Cos’è l’errore di campionamento e perché è importante?
Per capire cos’è l’errore di campionamento, devi prima sapere un po ‘ di campionamento e cosa significa nella ricerca del sondaggio. (Se siete tutti clued sul campionamento già, sentitevi liberi di saltare avanti alla sezione successiva.)
Quando esegui un sondaggio, di solito sei interessato a un gruppo di persone molto più grande di quanto tu possa raggiungere., La soluzione pratica è prendere un campione rappresentativo – un gruppo che rappresenta l’intera popolazione di ricerca.
Per assicurarti che il tuo campione sia una rappresentazione equa, devi seguire alcune best practice di campionamento del sondaggio. Forse il più noto di questi è ottenere la dimensione del campione giusto. (Troppo grande e stai lavorando molto per nessun guadagno significativo; troppo piccolo e non puoi essere sicuro che il tuo campione sia rappresentativo.)
Ma c’è di più da fare campionando bene che ottenere la giusta dimensione del campione., Per questo motivo, è importante comprendere sia l’errore di campionamento che gli errori non di campionamento in modo da evitare che causino problemi nella ricerca.
Sai quanto grande dovrebbe essere il tuo campione per risultati accurati? Scoprilo nel nostro ebook gratuito.
Errori non di campionamento vs. errore di campionamento: definizioni
In modo un po ‘confuso, il termine’ errore di campionamento ‘ non significa errori che i ricercatori hanno commesso quando selezionano o lavorano con un campione., Problemi come scegliere le persone sbagliate, lasciando bias entrare l ” immagine, o non riuscendo ad anticipare che i partecipanti si auto-selezionare o non riescono a rispondere: quelli sono errori non di campionamento, e ci occuperemo molti dei peggiori trasgressori più avanti in questo articolo.
Gli errori non di campionamento possono verificarsi se si sta lavorando con un campione rappresentativo (ad esempio con un sondaggio nazionale) o facendo l’enumerazione totale (ad esempio quando si sta effettuando sondaggi sull’esperienza dei dipendenti con la propria forza lavoro.,)
Nel frattempo, errore di campionamento indica la differenza tra i valori medi del campione e la popolazione, quindi accade solo quando si lavora con campioni rappresentativi.
È interessante notare che di solito non è possibile quantificare il grado di errore di campionamento in uno studio poiché – per definizione – i dati rilevanti per l’intera popolazione non vengono misurati.
Come spiega l’OCSE, una popolazione non sarà mai perfettamente rappresentata da un campione perché la popolazione è più grande e più completa., In questo senso, l’errore di campionamento è una caratteristica del campionamento piuttosto che un errore umano e non può essere completamente evitato.
Tuttavia, l’errore di campionamento può essere assolutamente ridotto seguendo le buone pratiche – più su quello di seguito.
Errori di campionamento e non di campionamento: 5 esempi
Errore di specifica della popolazione (errore non di campionamento)
Questo errore si verifica quando il ricercatore non capisce chi dovrebbero esaminare. Ad esempio, immagina un sondaggio sul consumo di cereali per la colazione nelle famiglie. Chi esaminare?, Potrebbe essere l’intera famiglia, la persona che più spesso fa la spesa o i bambini. L’acquirente potrebbe prendere la decisione di acquisto, ma i bambini influenzano la scelta dei cereali.
Questo tipo di errore di non campionamento può essere evitato comprendendo a fondo la tua domanda di ricerca prima di iniziare a costruire un questionario o selezionare i rispondenti.
Errore del frame di esempio (errore non di campionamento)
Si verifica un errore del frame quando viene utilizzata la sottopopolazione errata per selezionare un campione. Un classico errore di frame si è verificato nelle elezioni presidenziali del 1936 tra Roosevelt e Landon., La cornice di esempio era da registrazioni di auto e elenchi telefonici. Nel 1936, molti americani non possedevano auto o telefoni, e quelli che lo facevano erano in gran parte repubblicani. I risultati prevedevano erroneamente una vittoria repubblicana.
L’errore qui risiede nel modo in cui è stato selezionato un campione. Bias è stato inconsciamente introdotto perché i ricercatori non hanno previsto che solo alcuni tipi di persone si presenterebbero nella loro lista di intervistati, e parti della popolazione di interesse sono state escluse., Un equivalente moderno potrebbe utilizzare i numeri di cellulare e quindi inavvertitamente perdere gli adulti che non possiedono un telefono cellulare, come le persone anziane o quelle con gravi difficoltà di apprendimento.
Gli errori di frame possono verificarsi anche quando i rispondenti al di fuori della popolazione di interesse sono inclusi in modo errato. Ad esempio, diciamo che un ricercatore sta facendo uno studio nazionale. Il loro elenco potrebbe essere tratto da un’area della mappa geografica che include accidentalmente un piccolo angolo di un territorio straniero – e quindi includere gli intervistati che non sono rilevanti per lo scopo dello studio.,
Errore di selezione (errore non di campionamento)
Ciò si verifica quando gli intervistati selezionano autonomamente la loro partecipazione allo studio-solo quelli che sono interessati rispondono. Può anche essere introdotto dal lato del ricercatore come errore di campionamento non casuale. Ad esempio, se un ricercatore lancia una richiesta di risposte sui social media, riceverà risposte da persone che conosce, e di quelle persone, solo gli individui più utili o affabili risponderanno.
Errore di selezione può essere controllato andando lunghezze extra per ottenere la partecipazione., Un tipico processo di indagine include l’avvio del contatto pre-indagine che richiede la cooperazione, il rilevamento effettivo e il follow-up post-indagine. Se non viene ricevuta una risposta, segue una seconda richiesta di indagine e forse interviste utilizzando modalità alternative come telefono o persona a persona.
Mancata risposta (errore non di campionamento)
Gli errori di mancata risposta si verificano quando i rispondenti sono diversi da quelli che non rispondono. Ad esempio, supponiamo che tu sia un’azienda che fa ricerche di mercato prima di lanciare un nuovo prodotto., Potresti ottenere un livello sproporzionato di partecipazione dai tuoi clienti esistenti, dal momento che sanno chi sei, e perdere l’udito da un pool più ampio di persone che non acquistano ancora da te.
Ciò può verificarsi perché il potenziale rispondente non è stato contattato o si è rifiutato di rispondere. L’entità di questo errore di mancata risposta può essere verificata attraverso indagini di follow-up utilizzando modalità alternative.
Errori di campionamento
Come descritto in precedenza, gli errori di campionamento si verificano a causa della variazione del numero o della rappresentatività del campione che risponde., Gli errori di campionamento possono essere controllati e ridotti da (1) disegni di campioni accurati, (2) campioni abbastanza grandi (controlla il nostro calcolatore di dimensioni campione online) e (3) più contatti per assicurare una risposta rappresentativa.
Assicurati di tenere d’occhio questi errori di campionamento e non di campionamento in modo da poterli evitare nella tua ricerca.