Bemonsteringsfouten en niet-bemonsteringsfouten (en hoe ze te minimaliseren)

Bemonsteringsfouten en niet-bemonsteringsfouten (en hoe ze te minimaliseren)

Wat is bemonsteringsfouten en waarom maakt het uit?

om te begrijpen wat sampling fout is, moet u eerst iets weten over sampling en wat het betekent in survey-onderzoek. (Als je al bent clued up op sampling al, voel je vrij om verder te gaan naar de volgende sectie.)

wanneer u een enquête uitvoert, bent u meestal geïnteresseerd in een veel grotere groep mensen dan u kunt bereiken., De praktische oplossing is om een representatieve steekproef te nemen – een groep die de gehele onderzoekspopulatie vertegenwoordigt.

om er zeker van te zijn dat uw steekproef een eerlijke weergave is, moet u een aantal best practices voor steekproeven volgen. Misschien wel de meest bekende van deze is het krijgen van uw steekproef grootte goed. (Te groot en je zet in veel werk voor geen betekenisvolle winst; te klein en je kunt niet zeker zijn dat uw monster representatief is.)

maar er is meer aan het goed doen van steekproeven dan alleen de juiste steekproefgrootte te krijgen., Om deze reden, is het belangrijk om zowel sampling fout en niet-sampling fouten te begrijpen, zodat u kunt voorkomen dat ze problemen veroorzaken in uw onderzoek.

weet u hoe groot uw monster moet zijn voor nauwkeurige resultaten? Ontdek het in ons gratis e-boek.

Non-sampling error vs.sampling error: definities

enigszins verwarrend betekent de term ‘sampling error’ niet dat onderzoekers fouten hebben gemaakt bij het selecteren of werken met een monster., Problemen zoals het kiezen van de verkeerde mensen, laat vooringenomenheid in het beeld, of niet te anticiperen dat de deelnemers zelf selecteren of niet te reageren: dat zijn niet-sampling fouten, en we zullen een aantal van de ergste overtreders later in het artikel te behandelen.

niet-samplingfouten kunnen voorkomen of u nu werkt met een representatieve steekproef (zoals met een nationale enquête) of totale opsomming doet (zoals wanneer u enquêtes voor werknemers uitvoert met uw personeel.,)

ondertussen betekent bemonsteringsfout het verschil tussen de gemiddelde waarden van de steekproef en de populatie, dus het gebeurt alleen wanneer u met representatieve steekproeven werkt.

interessant is dat het meestal niet mogelijk is om de mate van bemonsteringsfout in een studie te kwantificeren, omdat – per definitie – de relevante gegevens voor de gehele populatie niet worden gemeten.

zoals de OESO uitlegt, zal een populatie nooit perfect worden vertegenwoordigd door een steekproef omdat de populatie groter en vollediger is., In deze zin, bemonstering fout is een kenmerk van bemonstering in plaats van een menselijke fout, en het kan niet volledig worden vermeden.

echter, steekproeffout kan absoluut worden verminderd door het volgen van goede praktijken – meer hierover hieronder.

bemonsterings-en niet-bemonsteringsfouten: 5 voorbeelden

Populatiespecificatiefout (niet-bemonsteringsfout)

Deze fout treedt op wanneer de onderzoeker niet begrijpt wie hij moet onderzoeken. Stel je bijvoorbeeld een enquête voor over de consumptie van ontbijtgranen in gezinnen. Wie te onderzoeken?, Het kan het hele gezin zijn, de persoon die het vaakst boodschappen doet, of de kinderen. De shopper kan de aankoopbeslissing nemen, maar de kinderen beïnvloeden de graankeuze.

Dit soort niet-steekproeffout kan worden vermeden door uw onderzoeksvraag grondig te begrijpen voordat u begint met het opstellen van een vragenlijst of het selecteren van respondenten.

Framefout (niet-samplingfout)

een framefout treedt op wanneer de verkeerde subpopulatie wordt gebruikt om een monster te selecteren. Een klassieke frame fout deed zich voor in de presidentsverkiezingen van 1936 tussen Roosevelt en Landon., Het voorbeeld frame was van auto registraties en telefoongidsen. In 1936 hadden veel Amerikanen geen auto ‘ s of telefoons, en degenen die dat wel deden waren grotendeels Republikeinen. De resultaten voorspelden ten onrechte een Republikeinse overwinning.

de fout hier ligt in de manier waarop een sample is geselecteerd. Bias is onbewust ingevoerd omdat de onderzoekers niet verwacht dat alleen bepaalde soorten mensen zouden verschijnen in hun lijst van respondenten, en delen van de populatie van belang zijn uitgesloten., Een modern equivalent zou kunnen worden met behulp van mobiele telefoonnummers, en dus per ongeluk missen op volwassenen die geen eigenaar zijn van een mobiele telefoon, zoals oudere mensen of mensen met een ernstige leerstoornis.

Framefouten kunnen ook optreden wanneer respondenten van buiten de populatie van belang onjuist worden opgenomen. Stel bijvoorbeeld dat een onderzoeker een nationaal onderzoek doet. Hun lijst kan worden getrokken uit een geografisch kaartgebied dat per ongeluk een klein hoekje van een buitenlands grondgebied bevat – en dus ook respondenten bevatten die niet relevant zijn voor de reikwijdte van de studie.,

Selectiefout (niet-steekproeffout)

Dit gebeurt wanneer respondenten zelf hun deelname aan het onderzoek selecteren – alleen de geïnteresseerden reageren. Het kan ook worden geïntroduceerd van de kant van de onderzoeker als een niet-willekeurige steekproeffout. Als een onderzoeker bijvoorbeeld een oproep doet voor reacties op sociale media, krijgen ze reacties van mensen die ze kennen, en van die mensen zullen alleen de meer behulpzame of minzame personen antwoorden.

selectie fout kan worden gecontroleerd door extra lengtes te gaan om deelname te krijgen., Een typisch enquãateproces omvat het initiëren van contact voorafgaand aan enquãate om samenwerking te vragen, het daadwerkelijk onderzoeken en follow-up na de enquête. Als een antwoord niet wordt ontvangen, volgt een tweede enquêteverzoek, en misschien interviews met behulp van alternatieve modi zoals telefoon of persoon-tot-persoon.

Non-response (non-sampling error)

Non-response error treedt op wanneer respondenten anders zijn dan degenen die niet reageren. Stel bijvoorbeeld dat je een bedrijf bent dat marktonderzoek doet voorafgaand aan de lancering van een nieuw product., Je zou kunnen krijgen een onevenredig niveau van deelname van uw bestaande klanten, omdat ze weten wie je bent, en missen op het horen van een bredere pool van mensen die nog niet kopen van u.

Dit kan gebeuren omdat er geen contact is opgenomen met de potentiële respondent of omdat deze weigerde te reageren. De omvang van deze non-response fout kan worden gecontroleerd door middel van follow-up enquãates met behulp van alternatieve modi.

Bemonsteringsfouten

zoals eerder beschreven, komen bemonsteringsfouten voor als gevolg van variatie in het aantal of de representativiteit van het monster dat reageert., Bemonsteringsfouten kunnen worden gecontroleerd en verminderd door (1) zorgvuldige monsterontwerpen, (2) groot genoeg monsters (Bekijk onze online steekproefgrootte calculator), en (3) meerdere contacten om een representatieve respons te verzekeren.

let goed op deze fouten bij bemonstering en niet-bemonstering, zodat u ze in uw onderzoek kunt vermijden.

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *