3.4.3 অ সম্ভাব্যতা নমুনা: নমুনা ম্যাচিং

সব অ সম্ভাব্যতা নমুনা একই. আমরা সামনের প্রান্তে আরও নিয়ন্ত্রণ যোগ করতে পারেন.

পদ্ধতির ওয়াং এবং 2012 মার্কিন প্রেসিডেন্ট নির্বাচনের ফলাফল অনুমান করার জন্য ব্যবহৃত সহকর্মীদের তথ্য বিশ্লেষণ উন্নতি উপর সম্পূর্ণরূপে নির্ভরশীল. অর্থাৎ, তারা পারা হিসাবে অনেক প্রতিক্রিয়া সংগ্রহ এবং তারপর পুনরায় ওজন তাদের চেষ্টা. অ সম্ভাব্যতা স্যাম্পলিং সঙ্গে কাজ করার জন্য একটি পরিপূরক কৌশলের তথ্য সংগ্রহ প্রক্রিয়া উপর আরো বেশি নিয়ন্ত্রণ করা সম্ভব নয়.

একটি আংশিক নিয়ন্ত্রিত অ সম্ভাব্যতা স্যাম্পলিং প্রক্রিয়া সহজ উদাহরণ কোটা স্যাম্পলিং, একটি কৌশল যে জরিপ গবেষণার প্রথম দিন ফিরে যায়. কোটা স্যাম্পলিং গবেষকরা বিভিন্ন গ্রুপ (উদাঃ যুবকরা, তরুণ নারী, ইত্যাদি) এবং মানুষের সংখ্যা জন্য তারপর সেট কোটা মধ্যে জনসংখ্যা ভাগ প্রতিটি গ্রুপের সিলেক্ট করতে হবে. উত্তরদাতাদের মধ্যে একটি এলোমেলো পদ্ধতিতে নির্বাচিত না হওয়া পর্যন্ত গবেষক প্রতি গ্রুপে তাদের কোটা পূরণ করা হয়েছে. কারণ কোটা, ফলে নমুনা আরো লক্ষ্য জনসংখ্যার তুলনায় অন্যথায় সত্য হবে দেখে মনে হচ্ছে, কিন্তু কারণ অন্তর্ভুক্তির সম্ভাব্যতা অজানা অনেক গবেষক কোটা স্যাম্পলিং এর সন্দিহান. বস্তুত, কোটা স্যাম্পলিং একটি কারণ 1948 মার্কিন প্রেসিডেন্সিয়াল নির্বাচনে "ডিউই ফলে নষ্ট ট্রুম্যান" ত্রুটি ছিল. এটা স্যাম্পলিং প্রক্রিয়া উপর কিছু নিয়ন্ত্রণ প্রদান করে, কারণ, তবে, এক কিভাবে কোটা স্যাম্পলিং একটি সম্পূর্ণরূপে অবশ তথ্য সংগ্রহ উপর কিছু সুফল থাকতে পারে দেখতে পারেন.

কোটা স্যাম্পলিং পরলোক মুভিং, অ সম্ভাব্যতা স্যাম্পলিং প্রক্রিয়া নিয়ন্ত্রণ করতে আরো আধুনিক পন্থা এখন সম্ভব হয়. এই ধরনের একটি পদ্ধতির নমুনা ম্যাচিং বলা হয়, এবং এটা কিছু বাণিজ্যিক অনলাইন প্যানেল প্রদানকারীর দ্বারা ব্যবহার করা হয়. 1) জনসংখ্যার একটি সম্পূর্ণ রেজিস্টার এবং 2) স্বেচ্ছাসেবকদের একটি বৃহৎ প্যানেল: সরলতম ফর্ম, নমুনা ম্যাচিং দুই ডাটা উৎস প্রয়োজন. এটা গুরুত্বপূর্ণ যে স্বেচ্ছাসেবকদের কোন জনগোষ্ঠী থেকে একটি সম্ভাব্যতা নমুনা হতে পারে না; জোর দেওয়া প্যানেলে নির্বাচনের জন্য কোন প্রয়োজনীয়তা আছে, আমি এটা একটি মলিন প্যানেল ডাকবো. এছাড়াও, উভয় জনসংখ্যা রেজিস্টার এবং ময়লা প্যানেল, প্রতিটি ব্যক্তির সম্পর্কে কিছু অক্জিলিয়ারী তথ্য অন্তর্ভুক্ত করা আবশ্যক এই উদাহরণে, আমার বয়স ও লিঙ্গ বিবেচনা করব, কিন্তু বাস্তবসম্মত পরিস্থিতিতে এই অক্জিলিয়ারী তথ্য অনেক বেশি বিস্তৃত হতে পারে. নমুনা ম্যাচিং এর কৌতুক একটি উপায় যে নমুনা সম্ভাব্যতা নমুনাগুলির মত চেহারা উৎপন্ন একটি মলিন প্যানেল থেকে নমুনা নির্বাচন করা হয়.

নমুনা ম্যাচিং যখন একটি কৃত্রিম সম্ভাব্যতা নমুনা জনসংখ্যা রেজিস্টার থেকে নেওয়া শুরু হয়; এই কৃত্রিম নমুনা লক্ষ্য নমুনা হয়ে. তারপর, অক্জিলিয়ারী তথ্যের উপর ভিত্তি করে, লক্ষ্য নমুনা মামলা সম্প্রদায়কে মলিন প্যানেলে একটি মিলেছে নমুনা গঠন মেলানো হয়. উদাহরণস্বরূপ, যদি সেখানে লক্ষ্য নমুনা একটি 25 বছর বয়সী নারী, তারপর গবেষক মলিন প্যানেল থেকে একটি পুরাতন 25 বছর মহিলা খুঁজে বের করে মিলেছে নমুনা হতে. অবশেষে মিলেছে নমুনা সদস্যদের উত্তরদাতাদের চূড়ান্ত সেট উত্পাদন সাক্ষাত্কার হয়.

যদিও মিলেছে নমুনা লক্ষ্য নমুনা দেখে মনে হচ্ছে, এটা মনে রাখা উচিত যে মিলেছে নমুনা একটি সম্ভাব্যতা নমুনা নয় গুরুত্বপূর্ণ. মিলে যাওয়া নমুনা শুধুমাত্র পরিচিত অক্জিলিয়ারী তথ্য (যেমন, বয়স এবং লিঙ্গ) উপর লক্ষ্য নমুনা খাপ খাওয়াতে পারে, কিন্তু অপরিমিত বৈশিষ্ট্যের উপর না. উদাহরণস্বরূপ, যদি মলিন প্যানেলের মানুষ সব গরিব-পরে হতে থাকে, এক কারণ যোগদানের জন্য একটি জরিপ প্যানেল টাকা-তারপর আয় করতে মিলেছে নমুনা বয়স ও লিঙ্গ এটি এখনও থাকবে পরিপ্রেক্ষিতে লক্ষ্য নমুনা দেখে মনে হচ্ছে এমনকি যদি হয় দরিদ্র মানুষের দিকে একটি পক্ষপাত. সত্য সম্ভাব্যতা স্যাম্পলিং এর জাদু উভয় মাপা এবং অপরিমিত বৈশিষ্ট্যের উপর সমস্যা (একটি বিন্দু যে অধ্যায় 2 পর্যবেক্ষণ কেন্দ্রিক গবেষণাও থেকে কার্যকারণ অনুমান জন্য মিলে আমাদের আলোচনার সঙ্গে সামঞ্জস্যপূর্ণ) খাতা থেকে বাদ দেয়া হয়.

বাস্তবে, নমুনা ম্যাচিং সার্ভে সম্পন্ন করতে আগ্রহী একটি বড় এবং বিচিত্র প্যানেল থাকার উপর নির্ভর করে, এবং এইভাবে এটি প্রধানত কোম্পানি যে বিকাশ এবং এই ধরনের একটি প্যানেল বজায় রাখার সামর্থ দ্বারা সম্পন্ন করা হয়. এছাড়াও, অভ্যাস, সেখানে ম্যাচিং এবং অ প্রতিক্রিয়া (কখনও কখনও মিলেছে স্যাম্পলে মানুষ জরিপ অংশগ্রহণের প্রত্যাখ্যান) (লক্ষ্য স্যাম্পলে কেউ প্যানেলের অস্তিত্ব নেই জন্য কখনও কখনও একটি ভাল ম্যাচ) সঙ্গে সমস্যা হতে পারে. অতএব, অভ্যাস, নমুনা ম্যাচিং করছেন গবেষকরা পোস্ট স্তরবিন্যাস সমন্বয় কিছু অনুমান করতে সঞ্চালন.

এটা নমুনা ম্যাচিং সম্পর্কে দরকারী তাত্ত্বিক নিশ্চয়তা প্রদান করা কঠিন, কিন্তু বাস্তবে এটা ভাল সঞ্চালন করা সম্ভব. উদাহরণস্বরূপ, স্টিফেন Ansolabehere এবং ব্রায়ান Schaffner (2014) মেইল, টেলিফোন, এবং একটি ইন্টারনেট প্যানেল নমুনা ম্যাচিং এবং post- স্তরবিন্যাস সমন্বয় ব্যবহার: তিনটি ভিন্ন স্যাম্পলিং ব্যবহার ও পদ্ধতি সাক্ষাৎকার প্রায় 1,000 মানুষ 2010 সালে পরিচালিত তিনটি সমান্তরাল সার্ভে তুলনায়. তিনটি পন্থা থেকে অনুমান বেশ যেমন বর্তমান জনসংখ্যা সার্ভে (সিপিএস) এবং জাতীয় স্বাস্থ্য সাক্ষাৎকার সার্ভে (NHIS) হিসাবে উচ্চ মানের benchmarks থেকে অনুমান অনুরূপ ছিল. আরো নির্দিষ্টভাবে, উভয় ইন্টারনেট এবং ইমেইল সার্ভে 3 শতাংশ গড়ে দ্বারা বন্ধ ছিল এবং ফোন জরিপ বন্ধ 4 শতাংশ ছিল. এই বৃহৎ ত্রুটি এক প্রায় 1,000 জনের নমুনা থেকে আশা প্রায় কি হয়. যদিও, এই মোড যথেষ্ট ভাল তথ্য উত্পাদিত কেউই, উভয় ইন্টারনেট এবং ফোন জরিপ (যা নিয়ে দিন বা সপ্তাহ) যথেষ্ট দ্রুততর মেইল ​​জরিপ (যা আট মাস সময় নেয়) চেয়ে ক্ষেত্র ছিল, এবং ইন্টারনেট জরিপ, যা নমুনা ম্যাচিং ব্যবহৃত, অন্য দুটি মোড তুলনায় সস্তা ছিল.

উপসংহার ইন, সমাজবিজ্ঞানী ও পরিসংখ্যানবিদ অংশে, এই অ সম্ভাব্যতা নমুনা থেকে সারবস্তু অবিশ্বাস্যভাবে সন্দেহপ্রবণ কারণ তারা যেমন লিটারারি ডাইজেস্ট পোলের হিসাবে জরিপ গবেষণার কিছু বিব্রতকর ব্যর্থতার সাথে সংযুক্ত করা হয়. অংশ, আমি এই সংশয়বাদ সঙ্গে একমত: অনিয়ন্ত্রিত অ সম্ভাব্যতা নমুনা খারাপ অনুমান উত্পাদন করার সম্ভাবনা বেশি. তবে, গবেষকরা স্যাম্পলিং প্রক্রিয়া (যেমন, পোস্ট স্তরবিন্যাস) মধ্যে গোঁড়ামির জন্য নিয়ন্ত্রন করতে পারেন যদি বা স্যাম্পলিং প্রক্রিয়া কিছুটা নিয়ন্ত্রণ (যেমন, নমুনা ম্যাচিং), তারা ভাল অনুমান, এবং সবচেয়ে উদ্দেশ্যের জন্য যথেষ্ট মানের এমনকি অনুমান উত্পাদন করতে পারে. অবশ্যই, এটা ভালো হতে পুরোপুরি মৃত্যুদন্ড সম্ভাব্যতা স্যাম্পলিং করতে হবে, কিন্তু যে আর একটি বাস্তবসম্মত বিকল্প উপস্থিত হতে পারে.

উভয় অ সম্ভাব্যতা নমুনা এবং সম্ভাব্যতা নমুনা তাদের মানের তারতম্য, এবং বর্তমানে এটি সম্ভবত ক্ষেত্রে যে সম্ভাব্যতা নমুনা থেকে অধিকাংশ অনুমান অ সম্ভাব্যতা নমুনা থেকে অনুমান চেয়ে বেশি বিশ্বস্ত হয়. কিন্তু, এমনকি এখন, সত্স্বভাব অ সম্ভাব্যতা নমুনা থেকে অনুমান সম্ভবত দুর্বল-পরিচালিত সম্ভাব্যতা নমুনা থেকে অনুমান সবকিছুর চেয়ে উত্তম. উপরন্তু, অ সম্ভাব্যতা নমুনা যথেষ্ট সস্তা. সুতরাং, এটা যে সম্ভাব্যতা বনাম অ সম্ভাব্যতা স্যাম্পলিং একটি খরচ মানের ট্রেড বন্ধ (চিত্র 3.6) উপলব্ধ করা হয় বলে মনে হচ্ছে. উন্মুখ, আমি আশা করব, সুকৃত অ সম্ভাব্যতা নমুনা থেকে অনুমান সস্তা এবং ভাল হয়ে যাবে. উপরন্তু, ল্যান্ডলাইন টেলিফোন সার্ভে এবং অ প্রতিক্রিয়া ক্রমবর্ধমান হারে ভাঙনের কারণ, আমি আশা করব, সম্ভাব্যতা নমুনা আরো ব্যয়বহুল হয়ে এবং নিম্ন মানের হবে. কারণ এই দীর্ঘমেয়াদী প্রবণতা, আমি মনে করি যে অ সম্ভাব্যতা স্যাম্পলিং জরিপ গবেষণার তৃতীয় যুগে ক্রমবর্ধমান গুরুত্বপূর্ণ হয়ে উঠবে.

চিত্র 3.6: অনুশীলন এবং অ সম্ভাব্যতা স্যাম্পলিং মধ্যে সম্ভাব্যতা স্যাম্পলিং উভয় বড়, ভিন্নধর্মী আরও আছে. সাধারণভাবে, সেখানে অ সম্ভাব্যতা স্যাম্পলিং কম খরচে কিন্তু উচ্চতর ত্রুটি হচ্ছে সঙ্গে একটি খরচ ত্রুটি ট্রেড বন্ধ হল. যাইহোক, সুকৃত অ সম্ভাব্যতা স্যাম্পলিং দুর্বল পাচিত সম্ভাব্যতা স্যাম্পলিং চেয়ে ভাল অনুমান উত্পাদন করতে পারে. ভবিষ্যতে, আমি আশা করি, অ সম্ভাব্যতা স্যাম্পলিং ভালো এবং সস্তা যখন সম্ভাব্যতা স্যাম্পলিং খারাপ এবং আরো ব্যয়বহুল পাবেন পাবেন.