond teh question, mais il montre que le problème est pas simple.

Je pense que un score combiné serait mieux qu'un score basé sur une seule variable.

Je espère que cela est d'une certaine utilité.

Pouvez-vous donner un exemple de bien vouloir à votre question parce que je ne sais pas exactement ce que vous demandez.