3 Belangrijkste soorten niet-waarschijnlijkheidsbemonstering

Dit artikel werpt licht op de drie belangrijkste soorten niet-waarschijnlijkheidssteekproeven. De typen zijn: 1. Accidentele monsters 2. Quota-monsters 3. Doel- of beoordelingsmonsters.

Niet-waarschijnlijkheidssampling: Type # 1. Onbedoelde voorbeelden:

Bij toevallige bemonstering reikt de onderzoeker eenvoudig de gevallen die bij de hand liggen op en pakt deze verder, tot het moment dat het monster de gewenste grootte krijgt. De onderzoeker kan bijvoorbeeld de eerste 150 personen nemen die hij tegenkomt op een van de voetpaden van een straat, die bereid zijn om geïnterviewd te worden of om de soort informatie te geven waarnaar hij op zoek is.

Evenzo kan een welzijnsfunctionaris, die bepaalde generalisaties over de fabrieksarbeiders wil maken, de werknemers van een bepaalde afdeling in de fabriek waar hij werkt bestuderen.

Een journalist die wil weten hoe de 'mensen' over een kwestie denken, kan ervoor kiezen om zaken te interviewen die gemakkelijk verkrijgbaar zijn uit verschillende geledingen van de samenleving, bijvoorbeeld leraren, werknemers, taxichauffeurs, detailhandelaren, huisvrouwen en anderen die worden verondersteld de openbare mening te weerspiegelen. mening.

In zo'n steekproef is er natuurlijk geen andere manier om de bias te schatten (verschil tussen de gemiddelde steekproefwaarde en de werkelijke populatie waarde) behalve door een parallel onderzoek met een kanssteekproef te doen of door een volledige telling uit te voeren.

Als iemand een toevallige steekproef gebruikt, kan men alleen maar hopen en bidden dat hij niet te erg wordt misleid door zijn steekproefbevindingen die de basis vormen voor het schatten van de toestand van de 'bevolking'.

Dit betekent echter niet dat toevallige monsters geen plaats hebben in wetenschappelijk onderzoek. Dit type bemonstering kan, naast zuinig en handig zijn, ook een basis bieden voor het stimuleren van inzichten en werkhypothesen.

Waar te veel nauwkeurigheid niet nodig is of waar pre-occupatie is met voorlopige aanwijzingen voor hypothesevorming (zoals in verkennende studies), is de procedure van het per ongeluk nemen van monsters heel nuttig.

Niet-waarschijnlijkheidssampling: Type # 2. Quota-voorbeelden:

Een van de meest gebruikte methoden voor het nemen van steekproeven in marketingonderzoeken en verkiezingspolls is de methode voor het nemen van quota. Het basisdoel van quotabemonstering is de selectie van een monster dat een replica is van de 'populatie' ten opzichte waarvan men zou willen generaliseren.

Quotumbemonstering biedt over het algemeen de verzekering dat verschillende elementen in de 'populatie' in de steekproef zullen worden opgenomen en dat met deze elementen rekening zal worden gehouden in de mate waarin ze in de populatie worden verkregen.

Stel dat we samplen van een 'populatie' van meisjestudenten die het totale aantal meisjes omvat dat in co-educatieve instellingen studeert en die in alleen instellingen voor meisjes studeren. Stel dat er een scherp verschil is tussen de twee subpopulaties met betrekking tot de kenmerken die we willen meten.

Daarom zouden de resultaten van de enquête vrijwel zeker een extreem misleidend beeld geven van de totale 'bevolking', als we niet een passend deel van de meisjes die in de co-educatieve instellingen studeren betrekken.

De quotamonster die anticipeert op dergelijke mogelijke verschillen tussen subgroepen, zal proberen ervoor te zorgen dat in zijn steekproef voldoende aantallen van elk stratum worden opgenomen om een ​​betrouwbaar beeld van de totale 'populatie' te verkrijgen.

Quotabemonstering verloopt meestal in drie stappen:

(1) De populatie wordt geclassificeerd in termen van eigenschappen waarvan bekend is of wordt verondersteld dat deze relevant zijn voor de kenmerken die worden bestudeerd.

(2) Het deel van de bevolking dat in elke klasse valt, wordt bepaald op basis van de bekende, veronderstelde of geschatte samenstelling van de bevolking met betrekking tot het bovenstaande.

(3) Ten slotte krijgt elke waarnemer of interviewer een quotum van respondenten toegewezen. De verantwoordelijkheid voor het selecteren van de respondenten of onderwerpen is de hunne. De quota zijn zo vastgesteld dat het totale waargenomen of geïnterviewde monster de verhoudingen tussen de klassen weerspiegelt zoals bepaald in de vorige stap (dwz 2).

Omdat de waarnemer of interviewer het laatste woord heeft bij de selectie van de onderwerpen, hangt de selectie van items / cases af van het oordeel van de interviewer / observator. In de praktijk gebeurt het echter vaak dat de verschillende componenten van de steekproef niet in dezelfde verhouding staan ​​als de overeenkomstige lagen in de populatie.

De interviewers hebben hun instructies mogelijk niet correct en trouw gevolgd. Disproportie tussen de steekproeven en eigenschappen van de populatie is waarschijnlijker, met name ten aanzien van de minder manifeste kenmerken die niet zijn opgenomen als onderdeel van de specificaties voor interviewer / observator / quota.

Opgemerkt moet worden dat de ontoereikendheid van de steekproef tijdens de analyse kan worden gecorrigeerd door de verschillende strata te wegen in termen van hun verhoudingen in de populatie (vermenigvuldiging of verdeling van de resultaten met de juiste correctieve cijfers).

De kritische eis bij het nemen van quota is dus niet dat de verschillende lagen in de populatie in de juiste verhoudingen worden bemonsterd; het is veeleer zo dat er van elk stratum voldoende gevallen moeten zijn om een ​​schatting van de bevolkingswaarde mogelijk te maken en ten tweede dat we het aandeel van elke laag in de totale 'populatie' kennen.

Als aan deze twee voorwaarden is voldaan, kunnen de schattingen van waarden voor de verschillende strata worden gecombineerd om een ​​schatting van de totale populatie-waarde te geven.

Ondanks deze voorzorgsmaatregelen bij de selectie van het monster en de correcties die in de loop van de analyse zijn uitgevoerd, kan het nemen van monsters van quota ernstige fouten opleveren, omdat het ontegenzeglijk een toevallige bemonsteringsprocedure betreft. Een deel van het monster in een bepaalde klasse vormt een toevallige steekproef van de overeenkomstige laag van de bevolking.

Gegevens voor het vaststellen van quota zijn over het algemeen afkomstig uit eerdere censusresultaten en bepaalde hedendaagse bronnen. Wanneer er ingrijpende veranderingen plaatsvinden in de samenleving, kunnen de geschatte quota ernstig falen en misleidende resultaten opleveren.

Veel hangt af van het oordeel van de interviewer / waarnemer over bemonstering. Over het algemeen kan ervan worden uitgegaan dat de waarnemer of interviewer zijn quota opvult op een manier die het beste bij hem past. De interviewer selecteert in veel opzichten mensen die op hem lijken.

Aldus zijn de stratum-wise monsters mogelijk niet representatief voor de lagen in de populatie. De interviewer / observator is zelden zo goed geïnformeerd in vergelijking met de onderzoeker (als de twee verschillend zijn) en dus mag hij zelf monsters kiezen, hij zal waarschijnlijk twee vooroordelen introduceren, (a) van classificatie van onderwerp en (b) niet willekeurige selectie.

Het resultaat van quotabemonstering heeft vaak geen ernstige fout, maar het is uiterst moeilijk om vast te stellen of dit wel of niet het geval is. We hebben geen zekerheid dat het quotummonster binnen een bepaalde tolerantielimiet betrouwbare resultaten zal opleveren. En aangezien willekeurige steekproeven, dus het waarschijnlijkheidsbeginsel, in geen enkel stadium betrokken zijn, kunnen de fouten van de methode niet door statistische procedures worden bepaald.

Wiskundige correcties kunnen worden doorgevoerd als er disproportionele waarden zijn in steekproeven uit verschillende lagen. Maar deze stap is afhankelijk van onze voorkennis over de ware verhoudingen van lagen in de 'populatie'.

Voor bepaalde populaties kent men dit niet alleen en hier is de enige controle waar een onderzoeker gebruik van kan maken, is het bemonsteringsproces zelf. Er is inmiddels voldoende ervaring met quotabemonstering zodat de kwetsbaarheid voor bepaalde soorten vooroordelen kan worden gecontroleerd.

Niet-waarschijnlijkheidssampling: Type # 3. Doel- of beoordelingssteekproeven:

De basisveronderstelling achter beoordeling of doelgerichte bemonstering is dat met de uitoefening van gezond verstand en de juiste strategie de 'juiste' gevallen kunnen worden geselecteerd om in de steekproef te worden opgenomen en dus monsters kunnen ontwikkelen die bevredigend zijn in verhouding tot de onderzoeksbehoeften.

Een gemeenschappelijke strategie van doelgerichte steekproeven is om zaken te kiezen die worden beschouwd als typerend voor de populatie waarin men geïnteresseerd is. De selectie van elementen gaat ervan uit dat beoordelingsfouten de neiging hebben om elkaar tegen te werken.

Met andere woorden, wanneer praktische overwegingen ernstige gevaren inhouden bij de adoptie, waarschijnlijkheidsbemonstering, zoekt de onderzoeker naar een subgroep die typerend is voor de 'bevolking' als geheel (met betrekking tot een kenmerk waarvoor hij belangstelling heeft).

De subgroep is de 'barometer' van de 'populatie'. Waarnemingen zijn beperkt tot deze subgroep en conclusies uit deze waarnemingen worden gegeneraliseerd naar de totale 'populatie'. Een onderzoeker die bijvoorbeeld geïnteresseerd is in het effect van rurale elektrificatie op traditionele sociale instellingen, kan als voorbeeld een bepaald dorp kiezen waar bijvoorbeeld ongeveer een paar jaar elektrificatie plaatsvindt.

Hij maakt zijn waarnemingen in dit dorp en gelooft dat wat hier wordt verkregen ook met zeer weinig variatie in andere dorpen zal worden verkregen die ook zijn geëlektrificeerd. Er is echter geen aantoonbare basis voor zo'n overtuiging, het kan uiteindelijk slecht gefundeerd blijken te zijn.

Beoordeling of doelgerichte bemonstering is zeer precair, omdat er veel sterkere aannames moeten worden gedaan over de populatie- en bemonsteringsprocedure dan nodig zijn bij het gebruik van kanssteekproeven. Ten tweede kunnen steekproeffouten en -voorspellingen niet voor dit type monsters worden berekend, omdat de bemonsteringsprocedure in geen enkel stadium kansberekening omvat.

Gegevens die zijn beveiligd op basis van oordeels- of doelgerichte voorbeelden wijzen hoogstens op bepaalde hypothesen, maar kunnen in het algemeen niet worden gebruikt als basis voor het statistisch testen van hypotheses. Boordelingsbemonstering is dus van groot nut bij oriënterende of formulerende onderzoeken die gericht zijn op het verkrijgen van inzichten die kunnen helpen bij het stellen van problemen of bij het formuleren van hypothesen voor onderzoek.