3.4.3 Ne-probablo specimenoj: specimeno trafaj

Ne ĉiuj ne-probablo specimenoj estas samaj. Ni povas aldoni pli kontrolo sur la antaŭa fino.

La alproksimiĝo Wang kaj kolegoj uzita por taksi la rezulton de la 2012 Usona prezidant-elekto dependis tute de plibonigoj en datuma analitiko. Tio estas, ili kolektis kiel multaj respondojn kiel ili povis kaj tiam provis re-pezo ilin. Pla strategio por labori kun ne-probablo specimenigo estas havi pli kontrolo super la datumoj kolekto procezo.

La plej simpla ekzemplo de parte kontrolita ne-probablo muestreo procezo estas kvoto specimenanta, tekniko kiu superas al la unuaj tempoj de enketo esplorado. En kvoto muestreo, esploristoj apartigu loĝantaro en malsamaj grupoj (ekz, junuloj, junulinoj, ktp) kaj tiam aro kvotoj por la nombro de homoj esti selektitaj en ĉiu grupo. Respondintoj estas selektitaj en hazarda maniero ĝis la esploristo renkontis sian kvoton en ĉiu grupo. Ĉar de la kotizoj, la rezultanta specimeno aspektas pli kiel la celo loĝantaro ol estus vera alie, sed ĉar la probabloj de inkludo estas nekonata multaj esploristoj estas skeptikaj de kotizo muestreo. Fakte, kvoto specimenigo estis kaŭzo de la "Dewey Defeats Truman" eraro en la 1948 Usona Prezidenta balotado. Ĉar ĝi disponigas iom da kontrolo super la muestreo procezo, tamen, oni povas vidi kiel kvoto muestreo havu iujn avantaĝojn super tute senbrida datenkolektado.

Movanta preter kvoto muestreo, pli modernaj aliroj al kontroli la ne-probablo muestreo procezo estas nun ebla. Unu tia aliro estas nomita specimeno trafa, kaj ĝi estas uzata de iuj komercaj rete panelo provizantoj. En ĝia plej simpla formo, specimenaj trafaj postulas du datumoj fontoj: 1) kompleta registro de la populo e 2) granda panelo de volontuloj. Gravas ke la volontuloj ne bezonas esti probablo specimeno de ajna loĝantaro; elstari ke ekzistas neniuj postuloj por selektado en la panelo, mi nomas ĝin malpura panelo. Ankaŭ, ambaŭ la loĝantaro registro kaj la malpuran panelo devas inkluzivi iom helpa informo pri ĉiu persono, en tiu ekzemplo, mi opinias aĝo kaj sekso, sed en realismaj situacioj tiu helpa informo povus esti multe pli detala. La lertaĵo de specimeno trafa estas selekti specimenoj el malpuraj panelo en maniero kiu produktas specimenojn kiuj aspektas kiel probablo specimenoj.

Specimeno trafaj komencas kiam simulas probablo specimeno estas prenita de la loĝantaro registro; ĉi simulita specimeno iĝas celo specimenon. Tiam, surbaze de la helpa informo, kazoj la celo specimeno estas parigitaj al personoj en la malpura panelo formi egalita provaĵo. Ekzemple, se estas 25 jara virino en la celo specimeno, tiam la investigador trovas 25 jara virino el la malpuraj panelo esti en la egalita provaĵo. Fine, anoj de la egalita provaĵo estas intervjuitaj por produkti la finan aron de respondantoj.

Kvankam la egalita provaĵo aspektas kiel la celo specimeno, estas grave memori ke la egalita provaĵo ne probablo specimeno. Egalitaj provaĵoj povas nur egali la celon specimenon sur la konata helpajn informojn (ekz, aĝo kaj sekso), sed ne sur unmeasured karakterizaĵoj. Ekzemple, se la homo sur la malpura panelo tendencas esti malriĉaj-finfine, unu kialo aliĝi enketo panelo estas gajni monon-tiam eĉ se la egalita provaĵo aspektas kiel la celo specimenon laŭ aĝo kaj sekso ĝi ankoraŭ havas a emo al malriĉuloj. La magio de vera probablo specimenigo estas por forĵeti problemojn sur ambaŭ mezuritaj kaj unmeasured karakterizaĵoj (punkto kiu estas konsekvenca kun nia diskuto de trafitaj por kaŭza inferenco de observaj studoj en Ĉapitro 2).

Praktike, specimenaj trafaj dependas havante granda kaj diversa panelo entuziasma kompletigi enketoj, kaj tiel ĝi estas ĉefe farita de entreprenoj kiuj povas permesi disvolvi kaj subteni tian panelo. Ankaŭ, en praktiko, povas ekzisti problemoj kun trafaj (kelkfoje bona matĉo por iu en la cela specimeno ne ekzistas sur la panelo) kaj ne-respondo (kelkfoje homoj en la egalita provaĵo rifuzas partopreni en la enketo). Tial, en praktiko, esploristoj faras specimenon trafa ankaŭ plenumi ian post-tavoliĝo ĝustigu fari taksojn.

Malfacilas provizi utilan teoria garantiojn pri specimeno trafaj, sed en praktiko ĝi povas rezulti bone. Ekzemple, Stephen Ansolabehere kaj Brian Schaffner (2014) komparis tri paralelaj enketoj de ĉirkaŭ 1.000 personoj farita en 2010 uzante tri malsamaj muestreo kaj intervjuanta metodoj: poŝto, telefono, kaj Interretan panelo uzante specimeno trafaj kaj post-tavoliĝo alĝustigo. La taksoj de la tri aliroj estis sufiĉe simila al taksoj de altkvalita Benchmarks kiel la Nuna Loĝantaro Survey (CPS) kaj la National Health Interview Survey (NHIS). Pli specife, ambaŭ Interreto kaj poŝto enketoj estis ekstere de mezumo de 3 procento punktoj kaj la telefona enketo estis ekstere de 4 punktoj porcentuales. Eraroj tiu granda estas proksimume kion oni atendus de specimenoj de ĉirkaŭ 1.000 personoj. Kvankam, neniu el tiuj modoj produktitaj substance bona datumoj, ambaŭ Interreto kaj telefono enketo (kiu prenis tagojn aŭ semajnojn) estis substance pli rapida al kampo ol la poŝto enketo (kiu prenis ok monatoj), kaj Interreto enketo, kiu uzis specimenon trafaj, estis pli malmultekosta ol la aliaj du modoj.

En konkludo, sociaj sciencistoj kaj statistikistoj estas nekredeble skeptika de inferencoj de tiuj ne-probablo specimenoj, en parto ĉar ili estas rilataj iu hontinda fiaskoj de enketo esploro kiel la Literary Digest balotenketo. Parte, mi konsentas kun tiu escepticismo: unadjusted ne- probablo specimenoj versxajne malbonajn taksojn. Tamen, se esploristoj povas ĝustigi por la antaŭjuĝoj en la muestreo procezo (ekz, post-tavoliĝo) aŭ kontroli la muestreo procezo iome (ekz, specimenaj trafaj), ili povas produkti pli bonajn taksojn, kaj eĉ taksoj de sufiĉa kvalito por plej celoj. Kompreneble, estus pli bone fari perfekte ekzekutita probablo muestreo, sed tio ne plu ŝajnas esti realisma eblo.

Ambaŭ ne-probablo specimenoj kaj probablo specimenoj varias en lia kvalito, kaj nuntempe ĝi estas verŝajne la kazo ke plej taksoj de probablo specimenoj estas pli fidindaj ol taksoj de ne-probablo specimenoj. Sed, eĉ nun, taksoj de bone farita ne-probablo specimenoj verŝajne pli ol taksoj de nebone-farita probablo specimenoj. Plui, ne-probablo specimenoj estas substance malkara. Tiel, ĝi similas ke probablo vs ne- probablo muestreo proponas kosto-superkvalita komerco-off (Figuro 3.6). Rigardante antaŭen, mi atendas ke taksoj de bone farita ne-probablo specimenoj fariĝos pli malmultekosta kaj pli bona. Plui, pro la rompo en landline telefonaj enketoj kaj kreskantaj impostoj de ne-respondo, mi atendas ke probablo specimenoj fariĝos pli multekostaj kaj de malalta kvalito. Pro tiuj longtempe tendencoj, mi kredas ke ne-probablo muestreo fariĝos ĉiam pli grava en la tria epoko de enketo esplorado.

Figuro 3.6: Probability specimenigo en praktiko kaj ne-probablo specimenigo estas ambaŭ granda, heterogena kategorioj. Ĝenerale, estas kosto-eraro komerco-ekstere kun ne-probablo muestreo esti malalta kosto sed alta eraro. Tamen, bone farita ne-probablo specimenigo povas produkti pli bonajn taksojn ol nebone-farita probablo muestreo. En la estonteco, mi atendas ke ne-probablo muestreo ricevos bonan kaj malkara dum probablo muestreo ricevos malbona kaj pli multekosta.

Figuro 3.6: Probability specimenigo en praktiko kaj ne-probablo specimenigo estas ambaŭ granda, heterogena kategorioj. Ĝenerale, estas kosto-eraro komerco-ekstere kun ne-probablo muestreo esti malalta kosto sed alta eraro. Tamen, bone farita ne-probablo specimenigo povas produkti pli bonajn taksojn ol nebone-farita probablo muestreo. En la estonteco, mi atendas ke ne-probablo muestreo ricevos bonan kaj malkara dum probablo muestreo ricevos malbona kaj pli multekosta.