Mikä on näytteenoton virhe ja miksi se on tärkeä?
ymmärtää, mitä otantavirhe on, ensin täytyy tietää hieman siitä, näytteenotto-ja mitä se tarkoittaa tutkimus. (Jos olet kaikki clued up näytteenotto jo, voit vapaasti hypätä eteenpäin seuraavaan osioon.)
kyselyä tehdessä kiinnostaa yleensä paljon isompi porukka kuin mihin yltää., Käytännön ratkaisu on ottaa edustava näyte – ryhmä, joka seisoo koko tutkimuksen perusjoukon.
varmistaaksesi, että otoksesi on oikeudenmukainen, sinun on noudatettava joitakin kyselytutkimuksen parhaita käytäntöjä. Ehkä tunnetuin näistä on näytteen koon saaminen kohdalleen. (Liian iso ja laitat paljon työtä ilman merkittävää hyötyä; liian pieni ja et voi olla varma, että näyte on edustava.)
mutta näytteenotossa on muutakin tekemistä kuin oikean näytteen koon saaminen., Tästä syystä on tärkeää ymmärtää sekä näytteenottovirheitä että ei-näytteenottovirheitä, jotta voit estää niitä aiheuttamasta ongelmia tutkimuksessasi.
tiedätkö, kuinka suuren näytteen pitäisi olla tarkkojen tulosten saamiseksi? Tutustu ilmainen ebook.
Ei-otantavirheet vs. näytteenotto virhe: määritelmät
Hieman harhaanjohtavasti termiä ’otantavirhe ei tarkoita, että virheitä tutkijat ovat tehneet valitessaan tai työskentely näyte., Ongelmia, kuten valitsemalla väärät ihmiset, kerroit bias tulla kuva, tai ei ennakoida, että osallistujat saavat itse valita tai jättää vastaamatta: nuo ovat ei-otantavirheet, ja me kattaa useita pahimmista rikoksentekijöiden myöhemmin artikkelissa.
Ei-otantavirheet voi tapahtua, onko olet työskennellyt edustava otos (kuten kansallinen tutkimus) tai tekee yhteensä luettelointi (kuten silloin, kun olet suorittaa työntekijän kokemusta tutkimusten kanssa työvoimasta.,)
Samaan aikaan, otantavirhe tarkoittaa eroa keskiarvojen otoksen ja populaation, joten se vain tapahtuu, kun olet työskennellyt edustavia näytteitä.
Mielenkiintoista, se ei ole yleensä mahdollista mitata aste näytteenotto-virhe tutkimuksessa, koska määritelmän mukaan – tarvittavat tiedot koko väestöstä ei ole mitattu.
kuten OECD selittää, populaatio ei koskaan ole täydellisesti edustettuna otoksessa, koska populaatio on suurempi ja täydellisempi., Tässä mielessä, otantavirhe on ominaisuus, näytteenotto sijaan inhimillinen virhe, eikä sitä voi täysin välttää.
näytteenottovirhettä voidaan kuitenkin ehdottomasti vähentää noudattamalla hyviä käytäntöjä-tarkemmin jäljempänä.
Näytteenotto-ja ei-otantavirheet: 5 esimerkkejä
Väestö erittely virhe (non-sampling error)
Tämä virhe ilmenee, kun tutkija ei ymmärrä, kuka niiden pitäisi tutkimus. Kuvitelkaa esimerkiksi kyselyä aamiaismurojen kulutuksesta perheissä. Ketä tutkia?, Se saattaa olla koko perhe, henkilö, joka useimmiten tekee ruokaostokset tai lasten. Shoppailija saattaa tehdä ostopäätöksen, mutta lapset vaikuttavat viljan valintaan.
tämänkaltainen ei-näytteenottovirhe voidaan välttää ymmärtämällä tutkimuskysymyksesi perusteellisesti ennen kuin alat rakentaa kyselylomaketta tai valita vastaajia.
Näyte runko virhe (non-sampling error)
runko virhe tapahtuu, kun väärä osa-väestö on tottunut valitse näyte. Klassinen kehysvirhe tapahtui vuoden 1936 presidentinvaaleissa Rooseveltin ja Landonin välillä., Mallirunko oli autojen rekisteröinneistä ja puhelinluetteloista. Vuonna 1936 monet amerikkalaiset eivät omistaneet autoja tai puhelimia, ja ne, jotka omistivat, olivat pitkälti republikaaneja. Tulokset ennustivat virheellisesti republikaanien voittoa.
virhe tässä on siinä, miten näyte on valittu. Bias on ollut alitajuisesti käyttöön, koska tutkijat eivät pysty ennakoimaan, että vain tietynlaiset ihmiset olisivat näy heidän lista vastaajista, ja osa väestöstä kiinnostusta on suljettu pois., Moderni vastine voisi olla käyttämällä matkapuhelin numerot, ja siksi vahingossa puuttuu ulos aikuisille, jotka eivät omista matkapuhelinta, kuten vanhempia ihmisiä tai niitä, joilla on vakavia oppimisvaikeuksia.
Runko virheitä voi tapahtua myös silloin, kun vastaajat ulkopuolelta väestöstä korot ovat virheellisesti mukana. Sano esimerkiksi, että tutkija tekee valtakunnallista tutkimusta. Niiden luettelo saattaa olla peräisin maantieteellisen alueen kartta, joka vahingossa sisältää pieni nurkka ulko-alueella – siis myös vastaajat, jotka eivät ole merkityksellisiä tutkimuksen laajuudesta.,
Valinta virhe (non-sampling error)
Tämä tapahtuu, kun vastaajat itse valita osallistumisestaan tutkimukseen – vain ne, jotka ovat kiinnostuneita vastata. Se voidaan tuoda tutkijan puolelta myös satunnaisotannan virheenä. Esimerkiksi, jos tutkija asettaa pois puhelun vastauksia sosiaalisessa mediassa, he aikovat saada vastauksia alkaen ihmiset, he tietävät, ja niitä ihmisiä, vain enemmän avulias tai ystävällinen yksilöt ovat vastaus.
Valintavirhettä voi säädellä menemällä ylimääräisiä pituuksia, jotta pääsee mukaan., Tyypillinen survey prosessi sisältää aloittamista pre-tutkimus ota yhteyttä pyynnön esittäneen yhteistyötä, todellinen maanmittaus, ja post-kyselyn seuranta. Jos vastausta ei saada, seuraa toinen kyselypyyntö ja ehkä haastatteluja, joissa käytetään vaihtoehtoista tilaa, kuten puhelinta tai persoonaa.
vastauskato (non-sampling error)
Ei-vastausta virheitä esiintyy, kun vastaajat ovat eri kuin ne, jotka eivät reagoi. Sano esimerkiksi, että olet yritys, joka tekee markkinatutkimusta ennen uuden tuotteen lanseerausta., Saatat saada suhteeton osallistumisen taso teidän nykyisille asiakkaille, koska he tietävät, kuka olet, ja miss ulos kuulo laajemmasta allas ihmisiä, jotka eivät vielä ostaa sinulta.
Tämä voi tapahtua, koska joko potentiaalinen vastaaja ei ottanut yhteyttä tai he kieltäytyivät vastaamasta. Vastauskyvyttömyyden laajuus voidaan tarkistaa seurantatutkimusten avulla vaihtoehtoisten toimintatilojen avulla.
Näytteenotto-virheitä
Kuten aiemmin on kuvattu, näytteenotto-virheitä esiintyy, koska vaihtelu vuonna määrä tai edustavuus otokseen, joka vastaa., Näytteenotto virheet voidaan ohjata ja pienentää (1) huolellinen näytteen malleja, (2) riittävän suuret näytteet (tutustu online-otoksen koko laskin), ja (3) useita yhteystietoja vakuuttaa edustajan vastaus.
muista tarkkailla näitä näytteenotto-ja näytteenottovirheitä, jotta voit välttää ne tutkimuksessasi.