3.4.3 sampel Non-probability: sampel cocog

Teu sakabéh sampel non-probability nu sarua. Urang bisa nambah kontrol dina ahir hareup.

Pendekatan Wang sareng kolega dipaké pikeun estimasi hasil tina pamilihan presiden US 2012 gumantung sagemblengna kana kamajuan dina analisis data. Nyéta, maranehna dikumpulkeun saloba réspon sabab bisa terus nyoba ulang beurat eta. A strategi lawanna pikeun gawé bareng non-probability sampling téh boga kontrol leuwih leuwih prosés koleksi data.

Conto pangbasajanna tina prosés sampling non-probability sawaréh dikawasa nyaéta kuota sampling, téhnik nu mana deui ka poé awal panalungtikan survey. Dina kuota sampling, panalungtik ngabagi populasi kana kelompok beda (misalna, lalaki ngora, awewe ngora, jsb) terus set kuota pikeun jumlah jalma dipilih di unggal kelompok. Responden dipilih di luhur haphazard nepi panalungtik geus papanggih kuota maranéhanana di unggal kelompok. Alatan kuota, sampel anu dihasilkeun kasampak leuwih kawas populasi target ti bakal bener disebutkeun, tapi sabab probabiliti tina citakan nu dipikanyaho loba panalungtik nu skeptis tina kuota sampling. Kanyataanna, kuota sampling ieu ngabalukarkeun tina "Dewey ngéléhkeun Truman" kasalahan dina 1948 jajal US Présidén. Sabab nyadiakeun sababaraha kontrol leuwih prosés sampling, kumaha oge, bisa ningali kumaha kuota sampling bisa boga sababaraha kaunggulan leuwih kumpulan data lengkep uncontrolled.

Pindah leuwih kuota sampling, deukeut leuwih modern ka ngadalikeun prosés sampling non-probability ayeuna mungkin. Hiji pendekatan saperti disebut sampel cocog, sarta dipaké ku sababaraha panyadia panel online komérsial. Dina bentuk anak pangbasajanna, cocog sampel merlukeun dua sumber data: 1) register lengkep populasi jeung 2) panel badag relawan. Kadé nu sukarelawan teu kudu jadi sampel probability ti populasi nu mana wae; ka ngantebkeun aya no syarat keur pamilih kana panel, Kuring gé nelepon hiji panel kotor. Oge, boh populasi register jeung panel kotor kudu di antarana sababaraha émbaran bantu ngeunaan unggal jalma, dina conto ieu, Abdi gé mertimbangkeun umur jeung sex, tapi dina kaayaan realistis informasi bantu ieu bisa jadi leuwih lengkep. Nu trik tina cocog sampel pikeun milih sampel tina panel kotor dina cara nu ngahasilkeun sampel nu kasampak kawas sampel probability.

Sampel cocog dimimitian nalika sampel probability simulated dicokot ti populasi register; sampel simulated ieu janten sampel target. Saterusna, dumasar kana informasi bantu, kasus di sampel target nu loyog ka urang dina panel kotor pikeun ngabentuk sampel loyog. Contona, lamun aya awewe kolot 25 taun dina sampel target, mangka panalungtik manggih hiji bikang heubeul 25 taun ti panel kotor jadi dina sampel loyog. Ahirna, anggota sampel loyog nu diwawancara pikeun ngahasilkeun susunan ahir responden.

Sanajan sampel loyog Sigana mah sampel target, hal anu penting pikeun inget yen sampel loyog teu sampel probability. sampel loyog ngan bisa cocog sampel target dina informasi bantu nu dipikanyaho (misalna, umur jeung sex), tapi teu dina ciri unmeasured. Contona, lamun urang dina panel kotor condong jadi poorer-sanggeus kabéh, hiji alesan pikeun ngagabung hiji panel survey pikeun earn duit-tuluy sanajan sampel loyog Sigana mah sampel target dina watesan umur jeung sex masih bakal boga a bias ka arah jalma miskin. Nu magic of sampling probability bener nyaeta aturan kaluar masalah dina dua ciri diukur jeung unmeasured (titik nu konsisten jeung sawala urang cocog pikeun inference kausal ti studi observational in Chapter 2).

Dina prakték, cocog sampel gumantung kana gaduh panel badag sarta rupa-rupa hayang pisan pikeun ngarengsekeun survey, sahingga eta utamana dilakukeun ku pausahaan nu bisa mampuh ngamekarkeun jeung miara panel saperti a. Oge, dina prakna, aya bisa masalah cocog (kadangkala nu cocok keur ka batur dina sampel target teu aya dina panel) jeung non-response (kadangkala urang dina sampel loyog nolak pikeun ilubiung dina survey). Ku alatan éta, dina praktekna, panalungtik ngalakonan sampel cocog oge ngalakukeun sababaraha jenis adjustment post-stratifikasi nyieun perkiraan.

Ieu téh teuas pikeun nyadiakeun jaminan teoritis dipake ngeunaan cocog sampel, tapi dina prakna bisa ngalakukeun ogé. Contona, Stephen Ansolabehere jeung Brian Schaffner (2014) dibandingkeun tilu survey sajajar kira-kira 1.000 urang dilakukeun dina 2010 migunakeun tilu sampling beda jeung wawancara métode: mail, telepon, jeung panel Internet ngagunakeun sampel cocog jeung adjustment post-stratifikasi. Nu perkiraan ti tilu deukeut éta cukup sarua jeung perkiraan ti tolok ukur kualitas luhur saperti Survey Wayah Populasi (rpm) jeung radian jeung Wawancara Kaséhatan National Survey (NHIS). More husus, boh Internet sareng surélékna survey éta off ku rata-rata 3 titik persentase jeung survey telepon ieu off ku 4 titik persentase. Kasalahan gede ieu kira-kira naon hiji bakal nyangka ti sampel kira-kira 1.000 urang. Sanajan, taya modeu ieu dihasilkeun data substansi leuwih alus, boh Internet sareng telepon survey (nu nyandak poé atawa minggu) éta substansi gancang ka widang ti survey mail (nu nyandak dalapan bulan), jeung survey Internet, nu dipaké sampel cocog, ieu leuwih murah batan dua modeu séjén.

Dina kacindekan, ilmuwan sosial jeung statistikawan nu incredibly skeptis tina kasimpulan ti sampel non-probability ieu, sabagian sabab patali jeung sababaraha gagal ngerakeun panalungtikan survey saperti polling Literary Digest. Dina bagian, kuring satuju jeung skepticism ieu: unadjusted sampel non-probability nu dipikaresep pikeun ngahasilkeun perkiraan goréng. Tapi, lamun panalungtik bisa nyaluyukeun pikeun biases dina prosés sampling (misalna post-stratifikasi) atawa ngadalikeun prosés sampling rada (misalna sampel cocog), maranéhanana bisa ngahasilkeun perkiraan hade, komo perkiraan kualitas cukup pikeun kalolobaan kaperluan. Tangtu, eta bakal leuwih alus pikeun ngalakukeun sampurna dieksekusi probability sampling, tapi nu teu lila mucunghul jadi pilihan realistis.

Boh sampel non-probabilitas jeung sampel probability rupa-rupa kualitas, sarta ayeuna eta dipikaresep kasus nu paling perkiraan ti sampel probability leuwih dipercaya ti perkiraan ti sampel non-probability. Tapi, komo ayeuna, perkiraan ti well-dipigawé sampel non-probability meureun leuwih hade tinimbang perkiraan ti sampel probability kirang-dipigawé. Salajengna, sampel non-probability aya substansi murah. Ku kituna, ka nembongan yen probabiliti vs non-probability sampling nawarkeun kualitas biaya dagang-off (Gambar 3,6). Ningali ka hareup, kuring ngaharepkeun nu perkiraan ti well-dipigawé sampel non-probability bakal jadi leuwih murah jeung leuwih alus. Salajengna, alatan ngarecahna di survey telepon landline jeung ongkos ngaronjatkeun non response, kuring ngaharepkeun nu sampel probability bakal jadi leuwih mahal jeung kualitas handap. Kusabab tren jangka panjang ieu, kuring mikir nu non-probability sampling bakal jadi beuki penting dina era katilu panalungtikan survey.

Gambar 3,6: Probability sampling dina praktekna jeung non-probability sampling duanana badag, kategori hétérogén. Sacara umum, aya ongkos-kasalahan dagang-off jeung non-probability sampling keur ongkos handap tapi error luhur. Tapi, well-dipigawé non-probability sampling bisa ngahasilkeun perkiraan leuwih hade tinimbang nu kirang-dipigawé sampling probability. Dina mangsa nu bakal datang, kuring ngaharepkeun nu non-probability sampling bakal meunang leuwih alus jeung murah bari probability sampling bakal meunang parah jeung leuwih mahal.

Gambar 3,6: Probability sampling dina praktekna jeung non-probability sampling duanana badag, kategori hétérogén. Sacara umum, aya ongkos-kasalahan dagang-off jeung non-probability sampling keur ongkos handap tapi error luhur. Tapi, well-dipigawé non-probability sampling bisa ngahasilkeun perkiraan leuwih hade tinimbang nu kirang-dipigawé sampling probability. Dina mangsa nu bakal datang, kuring ngaharepkeun nu non-probability sampling bakal meunang leuwih alus jeung murah bari probability sampling bakal meunang parah jeung leuwih mahal.