3.4 نحوه پرسش

نمونه احتمال و نمونه های غیر احتمال است که در عمل متفاوت است. در هر دو مورد، همه چیز در مورد وزن.

نمونه اساسی به بررسی پژوهش است. محققان تقریبا هرگز سوالات خود را به هر کس که در جامعه هدف خود را بپرسید. در این راستا، بررسی منحصر به فرد نیست. بسیاری از تحقیقات، در یک راه یا دیگری، شامل نمونه. گاهی اوقات این روش به صراحت توسط محقق انجام می شود. بار دیگر آن را به طور ضمنی اتفاق می افتد. به عنوان مثال، یک محقق که یک آزمایش آزمایشگاهی در دانشجویان مقطع کارشناسی در دانشگاه او اجرا می شود نیز یک نمونه گرفته شده. بنابراین، نمونه یک مشکل که می آید تا در سراسر این کتاب است. در واقع، یکی از نگرانی های مشترک است که من در مورد منابع عصر دیجیتال داده شنیدن است "آنها نماینده است." همانطور که ما در این بخش مشاهده کنید، این نگرانی هر دو جدی کمتر و ظریف تر از بسیاری از شکاکان متوجه است. در واقع، من استدلال می کنند که کل مفهوم "نمایندگی" برای فکر کردن در مورد نمونه احتمال و غیر احتمال مفید نیست. در عوض، مهم این است که در مورد چگونگی جمع آوری اطلاعات و چگونه هر تعصبات در آن مجموعه داده ها می تواند در هنگام ساخت برآورد قابل بازگشت است.

در حال حاضر، رویکرد نظری غالب به نمایندگی نمونه احتمال است. وقتی که داده ها با استفاده از روش نمونه گیری احتمال دارد که کاملا اجرا شده است جمع آوری شده، محققان قادر به وزن داده خود را بر اساس راه است که آنها را برآورد بی طرفانه در مورد جامعه هدف جمع آوری شد. با این حال، نمونه احتمال مناسب اساسا هرگز در دنیای واقعی اتفاق می افتد. معمولا دو مشکل اصلی 1) تفاوت بین جمعیت هدف و جمعیت قاب و 2) عدم پاسخ (این دقیقا مشکلاتی که غرق نظرسنجی ادبی هضم) وجود دارد. بنابراین، به جای فکر کردن به روش نمونه گیری به عنوان احتمال یک مدل واقعی از آنچه در واقع در جهان اتفاق می افتد، بهتر است به نمونه گیری احتمال فکر می کنم به عنوان یک مدل انتزاعی مفید، بسیار شبیه به راه فیزیکدانان در مورد یک توپ اصطکاک فکر می کنم آلیاژها پایین بی نهایت طولانی سطح شیب دار.

جایگزینی برای نمونه احتمال نمونه گیری غیر احتمالی است. تفاوت اصلی بین احتمال و نمونه برداری غیر احتمال این است که با احتمال نمونه برداری هر کس در جمعیت احتمال شناخته شمول است. وجود دارد، در واقع، بسیاری از گونه های نمونه گیری غیر احتمالی، و این روش جمع آوری داده ها در عصر دیجیتال به طور فزاینده ای رایج است. اما، نمونه برداری غیر احتمال است که شهرت وحشتناک در میان دانشمندان اجتماعی و آمار. در واقع، روش غیرتصادفی است با برخی از شکست دراماتیک ترین محققان بررسی، مانند شکست ادبی هضم (قبلا بحث) و پیش بینی نادرست در مورد انتخابات ریاست جمهوری آمریکا در سال 1948 ( "دیویی شکست ترومن") همراه (Mosteller 1949; Bean 1950; Freedman, Pisani, and Purves 2007) .

با این حال، در زمان مناسب به تجدید روش غیرتصادفی به دو دلیل است. اول، به عنوان نمونه احتمال به طور فزاینده ای دشوار را به انجام در عمل، خط بین نمونه احتمال و نمونه های غیر احتمال مبهم است. زمانی که نرخ بالای عدم پاسخ (به عنوان در نظر سنجی واقعی در حال حاضر وجود دارد)، احتمال واقعی اجزاء برای پاسخ دهندگان در دست نیست، و در نتیجه، نمونه احتمال و نمونه های غیر احتمال وجود دارد نه به عنوان های مختلف به عنوان بسیاری از محققان بر این باورند. پس از طبقه بندی: در واقع، همانطور که در زیر خواهید دید، هر دو روش اساسا در روش برآورد همان تکیه می کنند. دوم، پیشرفتهای بسیاری در جمع آوری و تجزیه و تحلیل نمونه غیر احتمال بوده است. این روش به اندازه کافی متفاوت از روش های است که باعث مشکلات در گذشته که من فکر می کنم آن را حس می کند به آنها فکر می کنم به عنوان "روش غیرتصادفی 2.0." ما باید گریزی غیر منطقی به روش غیر احتمالی به دلیل اشتباهات که اتفاق افتاده ندارد مدت ها پیش.

در مرحله بعد، به منظور ایجاد این بحث بیشتر در بتن، من نمونه احتمال استاندارد و وزن (بخش 3.4.1) را بررسی کند. ایده اصلی این است که چگونه می توانید جمع آوری داده های خود را باید تاثیر چگونه شما را تخمین می زند. به طور خاص، اگر همه می کند به همان احتمال گنجاندن نیست، پس هر کس باید همان وزن ندارد. به عبارت دیگر، اگر نمونه برداری خود را دموکراتیک نیست، پس برآورد خود را نباید دموکراتیک است. پس از بررسی وزن، من دو روش برای نمونه غیر احتمال توصیف: که در وزن به مقابله با این مشکل از داده های جمع آوری شده اتفاقی (بخش 3.4.2) تمرکز دارد، و یکی که تلاش می کند به جای کنترل بیشتری روی نحوه داده است جمع آوری (بخش 3.4.3). مباحث مطرح شده در متن اصلی خواهد شد در زیر با کلمات و تصاویر توضیح داد. خوانندگان که درمان ریاضی بیشتر دوست نیز باید آپاندیس فنی را ببینید.