Waarschijnlijkheid en probabiliteit van probabiliteit

Na het lezen van dit artikel zult u meer te weten komen over de combinaties van waarschijnlijkheids- en niet-waarschijnlijkheidssteekproeven.

Als de bemonstering in een reeks fasen wordt uitgevoerd, is het mogelijk om waarschijnlijkheids- en niet-waarschijnlijkheidsbeginselen in één bemonsteringsontwerp te combineren. Een of meer fasen van bemonstering kunnen worden uitgevoerd volgens het waarschijnlijkheidsbeginsel en de resterende fasen volgens het niet-waarschijnlijkheidsbeginsel.

Om een ​​voorbeeld te nemen, kan de onderzoeker beginnen met het selecteren van clusters met behulp van de cluster (kans) bemonsteringsstrategie, maar in de laatste fase kan hij klassen van elementen selecteren als quotastalen.

De sampler kan dus een kanssteekproef van districten in een staat selecteren; binnen elk van deze districten kan hij een waarschijnlijkheidssteekproef van ontwikkelingsblokken kiezen en tenslotte kan hij binnen elk blok quotasamples selecteren die worden gecontroleerd voor de fasen van gemeenschapsontwikkeling, dwz I, II, III, enz.

Het voordeel van een dergelijk ontwerp is dat de belangrijkste besparingen op het gebruik van quota plaatsvinden bij het verkrijgen van de specifieke gevallen voor het monster. Het is relatief minder duur om te selecteren door gebruik te maken van het waarschijnlijkheidsbeginsel, gebieden waarbinnen de laatste fase van de bemonstering zal plaatsvinden.

Er zijn aanwijzingen dat quotasamples die in geselecteerde gebieden worden genomen, meer succes hebben bij het controleren van bepaalde variabelen dan wanneer de controle over deze variabelen afhankelijk is van de beoordelingen van interviewers of waarnemers. Het combineren van waarschijnlijkheid en niet-waarschijnlijkheidsprocedures in bepaalde gevallen kan een tegenovergestelde strategie inhouden.

De onderzoeker kan een waarschijnlijkheidssteekproef nemen van elementen binnen een niet-waarschijnlijkheidssteekproef van gebieden; de gebieden worden geselecteerd als een doel- of beoordelingsmonster. De districten (in het bovenstaande voorbeeld) kunnen worden geselecteerd op grond van het feit dat deze bijzonder succesvol zijn geweest in het bereiken van de ontwikkelingsdoelen (of omgekeerd) en van elk van deze selecteert de sampler vervolgens een waarschijnlijkheidssteekproef van de ontwikkelingsblokken.

De kenmerkende districten die op doelgerichte wijze zijn geselecteerd, kunnen worden beschouwd als het definiëren van een populatie. Als een probabiliteitssteekproef volledig van toepassing is en daarom kan de mate van vertrouwen worden geschat die kan worden verondersteld dat de bevindingen van de steekproef een goede weergave zijn van de 'populatieresultaten'.

De onderzoeker kan vervolgens de gevolgtrekkingen op basis van deze beperkte subpopulatie generaliseren naar de nationale bevolking, op voorwaarde dat de typische districten nog steeds typerend zijn voor hun respectieve stadia. Zolang en voor zover deze aanname geldig is.

Laten we nu eens uitvoerig ingaan op de speciale toepassingen van niet-probabiliteitssteekproeven. Eerder werd gesuggereerd dat de grote voordelen van procedures voor het nemen van niet-waarschijnlijkheidstests gemak en economie zijn. Onderzoekers blijven methoden voor het nemen van niet-probabiliteitssteekproeven gebruiken en rechtvaardigen hun gebruik op grond van praktische ervaring, opportuniteit en faciliteiten.

Ze kunnen natuurlijk in dezelfde adem de theoretische superioriteit van de probabiliteitssampling erkennen. Veel praktische monsternemers stellen echter dat in veel gevallen de superioriteit van de kanssteekproef alleen 'op papier' of 'fictief' is. Ze wijzen erop dat veel tijd, de manier waarop de probabiliteitsbemonsteringsplannen daadwerkelijk worden geïmplementeerd, de theoretische voordelen van waarschijnlijkheidsbemonstering bijna teniet worden gedaan.

Er kunnen veel misstappen zijn bij het uitvoeren van het probabiliteitssteekproefplan. Sommige van de in de steekproef geselecteerde zaken kunnen bijvoorbeeld weigeren om geïnterviewd te worden of niet beschikbaar zijn, interviewers kunnen sommige vragen in het proces van interviewen weglaten, compromissen kunnen worden bereikt door interviewers in de plaats te stellen van andere respondenten wanneer de oorspronkelijk geselecteerde zaken zijn thuis niet te vinden, enzovoort.

De werkelijk geïnterviewde steekproef is daarom mogelijk geen waarschijnlijkheidssteekproef van het universum in de strikte zin van het woord.

Bovendien zijn er omstandigheden waarin kansberekening niet nodig of ongepast is. In verkennend onderzoek is het doel van de onderzoeker bijvoorbeeld om ideeën, nieuwe inzichten en ervaren kritische beoordelingen te verkrijgen, alleen maar om hem te helpen een onderzoeksprobleem of hypothese op te stellen.

De onderzoeker die dergelijke studies uitvoert, voert geen steekproeven uit met als doel te kunnen generaliseren naar de populaties die worden bemonsterd. Hij selecteert dus een doelgericht monster.

De respondenten worden juist geselecteerd vanwege hun speciale ervaring, blootstellingen en competentie, de marktonderzoekers zijn meestal tevreden met toevallige of doelgerichte voorbeelden, die zodanig zijn geselecteerd dat de waarschijnlijkheid van verschil tussen de elementen in het monster maximaal is.

Ze zijn misschien op zoek naar ideeën om bijvoorbeeld te worden doorgegeven aan de personen die verantwoordelijk zijn voor het adverteren van de producten in plaats van correcte schattingen van de bevolkingsspreiding over te brengen.

Soms is er geen uitweg, maar om de niet-waarschijnlijkheidssteekproeven te nemen. Als iemand bijvoorbeeld iets wil weten over de ervaringen van mensen die bijvoorbeeld Sri Lanka moeten verlaten vanwege bepaalde politieke ontwikkelingen, heeft hij geen realistische keuze dan te vertrouwen op informanten die toevallig beschikbaar zijn, hier en nu.

De keuze van de onderzoeker ligt hier natuurlijk tussen gegevens die geen statistische beoordeling van de foutenmarge toestaan, enz. En helemaal geen gegevens. Dit betekent natuurlijk niet dat men niet bezig is met de mogelijkheid van fouten; het is alleen dat hij zijn vertrouwen stelt in de interne consistentie van gegevens en in de samenhang met andere informatie die hij mogelijk heeft gekregen.

We moeten niet vergeten dat er naast het ontwerp van de steekproef veel belangrijke overwegingen in het onderzoek zijn. Het kan daarom noodzakelijk zijn om de ene tegenprestatie tegenover de andere af te wegen. Soms ligt de wijsheid in een beter en nauwkeuriger steekproefontwerp dat wordt opgegeven ten gunste van een meer gevoelige methode voor gegevensverzameling.

In dit licht moeten we begrijpen waarom het gebruik van niet-waarschijnlijkheidsmonsters in bepaalde gevallen gerechtvaardigd is. Natuurlijk is de beslissing of het beter zou zijn om meer adequate of diepgaande informatie te verzamelen op basis van een niet erg degelijk monster of minder adequate informatie op basis van een gezondere steekproef, in geen geval een eenvoudige om tot te komen.

Het is in termen van het onderzoeksdoel dat de onderzoeker een dergelijke beslissing kan nemen.

In een onderzoek naar factoren die verband houden met het gebruik van verdovende middelen door jongens in jeugdbende bendes, gebruikten Chein en Associates (1957) bijvoorbeeld een steekproef van werkers uit de sociale groep die nogal eens het vertrouwen van bendejongens hadden gewonnen.

Deze steekproef was een toevallige steekproef van groepsmedewerkers en omdat ze informatie konden geven over alleen die bendejongens met wie ze hadden gewerkt, was de steekproef van bendeleden waarover informatie kon worden verkregen ook een toevallige steekproef.

Maar gelet op de faciliteit waarmee meer betrouwbare informatie over de bende kon worden verkregen van deze groepsmedewerkers, gaven de onderzoekers de voorkeur aan een toevallig (niet-waarschijnlijkheids) monster voor de kanssteekproef van bendeleden (ervan uitgaande dat het mogelijk was om een ​​dergelijk waarschijnlijkheidsvoorbeeld te krijgen) .

Dus, in zijn wetenschappelijke wijsheid, moet de onderzoeker zorgvuldig de winsten en aansprakelijkheden van verschillende onderzoeksprocedures afwegen. Hij kan, onder bepaalde omstandigheden, het waarschijnlijkheidsbeginsel in zijn steekproefprocedure opofferen om een ​​dieper begrip te krijgen door meer gevoelige en betrouwbare instrumenten voor het beveiligen van informatie.