3.3 कुल सर्वेक्षण त्रुटि रूपरेखा

कुल सर्वेक्षण त्रुटि = प्रतिनिधित्व त्रुटिहरू + मापन त्रुटिहरू।

अनुमान गर्दछ कि नमूना सर्वेक्षणबाट आउँछ प्रायः असामान्य हुन्छ। यो एक नमूना सर्वेक्षणद्वारा उत्पन्न अनुमानको आधारमा सामान्यतया फरक फरक छ (उदाहरणार्थ, विद्यालयमा विद्यार्थीहरूको अनुमानित औसत उचाइ) र जनसंख्यामा वास्तविक मान (जस्तै, विद्यालयमा विद्यार्थीहरूको वास्तविक औसत उचाई)। कहिलेकाहीँ यी त्रुटिहरू यति सानो छन् कि तिनीहरू असाधारण छैनन्, तर कहिलेकाहीँ, दुर्भाग्यवश, तिनीहरू ठूलो र परिणाम हुन सक्छन्। बुझ्न, मापन गर्न र त्रुटिहरू कम गर्न प्रयासमा, शोधकर्ताहरूले बिस्तारै नमूना सर्वेक्षणमा उत्पन्न हुन सक्ने त्रुटिहरूको लागि एकल, अधिक अवधारणात्मक ढाँचा सिर्जना गरे: कुल सर्वेक्षण त्रुटी ढाँचा (Groves and Lyberg 2010) । यद्यपि यस ढाँचाको विकास 1 9 40 मा सुरु भयो, मलाई लाग्छ कि यसले हामीलाई डिजिटल युगमा सर्वेक्षण अनुसन्धानका लागि दुई सहायक विचारहरू प्रदान गर्दछ।

पहिलो, कुल सर्वेक्षण त्रुटी ढाँचाले दुई प्रकारका त्रुटिहरू छन् भनेर स्पष्ट गर्दछ: पूर्वाग्रहभिन्नता । लगभग, पूर्वाग्रह व्यवस्थित त्रुटि हो र भिन्नता अनियमित त्रुटि हो। अन्य शब्दहरुमा, एकै नमूना सर्वेक्षणको 1,000 प्रतिकृयाहरु लाई कल्पना गर्ने कल्पना गर्नुहोस् र त्यसपछि यी 1,000 प्रतिकृयाहरु बाट अनुमानको वितरण हेर्दै। पूर्वाग्रह यी प्रतिकृत अनुमानहरू र साँचो मूल्यको बीचमा फरक छ। भिन्नता यी अनुमानहरूको चरमता हो। अरु सबै बराबर छ, हामी पूर्वाग्रह र सानो भिन्नता संग एक प्रक्रिया चाहन्छौं। दुर्भाग्यवश, धेरै वास्तविक समस्याहरूको लागि, यस्तो no-bias, सानो-भिन्नता प्रक्रियाहरू अवस्थित छैनन्, जसले शोधकर्ताहरूले पूर्वाग्रह र भिन्नताद्वारा उत्पन्न समस्याहरूलाई कसरी सन्तुलित गर्न निर्णय गर्ने कठिन स्थितिमा राख्दछ। केही शोधकर्ताहरूलाई सहज तरिकाले निष्पक्ष प्रक्रियाहरू मनपर्छ, तर पूर्वाग्रहमा एक-मनपर्ने फोकस गल्ती हुन सक्छ। यदि लक्ष्य एक अनुमान उत्पन्न गर्न को लागी सत्य को रूप मा निकट को रूप मा संभव छ (यानी, सानो संभव त्रुटि संग), त्यसपछि तपाईं एक प्रक्रिया संग एक सानो पूर्वाग्रह र एक सानो भन्दा भिन्न भिन्नता संग राम्रो हुन सक्छ निष्पक्ष तर एक ठूलो भिन्नता छ (चित्र 3.1)। अर्को शब्दमा, कुल सर्वेक्षण त्रुटी ढाँचाले देखाउँछ कि सर्वेक्षण अनुसन्धान प्रक्रियाहरूको मूल्यांकन गर्दा तपाईले पूर्वाधार र भिन्नता दुवैलाई विचार गर्नुपर्छ।

चित्र 3.1: पूर्वाग्रह र भिन्नता। आदर्श रूप मा, शोधकर्ताओं को एक पूर्वाग्रह, कम-भिन्नता अनुमान अनुमानित प्रक्रिया हुनेछ। वास्तविकतामा, तिनीहरूले प्रायः निर्णयहरू गर्नु पर्छ जुन पूर्वाधार र भिन्नता बीच व्यापार बन्द गर्दछ। यद्यपि केही शोधकर्ताहरूलाई सहज तरिकाले निष्पक्ष प्रक्रियाहरू मनपर्छ, कहिलेकाँही एक सानो-पूर्वाग्रह, सानो-भिन्नता प्रक्रियाले अधिक सटीक अनुमानहरू उत्पादन गर्न सक्छ जुन निष्पक्ष प्रक्रियाको तुलनामा उच्च भिन्नता छ।

चित्र 3.1: पूर्वाग्रह र भिन्नता। आदर्श रूप मा, शोधकर्ताओं को एक पूर्वाग्रह, कम-भिन्नता अनुमान अनुमानित प्रक्रिया हुनेछ। वास्तविकतामा, तिनीहरूले प्रायः निर्णयहरू गर्नु पर्छ जुन पूर्वाधार र भिन्नता बीच व्यापार बन्द गर्दछ। यद्यपि केही शोधकर्ताहरूलाई सहज तरिकाले निष्पक्ष प्रक्रियाहरू मनपर्छ, कहिलेकाँही एक सानो-पूर्वाग्रह, सानो-भिन्नता प्रक्रियाले अधिक सटीक अनुमानहरू उत्पादन गर्न सक्छ जुन निष्पक्ष प्रक्रियाको तुलनामा उच्च भिन्नता छ।

कुल सर्वेक्षण त्रुटी ढाँचाबाट दोस्रो मुख्य अन्तरदृष्टि, जुन यस अध्यायको धेरै व्यवस्थित हुनेछ, यो त्रुटिको दुई स्रोतहरू छन्: तपाइँसँग कुरा गर्ने सन्दर्भमा समस्याहरू ( प्रतिनिधित्व ) र तपाईंले ती कुराकानीहरूबाट के सिक्न सम्बन्धित समस्याहरू ( माप )। उदाहरणका लागि, तपाईंले फ्रान्समा बाँच्ने वयस्कहरूको बीचमा अनलाईन गोपनीयताको बारेमा व्यवहारको अनुमान लगाउन सक्नुहुन्छ। यी अनुमानहरू बनाउन दुई फरक प्रकारको खण्ड आवश्यक छ। पहिलो, उत्तरदायीहरूले उत्तर दिएका छन्, तपाईंले अनलाइन गोपनीयता (मापको समस्या हो) को बारेमा उनीहरूको मनोवृत्तिको अनुमान लगाउनुपर्छ। दोस्रो, उत्तरदायीहरू बीचको आक्रोशित मनोवृत्तिबाट, तपाईंले जनसंख्यामा सम्पूर्ण मनोवृत्तिको आशंका गर्नु पर्छ (जुन प्रतिनिधित्वको समस्या हो)। खराब सर्वेक्षण प्रश्नहरूको साथमा सही नमूना खराब अनुमानहरू उत्पन्न हुनेछ, किनकि सही सर्वेक्षण प्रश्नहरूसँग खराब नमूना हुनेछ। अन्य शब्दहरूमा, राम्रो अनुमानहरूले माप प्रतिनिधित्वको लागि राम्रो आशय चाहिन्छ। त्यो पृष्ठभूमिलाई दिइयो, म समीक्षा गर्नेछु कि सर्वेक्षण अनुसन्धानकर्ताहरूले अतीतमा प्रतिनिधित्व र मापनको बारेमा सोचेको छ। त्यसपछि, म देखाउनेछु कि प्रतिनिधित्व र माप बारेमा कसरी विचारहरू डिजिटल-उमेर सर्वेक्षण अनुसन्धानको मार्गदर्शन गर्न सक्दछ।