3.4 sormak için

Olasılık örnekleri ve olasılık dışı örnekleri pratikte farklı değildir; Her iki durumda da, tüm ağırlıkları ilgili.

Örnekleme araştırma anket esastır. Araştırmacılar, neredeyse kendi hedef nüfusta herkese kendi soru sormak asla. Bu bağlamda, anketler özgü değildir. Çoğu araştırma, bir ya da bu şekilde, örnekleme içerir. Bazen bu örnekleme araştırmacı tarafından açıkça yapılır; diğer zamanlarda dolaylı olur. Örneğin, onun üniversitede lisans öğrencileri üzerinde bir laboratuvar deneyi çalışan bir araştırmacı da bir örnek almıştır. Böylece, örnekleme bu kitap boyunca ortaya çıkan bir sorundur. Aslında, verinin dijital çağ kaynaklarına duymak en yaygın konulardan biri "Onlar temsilcisi değildir." biz bu bölümde göreceğimiz gibi, bu endişe daha az ciddi ve pek çok şüpheci gerçekleştirmek daha ince hem de. Aslında, "temsilde adalet" kavramı tümüyle olasılık ve olasılık dışı örnekleri hakkında düşünmek için yararlı olmadığını iddia edecektir. Bunun yerine, anahtar veri toplanmış ve tahminler yaparken o veri toplama herhangi önyargılar nasıl geri alınabilir nasıl düşünmek olduğunu.

Şu anda, temsil baskın teorik yaklaşım olasılık örnekleme olduğunu. Veri mükemmel idam edilmiş bir olasılık örnekleme yöntemi ile toplanan olduğunda, araştırmacılar hedef kitle hakkında tarafsız tahminleri yapmak için toplandı bu şekilde dayalı verileri ağırlıklarının mümkün bulunmaktadır. Ancak, mükemmel olasılık örnekleme temelde asla gerçek dünyada olur. 1) Hedef nüfus ve çerçeve nüfus ve 2 arasındaki farklar) cevapsızlık (bunlar Edebiyat Digest anket harap tam sorunlar) iki temel sorun genellikle vardır. Böylece, daha doğrusu aslında dünyada ne gerçekçi bir model olarak olasılık örnekleme düşünme yerine, şekilde fizikçiler sonsuz uzun aşağı yuvarlanan bir sürtünmesiz top düşünmek çok gibi, yararlı, soyut model olarak olasılık örnekleme düşünmek daha iyidir rampa.

Olasılık örneklemesi alternatifi olmayan olasılık örnekleme olduğunu. Olasılık ve olmayan olasılık örnekleme arasındaki temel fark olasılık nüfus herkesi örnekleme ile dahil bilinen bir olasılığa sahiptir olmasıdır. Orada olmayan olasılık örnekleme birçok çeşidi, aslında vardır, ve veri toplama bu yöntemler dijital çağda giderek daha yaygın hale gelmektedir. Fakat, olasılık dışı örnekleme sosyal bilimciler ve istatistikçiler arasında korkunç bir üne sahiptir. Nitekim, olasılık dışı örnekleme gibi Edebiyat Digest fiyasko (daha önce açıklanan) ve ( "Dewey Truman Mağlubiyet") 1948 ABD başkanlık seçimleri hakkında yanlış tahmin olarak anket araştırmacıların en dramatik arızaları, bazı ilişkili (Mosteller 1949; Bean 1950; Freedman, Pisani, and Purves 2007) .

Ancak, zaman iki nedenden dolayı olmayan olasılıklı örnekleme yeniden hakkıdır. olasılık örnekleri uygulamada yapmak için giderek daha zor hale gelmiştir Birincisi, olasılık örnekleri ve olmayan olasılık numuneler arasındaki çizgi bulanıklık. yüksek olmayan yanıt oranları (şu anda gerçek araştırmalarda olduğu gibi), katılımcılar için kapanım gerçek olasılık bilinmemektedir ve bu nedenle, olasılık örnekleri ve non-olasılık örnekleri birçok araştırmacı inandığı gibi farklı orada değil zaman. Post-tabakalaşma: Aslında, biz aşağıda göreceğimiz gibi, her iki yaklaşım temelde aynı tahmin yöntemine güveniyor. İkinci olarak, toplama ve olasılık dışı örneklerinin analizi birçok gelişmeler olmuştur. Bu yöntemler Ben o kadar onları düşünmek mantıklı düşünüyorum geçmişte sorunlara neden yöntemleri yeterince farklıdır "non-olasılık örnekleme 2.0." Nedeniyle meydana hataları olmayan olasılık yöntemleri irrasyonel bir nefret olmamalıdır uzun zaman önce.

Sonra, bu argüman daha somut hale getirmek için, ben standart olasılık örnekleme ve ağırlıklandırma (Bölüm 3.4.1) inceleyeceğiz. Anahtar fikir tahminleri yapmak nasıl etkileyecek gerekir verilerinizi toplanan nasıl. Herkesin içerme aynı olasılık yoksa, özellikle, o zaman herkes aynı ağırlığa sahip olmamalıdır. senin örnekleme demokratik değilse başka bir deyişle, ardından tahminleri demokratik olmamalıdır. ağırlıklandırma inceledikten sonra, olasılıklı olmayan örnekleme iki yaklaşım anlatacağım: Veri nasıl daha fazla kontrol yerleştirmek için çalışır gelişigüzel toplanan verilerin sorunu (Bölüm 3.4.2) ile başa çıkmak için ağırlık odaklanır biri ve bir toplanan (Bölüm 3.4.3). Ana metinde argümanlar kelime ve resimlerle aşağıda izah edilecektir; Daha matematiksel bir tedavi istiyorum okuyucular da teknik eke görmelisiniz.