3.4.3 Non-Probabilitéit Echantillon: Prouf passende

Net all Net-Probabilitéit Echantillon sinn d'selwecht. Mir kënne méi Kontroll op der viischter Schluss derbäi.

D'Approche Wang an Kollegen benotzt d'Resultat vun der 2012 US Presidentschaftswalen Devis Ofhängegkeet op Verbesserungen an Daten Analyse. Dat ass, fänke se wéi vill Äntwerte wéi se kéint an da probéiert hinnen ze weise-Gewiicht. A ergänzen Strategie fir mat Net-Probabilitéit probéieren schaffen ass fir méi Kontroll iwwer d'Donnéeën Kollektioun Prozess hunn.

Déi einfach Beispill vun engem deelweis kontrolléiert Net-Probabilitéit probéieren Prozess ass eropschrauwen probéieren, eng Technik, déi erëm ze fréi Deeg vum Ëmfro Fuerschung geet. An eropschrauwen probéieren, Fuerscher Gruef der Populatioun an verschidden Gruppen (zB, jonk Männer, jonk Fraen, etc) an dann setzen Quoten fir d'Zuel vun de Leit an all Grupp ausgewielt ginn. Interviewten zu enger aner Manéier ausgewielt bis d'Fuerscher hir Kontingent vun all Grupp kennegeléiert huet. Well vun de Quoten, gesäit d'Konsequenz Prouf méi wéi d'Populatioun Zil- wéi soss wouer wier, mä well déi Wahrscheinlechkeeten vun Inclusioun sinn onbekannt si vill Fuerscher vun eropschrauwen probéieren skeptesch. An Tatsaach, war eropschrauwen probéieren eng Ursaach vun der "Dewey Néierlage Truman" Fehler an der 1948 US Presidential Emfroen. Well et eng Kontroll iwwer de spezielle Prozess gëtt, awer, kann ee gesinn, wéi eropschrauwen probéieren verschidde Virdeeler iwwer e komplett onkontrolléiert Donnéeën Kollektioun hunn kéinten.

Komme mir doriwwer eropschrauwen probéieren, méi modern Approche ze kontroléieren d'Net-Probabilitéit probéieren Prozess sinn elo méiglech. Een esou Approche ass Prouf passende genannt, an et ass duerch eng kommerziell online Rot Fournisseuren benotzt. An hirem einfach Form, verlaangt Prouf passende zwee Datequellen: 1) e komplette Register vun der Populatioun an 2) eng grouss Rot vu Fräiwëlleger. Et ass wichteg, datt de Fräiwëllege brauchen do net eng Wahrscheinlechkeet kennt aus all Populatioun ze ginn; ze betounen, datt keng Viraussetzung fir Auswiel un de Rot do sinn, et ëch eng dreckeg Rot ruffen. Och, souwuel der Populatioun aschreiwen an der dreckeg Rot mussen e puer Weibëschof Informatiounen iwwer all Persoun gehéiert, an dësem Beispill, ëch als Alter a Geschlecht, mä zu realistesch Situatiounen dëser Weibëschof Informatioune kéinten vill méi détailléiert gin. D'markéiert vun Prouf Aklang ass Echantillon vun engem dreckeg Rot an enger Manéier déieren, datt Echantillon produzéiert datt wëll Probabilitéit Echantillon kucken.

Sample passende fänkt wann e surfen Probabilitéit kënnt vun der Bevëlkerung aschreiwen geholl ass; Dës surfen Prouf gëtt eng Zilscheif Prouf. Dunn, baséiert op der Weibëschof Informatiounen, Fäll vun der Zil- Prouf si Leit an der dreckeg Rot reagéiert engem reagéiert Prouf ze Form. Zum Beispill, wann et eng 25 Joer al Fra an der Zil- Prouf ass, da fënnt een d'Fuerscher eng 25 Joer al Fra aus der dreckeg Rot vun der stemmt Prouf ze ginn. Endlech, si Memberen vun der stemmt Prouf Interview d'Finale Formatioun vun de Befroten ze produzéieren.

Obschonn d'reagéiert Beispill wéi d'Zilscheif Beispill kuckt, ass et wichteg ze erënneren, dass d'stemmt kennt net eng Wahrscheinlechkeet Prouf ass. Iwwereneestëmmen Echantillon kann nëmmen op de bekannte Weibëschof Informatiounen (zB, Alter a Geschlecht) der Zil- Prouf Match, mä net op unmeasured Charakteristiken. wann d'Leit op der dreckeg Rot Zum Beispill, éischter gin aarmen-no all, ee Grond enger Ëmfro Rot matzeman ass Geld-dann ze verdéngen, och wann d'reagéiert Beispill wéi d'Prouf Zil- kuckt wat vun Alter a Geschlecht et gëtt nach eng Schold vu senge Politiker a Richtung aarm Leit. D'Magie vun richteg Probabilitéit probéieren ass Problemer op béide gemooss an unmeasured Charakteristiken zu ausschléissen (e Punkt, datt mat eisem Gespréich bruecht fir causal Ufank ware aus observational Studien am Kapitel 2 konsequent ass).

An der Praxis, hänkt Prouf passende eng grouss Objeten erschéngt op se gäeren Ëmfroen ze kompletéieren, an domat ass et haaptsächlech vun Entreprisen gemaach, datt esou e Rot ze entwéckelen an ze erhalen leeschte kann. Och, an der Praxis, kann et Problemer mat passende (heiansdo e gudde Match fir een vun der Zil- Prouf net op de Rot existéieren) ginn an Net-Äntwert (heiansdo Leit am reagéiert Prouf refuséieren an der Emfro matmaachen). Dofir, an der Praxis, Fuerscher Prouf passende mécht och eng Zort vu Post-stratification Upassung vum Feinsten Schätzunge maachen.

Et ass schwéier nëtzlech theoretesch Garantien iwwer Prouf Aklang ze bidden, mee an der Praxis kann et gutt Leeschtung. Zum Beispill, Stephen Ansolabehere a Brian Schaffner (2014) am Verglach dräi parallel Ëmfroen vun iwwer 1.000 Leit zu 2010 gehaal dräi verschidde probéieren mat an Interviewe Methoden: mail, Telefon, an e Internet Rot benotzt Prouf passende an Post-stratification Upassung. Déi Schätzunge vun der dräi Approche waren zimlech ähnlech ze Schätzunge vun héich-Qualitéit Bascht wéi den aktuelle Bevëlkerung Survey (Nëmmen) an der National Gesondheet Interview Survey (NHIS). Méi genau, déi souwuel Internet an mail Ëmfroen sech duerch eng Moyenne vun 3 Prozent an d'Telefonsnummer Ëmfro gouf ugefaangen, déi vun 4 Prozent Punkten ugefaangen. Feeler dës grouss sinn ongeféier wat een aus Echantillon vun 1.000 Leit erwaart hätt. Obwuel, keng vun dësen méi besser Daten produzéiert Verkéiersmëttel, souwuel d'Internet an Handy Ëmfro (déi Deeg oder Wochen huet) méi séier ze Terrain goufen wéi d'mail Ëmfro (déi aacht Méint huet), an den Internet Ëmfro, déi Echantillonen passende benotzt, war méi bëlleg wéi déi aner zwee Verkéiersmëttel.

Zu der Konklusioun, si sozial Wëssenschaftler an statisticians onheemlech skeptesch vun inferences aus dëse Net-Probabilitéit Echantillonen, an en Deel well se mat e puer ugesinn opginn vun Ëmfro Recherche wéi d'Wuert erbléckt EMFRO verbonne sinn. Am Kader, averstanen ech mat dëser Skepsis: ofgeblennte Net-Probabilitéit Echantillon wahrscheinlech schlecht Schätzunge ze produzéieren. wann Fuerscher kann awer, fir der biases am probéieren Prozess klicks (zB, post-stratification) oder déi probéieren Prozess Kontroll bëschen (zB, Prouf passend), kann se besser geschat, a souguer eng Estimatioun vun genuch Qualitéit fir déi Zwecker ze produzéieren. Natierlech, wier et besser gin perfekt virschaffe Probabilitéit probéieren ze maachen, mee dass kee schéngt méi eng realistesch Optioun ze ginn.

Béid Net-Probabilitéit Echantillonen an Probabilitéit Echantillon variéieren an hir Qualitéit, an de Moment ass et wahrscheinlech de Fall, datt déi meescht Schätzunge vun Probabilitéit Echantillon méi vertrauenswierdeg wéi Schätzunge vun Net-Probabilitéit Echantillon. Mä, och elo, Schätzunge vum Gutt-gehaal Net-Probabilitéit Echantillon sinn wahrscheinlech besser wéi Schätzunge vun Pro-gehaal Probabilitéit Echantillon. Weider, sinn Net-Probabilitéit Echantillon méi bëlleg. Sou, schéngt et, datt Probabilitéit vs Net-Probabilitéit probéieren eng Käschten-Qualitéit Handel-ugefaangen (Dorënner 3.6). Freeën, ech erwaarden dass Schätzunge vum Gutt-gemaach Net-Probabilitéit Echantillon gëtt méi bëlleg a besser ginn. Weider, well vun der Decompte zu fix Telefon Ëmfroen a waarden Taux vun Net-Äntwert, erwaarden ech dass Probabilitéit Echantillon méi deier ginn ass a vu manner Qualitéit. Duerch dës langfristeg Trends, mengen ech, dass Net-Probabilitéit probéieren ëmmer méi wichteg an der drëtter Ära vum Ëmfro Fuerschung ginn.

Figur 3.6: Aussiichten probéieren an der Praxis an Net-Probabilitéit probéieren sinn souwuel grouss, heterogen Kategorien. Am Allgemengen, et ass eng Käschten-Fehler Handel-ugefaangen mat Net-Probabilitéit probéieren manner Käschten ginn awer méi Fehler. Mä gutt gemaach Net-Probabilitéit probéieren besser Schätzunge wéi Pro-gemaach Probabilitéit probéieren produzéiere kann. An d'Zukunft, erwaarden ech dass Net-Probabilitéit probéieren besser gespillt gëtt a méi bëlleg iwwerdeems Probabilitéit probéieren verschlechtert a méi deier gespillt gëtt.