3.3.1 nümayəndəliyi

Nümayəndəliyi hedef əhali üçün respondentlərin olan nəticələrin edilməsi haqqında.

Böyük əhaliyə respondentlərin olan inferring zaman baş verə bilər səhvlərin cür anlamaq üçün, bu 1936 ABŞ prezident seçki nəticəsini proqnozlaşdırmaq üçün cəhd Literary Digest saman poll nəzərdən keçirək. Bu 75-dən çox il əvvəl idi, baxmayaraq ki, bu debacle bu gün də tədqiqatçılar öyrətmək üçün əhəmiyyətli bir dərs var.

Literary Digest məşhur general-faiz jurnal idi və 1920-ci ildə başlayaraq onlar prezident seçkilərinin nəticələrini proqnozlaşdırmaq saman poll çalışan başladı. Onlar insanların çox bülletenlərinin göndərmək və sonra sadəcə qaytarılıb səs tally ki, bu proqnozlar etmək; Literary Digest qürurla aldıqlarını səs nə ". Ağırlıqlı düzəlişlər, nə də şərh" Bu prosedur düzgün qalib proqnozlaşdırılır bildirildi 1920, 1924, 1928 və 1932-ci 1936-cı ildə seçkilərin, Böyük Depressiya ortasında, ədəbi Digest adları əsasən telefon rehberler ve avtomobil qeydiyyat qeydlər gələn 10 milyon insanlara səs göndəriləcək. Burada onların metodologiyası təsvir necə:

"Otuz il təcrübəsi sürətli dəqiqliyi ilə Digest hamar davam maşın hərəkət ağır faktlar Varsayımlardan azaltmaq üçün. . . .Bu Həftə 500 qələm daha bir milyon ünvanlar dörddə bir gün daha həyata cızıqlanmış. Hər gün Nyu-Yorkda motor-ribboned Fourth Avenue yuxarıda böyük bir otaq, 400 işçi deftly məsələ kifayət qədər qırx şəhər blokları-daxil müraciət zərflərdə [sic] açmaq üçün çap bir milyon ədəd sürüşdürün. Hər saat, həzm öz Post Office yarımstansiyasının üç məhəbbətini poçt ölçü maşın möhürlənmiş və ağ oblongs möhürlənmiş; ixtisaslı poçt işçiləri mailsacks qabarıq onları takla atdı; donanma DIGEST yük onlara mail-qatarların ifadə etmək sped. . . Gələn həftə bu on milyon ilk cavab, qeyd bülletenlərin gələn gelgit başlayacaq üç yoxlanılır beş dəfə cross-gizli təsdiq və təşkil olmalıdır. son rəqəm totted və yoxlanılmış zaman keçmiş təcrübə bir meyar əgər, ölkə yüzdə 1 qırx milyon [seçici] faktiki məşhur səs bir qismini ərzində biləcəklər. "(1936 avqust 22)

ölçüsü Digest fetishization hər hansı bir "böyük data" tədqiqatçı bu gün dərhal tanınan edir. 10 milyon səs paylanacaq ki, inanılmaz 2,4 milyon səs geri ki edildi təxminən müasir siyasi sandıq 1000 dəfə böyük var. Bu 2,4 milyon respondentlərin From hökmü aydın idi: Literary Digest Challenger Alf Landon hazırkı Franklin Ruzvelt məğlub gedirdi ki proqnozlaşdırılır. Amma, əslində, tam tərsi oldu. Roosevelt göçükte Landon məğlub etdi. Necə Literary Digest qədər data ilə yanlış getmək bilər? Nümunə Bizim müasir anlayış Literary Digest səhvlər aydın və gələcəkdə oxşar səhvlər edilməsi qarşısını almaq kömək edir.

nümunə haqqında aydın düşüncələri insanların dörd müxtəlif qrupları (Şəkil 3.1) hesab tələb edir. Insanların Birinci qrup hədəf əhalisi; Bu tədqiqat maraq əhalinin müəyyən qrupudur. Literary Digest halda hədəf əhali 1936 prezident seçkiləri ilə bağlı seçici idi. hədəf əhalisi haqqında qərar sonra, bir tədqiqatçı növbəti nümunə üçün istifadə edilə bilər insanların bir siyahısını inkişaf etdirmək lazımdır. Bu siyahı bir nümunə çərçivəsində adlanır və seçmə çərçivəsində əhali çərçivəsində əhali adlanır. Literary Digest halda çərçivəsində əhali adları telefon rehberler ve avtomobil qeydiyyat qeydlərindən əsasən gələn 10 milyon nəfər olub. İdeal hədəf əhali və frame əhali eyni olardı, lakin praktikada bu belə deyil, tez-tez edir. Hədəf əhali və frame əhali arasında fərqlər əhatə səhv deyilir. Əhatə səhv özü problemləri zəmanət vermir. Lakin, frame əhalinin insanlar insanlar sistemli fərqli əgər çərçivəsində əhalinin əhatə bias olacaq. Əhatə səhv Literary Digest poll ilə böyük qüsurlar birinci oldu. Onlar seçicilərin-oldu öyrənmək istəyirdi onların hədəf əhali-, lakin onlar telefon rehberler ve avtomobil reyestrləri, mənbələrdən əsasən bir nümunə çərçivəsində inşa zəngin artıq təmsil ki, bu texnologiyaların həm də Alf Landon (geri dəstək daha çox idi amerikalılar, ümumi olan bu gün, vaxt və) ABŞ Böyük Depressiya ortasında idi ki, nisbətən yeni idi.

Nümayəndəliyi səhvlər: 3.1 Şəkil.

Frame əhalisi müəyyən sonra, növbəti addım nümunə əhalinin seçmək üçün bir tədqiqatçı üçün; Bu tədqiqatçı müsahibə üçün cəhd edəcək insanlardır. Nümunə çərçivəsində əhalinin fərqli xüsusiyyətlərə malikdir, onda biz nümunə səhv təqdim edə bilər. Bu adətən qiymətləndirmələrin müşayiət səhv margin kəmiyyət səhv növüdür. Literary Digest fiyasko halda, həqiqətən heç bir nümunə var idi Onlar çərçivəsində əhalinin hər kəs əlaqə cəhd. heç bir seçmə səhv var idi baxmayaraq, hələ də açıq-aydın səhv var idi. Bu adətən sorğular alınan təxminlərə ilə bildirilir səhvlər qaydalarından adətən misleadingly kiçik olduğunu izah edir; onlar səhv bütün mənbələrdən daxil deyil.

Nəhayət, bir tədqiqatçı nümunə əhalinin hər kəs müsahibə çalışır. Uğurla müsahibə olan insanlar respondent deyilir. İdeal nümunə əhali və respondentlərin eyni ola bilər, lakin praktikada qeyri-cavab var olardı. Bu nümunə seçilmiş insanlar iştirak etməkdən imtina edir. Cavab insanlar cavab etməyənlər fərqli, onda qeyri-cavab bias ola bilər. Qeyri-cavab bias Literary Digest poll ikinci əsas problem oldu. bir seçki aldı insanların yalnız 24% cavab və bu Landon dəstək insanlar cavab daha çox idi ki, çıxdı.

Yalnız nümayəndəliyinin fikir təqdim nümunə olan Beyond, ədəbi Digest poll rasgele seçmə təhlükələri haqqında tədqiqatçılar xəbərdarlıq, bir rəhm təkrarlanan məsəl var. Təəssüf ki, bir çox insanlar bu hekayə cəlb dərs yanlış biri olduğunu düşünürəm. hekayə ən ümumi mənəvi tədqiqatçılar (iştirakçıların seçilməsi üçün ciddi ehtimal əsasında qaydaları olmadan, yəni nümunələri) qeyri-ehtimal nümunələri bir şey öyrənmək bilməz ki. Mən sonra bu fəsildə göstərmək lazımdır kimi, ki, çox doğru deyil. Əksinə, mən bu hekayə iki əxlaq həqiqətən vardır; Onlar 1936-cı ilk olduğu kimi bu gün də doğru əxlaq, afərin toplanmış məlumatların böyük miqdarda yaxşı smeta təmin edəcək. İkincisi, tədqiqatçılar onlar bu hesablamaları edirik onların data toplanmış necə hesab lazımdır. Literary Digest poll məlumatların toplanması prosesi sistemli bir respondent qarşı əyri, çünki başqa sözlə, tədqiqatçılar daha ki çəkilər bir respondentlər daha çox kompleks qiymətləndirilməsi prosesi istifadə etmək lazımdır. Daha sonra bu fəsildə, mən belə bir ağırlığını prosedur-post-təbəqələşmə qeyri-ehtimal nümunələri ilə daha yaxşı təxminlər etmək üçün imkan ola bilər göstərmək lazımdır.