3.4.3 गैर संभावना नमूने: नमूना मिलान

नहीं सभी गैर संभावना नमूने एक ही हैं। हम सामने के छोर पर अधिक नियंत्रण जोड़ सकते हैं।

दृष्टिकोण वांग और 2012 के अमेरिकी राष्ट्रपति चुनाव के परिणाम का अनुमान किया सहयोगियों डेटा विश्लेषण के क्षेत्र में सुधार पर पूरी तरह से निर्भर करता था। यही है, वे वे सकता है के रूप में कई प्रतिक्रियाएं एकत्र की है और उसके बाद फिर से वजन करने के लिए उन्हें प्रयास किया। गैर संभावना नमूने के साथ काम करने के लिए एक पूरक रणनीति डेटा संग्रह की प्रक्रिया पर अधिक नियंत्रण के लिए है।

एक आंशिक रूप से नियंत्रित गैर संभावना नमूना लेने की प्रक्रिया का सबसे सरल उदाहरण कोटा नमूने, एक तकनीक है कि सर्वेक्षण अनुसंधान के शुरुआती दिनों में वापस चला जाता है। कोटा नमूने में, शोधकर्ताओं ने विभिन्न समूहों (जैसे, जवान, युवा महिलाओं, आदि) और लोगों की संख्या के लिए फिर सेट कोटा में जनसंख्या विभाजित प्रत्येक समूह में चयनित होने के लिए। उत्तरदाताओं एक बेतरतीब ढंग से चयन कर रहे हैं जब तक शोधकर्ता प्रत्येक समूह में अपने कोटे से मुलाकात की है। क्योंकि कोटा की, जिसके परिणामस्वरूप नमूना अधिक लक्षित जनसंख्या की तुलना में अन्यथा सही होगा की तरह दिखता है, लेकिन क्योंकि शामिल किए जाने की संभावनाओं से अनजान हैं कई शोधकर्ताओं कोटा नमूने की उलझन में हैं। वास्तव में, कोटा नमूने का एक कारण 1948 के अमेरिकी राष्ट्रपति चुनाव में 'डेवी हार ट्रूमैन "त्रुटि थी। यह नमूना लेने की प्रक्रिया पर कुछ नियंत्रण प्रदान करता है क्योंकि, हालांकि, एक कैसे कोटा नमूना एक पूरी तरह से अनियंत्रित डेटा संग्रह पर कुछ लाभ हो सकता है देख सकते हैं।

कोटा नमूना परे चल रहा है, गैर संभावना नमूना लेने की प्रक्रिया को नियंत्रित करने के लिए और अधिक आधुनिक दृष्टिकोण अब संभव हो रहे हैं। ऐसा ही एक नमूना दृष्टिकोण मिलान कहा जाता है, और यह कुछ वाणिज्यिक ऑनलाइन पैनल प्रदाताओं द्वारा प्रयोग किया जाता है। 1) आबादी का एक पूरा रजिस्टर और 2) स्वयंसेवकों की एक बड़ी पैनल: इसके सरलतम रूप में, नमूना मिलान दो डेटा स्रोतों की आवश्यकता है। यह महत्वपूर्ण है कि स्वयंसेवकों किसी भी आबादी से एक संभावना नमूने होने की जरूरत नहीं है; जोर देना पैनल में चयन के लिए कोई आवश्यकता नहीं हैं कि, मैं इसे एक गंदा पैनल फोन करता हूँ। इसके अलावा, दोनों जनसंख्या रजिस्टर और गंदे पैनल, प्रत्येक व्यक्ति के बारे में कुछ सहायक जानकारी शामिल करना चाहिए इस उदाहरण में, मैं उम्र और सेक्स पर विचार करेंगे, लेकिन यथार्थवादी स्थितियों में यह सहायक जानकारी और अधिक विस्तृत हो सकता है। नमूना मिलान की चाल है कि एक तरह के नमूने है कि संभावना के नमूने की तरह देखने का उत्पादन में एक गंदा पैनल से नमूने का चयन है।

नमूना मिलान जब एक नकली संभावना नमूने जनसंख्या रजिस्टर से लिया जाता है शुरू होता है; इस नकली नमूना लक्ष्य नमूना बन जाता है। फिर, सहायक सूचना के आधार पर, लक्ष्य नमूने में मामलों में लोगों को गंदे पैनल में एक मिलान नमूना के लिए फार्म का मिलान कर रहे हैं। उदाहरण के लिए, अगर वहाँ लक्ष्य नमूने में एक 25 वर्षीय महिला है, तो शोधकर्ता गंदा पैनल से एक 25 वर्षीय महिला पाता मिलान किया नमूना में होना है। अंत में, मिलान किया नमूना के सदस्यों उत्तरदाताओं का अंतिम सेट के उत्पादन के लिए साक्षात्कार कर रहे हैं।

हालांकि मिलान किया नमूना लक्ष्य नमूना तरह लग रहा है, यह याद रखना है कि मिलान नमूना एक संभावना नमूने नहीं है महत्वपूर्ण है। मेल खाने के नमूने ही जाना जाता सहायक जानकारी (जैसे, उम्र और लिंग) पर लक्ष्य नमूना मेल कर सकते हैं, लेकिन अपरिमेय विशेषताओं पर नहीं। उदाहरण के लिए, यदि गंदा पैनल पर लोगों को सभी गरीब के बाद हो जाते हैं, एक कारण में शामिल होने के लिए एक सर्वेक्षण पैनल पैसा तो कमा लिए मिलान नमूना उम्र और सेक्स यह अभी भी होगा के मामले में लक्ष्य नमूना तरह लग रहा है, भले ही है गरीब लोगों की ओर एक पूर्वाग्रह। सच संभावना नमूने के जादू दोनों मापा और अपरिमेय विशेषताओं पर समस्याओं (एक मुद्दा यह है कि अध्याय 2 में पर्यवेक्षणीय अध्ययन से निष्कर्ष कारण के लिए मिलान की हमारी चर्चा के साथ संगत है) बाहर शासन करने के लिए है।

अभ्यास में, नमूना मिलान सर्वेक्षण को पूरा करने के लिए उत्सुक एक बड़े और विविध पैनल के होने पर निर्भर करता है, और इस प्रकार यह मुख्य रूप से है कि कंपनियों को विकसित करने और इस तरह के एक पैनल बनाए रखने के लिए खर्च कर सकते हैं के द्वारा किया जाता है। इसके अलावा, व्यवहार में, वहाँ मिलान और गैर प्रतिक्रिया (कभी कभी मेल नहीं खाते नमूने में लोगों सर्वेक्षण में भाग लेने से मना) (लक्ष्य नमूने में किसी को पैनल पर मौजूद नहीं है के लिए कभी कभी एक अच्छा मैच) के साथ समस्या हो सकती है। इसलिए, व्यवहार में, नमूना मिलान कर रही शोधकर्ताओं ने यह भी पद के स्तरीकरण समायोजन किसी तरह का अनुमान बनाने के लिए करते हैं।

यह नमूना मिलान के बारे में उपयोगी सैद्धांतिक गारंटी प्रदान करने के लिए कठिन है, लेकिन व्यवहार में यह अच्छी तरह से प्रदर्शन कर सकते हैं। उदाहरण के लिए, स्टीफन Ansolabehere और ब्रायन Schaffner (2014) मेल, टेलीफोन, और एक इंटरनेट पैनल नमूना मिलान और बाद के स्तरीकरण समायोजन का उपयोग: तीन अलग-अलग नमूने का उपयोग और तरीकों के साक्षात्कार के बारे में 1,000 लोगों को 2010 में आयोजित की तीन समानांतर सर्वेक्षणों की तुलना में। तीन दृष्टिकोण से अनुमान काफी ऐसे वर्तमान जनसंख्या सर्वेक्षण (सीपीएस) और राष्ट्रीय स्वास्थ्य साक्षात्कार सर्वेक्षण (NHIS) के रूप में उच्च गुणवत्ता मानक के अनुमान के समान थे। अधिक विशेष रूप से, दोनों इंटरनेट और मेल सर्वेक्षणों 3 प्रतिशत अंक की एक औसत से दूर थे और फोन सर्वेक्षण बंद 4 प्रतिशत अंकों से था। इस बड़ी त्रुटियों से एक के बारे में 1,000 लोगों के नमूने से उम्मीद होती है लगभग क्या कर रहे हैं। हालांकि, इन मोड में काफी बेहतर डेटा उत्पादन में से कोई भी, दोनों इंटरनेट और फोन सर्वेक्षण (जो ले लिया दिनों या हफ्तों) काफी तेजी से मेल सर्वेक्षण (जो आठ महीने लग गए) की तुलना में क्षेत्र के लिए गए थे, और इंटरनेट सर्वेक्षण है, जो नमूना मिलान इस्तेमाल किया, अन्य दो मोड की तुलना में सस्ता था।

अंत में, सामाजिक वैज्ञानिकों और सांख्यिकीविदों भाग में, इन गैर संभावना नमूनों से अनुमान के अविश्वसनीय रूप से उलझन में हैं क्योंकि वे इस तरह के साहित्यिक डाइजेस्ट सर्वेक्षण के रूप में सर्वेक्षण अनुसंधान के कुछ शर्मनाक विफलताओं के साथ जुड़े रहे हैं। भाग में, मैं इस संदेह से: असमायोजित गैर संभावना नमूने बुरा अनुमान का उत्पादन होने की संभावना है। लेकिन, शोधकर्ताओं नमूना प्रक्रिया (जैसे, पोस्ट-स्तरीकरण) में पूर्वाग्रहों के लिए समायोजित कर सकते हैं, तो या नमूना लेने की प्रक्रिया कुछ हद तक नियंत्रण (जैसे, नमूना मिलान), वे बेहतर अनुमान है, और सबसे प्रयोजनों के लिए पर्याप्त गुणवत्ता की भी अनुमान उत्पादन कर सकते हैं। बेशक, यह बेहतर होगा पूरी तरह से मार डाला संभावना नमूना क्या करना होता है, लेकिन लगता है कि अब एक यथार्थवादी विकल्प प्रतीत होता है।

दोनों गैर संभावना नमूने और संभावना नमूने उनकी गुणवत्ता में भिन्नता है, और वर्तमान में यह संभावना है कि मामले संभावना नमूनों से सबसे अनुमान गैर संभावना नमूनों से अनुमान से कहीं अधिक भरोसेमंद हैं। लेकिन, अब भी, अच्छी तरह से आयोजित गैर संभावना नमूनों से अनुमान शायद खराब आयोजित संभावना नमूनों से अनुमान से बेहतर हैं। इसके अलावा, गैर संभावना नमूनों में काफी सस्ता है। इस प्रकार, यह है कि संभावना बनाम गैर संभावना नमूना एक लागत गुणवत्ता व्यापार बंद (चित्रा 3.6) प्रदान करता प्रतीत होता है। आगे देख रहे हैं, मुझे उम्मीद है कि अच्छी तरह से किया गैर संभावना नमूनों से अनुमान सस्ता और बेहतर हो जाएगा। इसके अलावा, लैंडलाइन टेलीफोन सर्वेक्षण और गैर प्रतिक्रिया की बढ़ती दरों में टूटने की वजह से, मुझे उम्मीद है कि संभावना नमूने अधिक महंगा हो गया और कम गुणवत्ता की जाएगी। क्योंकि इन लंबी अवधि के रुझान की, मुझे लगता है कि गैर संभावना नमूना सर्वेक्षण अनुसंधान के तीसरे दौर में तेजी से महत्वपूर्ण हो जाएगा।

चित्रा 3.6: व्यवहार और गैर संभावना नमूने में संभावना नमूना दोनों बड़े, विषम श्रेणियां हैं। सामान्य में, वहाँ गैर संभावना नमूने कम लागत पर उच्च त्रुटि होने के साथ एक लागत त्रुटि का व्यापार बंद है। हालांकि, अच्छी तरह से किया गैर संभावना नमूने खराब किया संभावना नमूने की तुलना में बेहतर अनुमान उत्पादन कर सकते हैं। भविष्य में, मुझे उम्मीद है कि गैर संभावना नमूना बेहतर और सस्ता है, जबकि संभावना नमूने बदतर और अधिक महंगा हो जाएगा मिल जाएगा।

चित्रा 3.6: व्यवहार और गैर संभावना नमूने में संभावना नमूना दोनों बड़े, विषम श्रेणियां हैं। सामान्य में, वहाँ गैर संभावना नमूने कम लागत पर उच्च त्रुटि होने के साथ एक लागत त्रुटि का व्यापार बंद है। हालांकि, अच्छी तरह से किया गैर संभावना नमूने खराब किया संभावना नमूने की तुलना में बेहतर अनुमान उत्पादन कर सकते हैं। भविष्य में, मुझे उम्मीद है कि गैर संभावना नमूना बेहतर और सस्ता है, जबकि संभावना नमूने बदतर और अधिक महंगा हो जाएगा मिल जाएगा।