3.4.3 नॉन-संभाव्यता नमुने: नमुना जुळणारे

सर्व बिगर संभाव्यता नमुने समान आहेत. आम्ही एकही ओवरनंतर वर अधिक नियंत्रण जोडू शकता.

दृष्टिकोन Wang आणि 2012 US राष्ट्रपती पदाच्या निवडणुकीत परिणाम अंदाज वापरले सहकारी डेटा विश्लेषण सुधारणा पूर्णपणे अवलंबून होते. आहे की, ते शक्य तितक्या अनेक प्रतिसाद गोळा आणि नंतर पुन्हा वजन त्यांना प्रयत्न केला. नॉन-संभाव्यता नमूना काम एक पूरक धोरण डेटा संकलन प्रक्रिया अधिक नियंत्रण असते.

एक अर्धवट नियंत्रित नॉन-संभाव्यता नमूना प्रक्रिया साधे उदाहरण कोटा नमूना, सर्वेक्षण संशोधन लवकर दिवस परत जातो की एक तंत्र आहे. कोटा नमूना, संशोधक विविध गट (उदा तरुणांनो, तरुण स्त्रिया, इ) आणि लोकांची संख्या नंतर संच वाटा मध्ये लोकसंख्या वाटून प्रत्येक समूहातील निवड. संशोधक प्रत्येक गट त्यांच्या कोटा भेटले होईपर्यंत प्रतिसादकर्त्यांकडे आकस्मिकपणे रीतीने निवडले जातात. कारण वाटा आहे, परिणामी नमुना अधिक अन्यथा खरे असेल पेक्षा लक्ष्य लोकसंख्या दिसते, पण समावेश संभाव्यतेची अज्ञात आहेत कारण अनेक संशोधक कोटा नमूना संशयवादी आहेत. खरं तर, कोटा नमूना एक कारण 1948 अमेरिकन अध्यक्षपदाच्या निवडणुकीत त्रुटी "ड्यूई Truman पराभव" होते. तो नमूना प्रक्रिया प्रती काही नियंत्रण पुरवते कारण, तथापि, एक कोटा नमूना एक पूर्णपणे अनियंत्रित डेटा संकलन काही फायदे आहेत मारण्याचा पाहू शकता.

कोटा नमूना पलीकडे हलवून, आणखी आधुनिक नॉन-संभाव्यता नमूना प्रक्रिया नियंत्रण पध्दती आता शक्य आहे. असा एक दृष्टिकोन नमुना जुळणारे म्हणतात, आणि तो काही व्यावसायिक ऑनलाइन पॅनल प्रदाते वापरली जाते. 1) लोकसंख्या एक पूर्ण नोंदवही आणि स्वयंसेवक 2) मोठ्या पॅनल: त्याच्या सोपा फॉर्म मध्ये, नमुना जुळणारे दोन डेटा स्रोत आवश्यक आहे. हे स्वयंसेवक कोणत्याही लोकसंख्या एक संभाव्यता नमुना असणे आवश्यक नाही की महत्त्वाचे आहे; पॅनल मध्ये निवड नाही आवश्यकता आहेत की महत्व देणे, मी एक गलिच्छ पॅनल कॉल करू. लोकसंख्याही नोंदवही आणि गलिच्छ पटल दोन्ही प्रत्येक व्यक्ती काही अधिक माहिती समाविष्ट करणे आवश्यक आहे, या उदाहरणात मी वय आणि लिंग विचार करू, पण वास्तववादी परिस्थितीत या अधिक माहिती जास्त तपशीलवार असू शकते. नमुना जुळणारे युक्ती एक मार्ग शक्यता नमुने दिसत नमुने निर्माण एक गलिच्छ पॅनेल नमुने निवडा.

एक खराब शक्यता नमुना लोकसंख्या रजिस्टर घेतला नमुना जुळणारे सुरु होते; या आव नमुना लक्ष्य नमुना होते. मग, अधिक माहितीच्या आधारे लक्ष्य नमुना प्रकरणांमध्ये लोकांना गलिच्छ पॅनल मध्ये एक जुळलेल्या नमुना तयार करण्यासाठी जुळतात. उदाहरणार्थ, लक्ष्य नमुना 25 वर्षीय महिला आहे, तर संशोधक जुळलेल्या नमुना असल्याचे गलिच्छ पॅनेल वरून एक जुनी 25 वर्ष महिला नाही. शेवटी जुळलेल्या नमुना सदस्य सर्वेक्षणात पाचव्या आणि निर्णायक सेट निर्मिती मुलाखत आहेत.

जुळलेल्या नमुना लक्ष्य नमुना दिसते जरी, जुळलेल्या नमुना एक संभाव्यता नमुना नाही आहे हे लक्षात ठेवणे महत्वाचे आहे. जुळलेल्या नमुने केवळ ज्ञात अधिक माहिती (उदा, वय आणि सेक्स) लक्ष्य नमुना जुळत शकता, पण नाही अगणित वैशिष्ट्ये. उदाहरणार्थ, गलिच्छ पॅनेल लोक-नंतर गरीब सर्व असल्याचे कल तर एक कारण एक सर्वेक्षण पॅनल जुळलेल्या नमुना वय आणि तरीही लागेल लिंग दृष्टीने लक्ष्य नमुना दिसते जरी-नंतर पैसे कमाविण्यात आहे सामील होण्यासाठी गरीब लोक दिशेने एक ओढा. खरे शक्यता नमूना जादू दोन्ही मोजमाप आणि अगणित वैशिष्ट्ये समस्या (धडा 2 आकलनशक्तीच्या अभ्यास कार्यकारण भाव कयास जुळणी आमच्या चर्चा सुसंगत आहे की एक बिंदू) बाहेर राज्य आहे.

सराव, नमुना जुळणारे मोठ्या आणि विविध पॅनल सर्वेक्षण पूर्ण करण्यासाठी उत्सुक येत अवलंबून असते, आणि अशा प्रकारे तो प्रामुख्याने विकसित आणि अशा पॅनल राखण्यासाठी घेऊ शकता की कंपन्या केले जाते. तसेच, सराव मध्ये, तेथे जुळणारे आणि गैर-प्रतिसाद (कधी कधी जुळले नमुना लोकांना सर्वेक्षणात भाग करण्यास नकार) (लक्ष्य नमुना कोणीतरी पॅनेल वर अस्तित्वात नाही कधी कधी एक चांगला सामना) समस्या असू शकते. म्हणून, सराव मध्ये, नमुना जुळणारे करत संशोधक देखील अंदाज करण्यासाठी पोस्ट-साहित्य बियाणे समायोजन काही प्रकारची कामं.

तो नमुना जुळणारे बद्दल उपयुक्त सैद्धांतिक हमी प्रदान करणे कठीण आहे, पण सराव मध्ये ते तसेच सुरू करू शकता. उदाहरणार्थ, स्टीफन Ansolabehere आणि ब्रायन Schaffner (2014) 2010 मध्ये घेण्यात बद्दल 1,000 लोक तीन समांतर सर्वेक्षण तुलनेत तीन वेगवेगळ्या नमूना वापरून आणि पद्धती मुलाखती: मेल, दूरध्वनी आणि नमुना जुळणारे आणि पोस्ट-साहित्य बियाणे समायोजन वापर करून इंटरनेट पॅनेल. तीन पध्दती पासून अंदाज अशा चालू लोकसंख्या सर्वेक्षण (CPS) आणि राष्ट्रीय आरोग्य मुलाखत सर्वेक्षण (NHIS) म्हणून उच्च दर्जाचे बेंचमार्क पासून अंदाज धनगर तत्सम होते. अधिक विशेषतः, दोन्ही इंटरनेट आणि मेल सर्वेक्षण 3 टक्क्याने सरासरी द्वारे दूर होता, आणि फोन सर्वेक्षण 4 टक्क्याने बंद होते. या मोठ्या चुका एक सुमारे 1000 लोक नमुने पासून अपेक्षा अंदाजे काय आहेत. तरी, सेवनाने चांगला डेटा उत्पादन या रीती नाही, इंटरनेट आणि फोन सर्वेक्षण दोन्ही (घेतला दिवस किंवा आठवडे) मेल सर्वेक्षण (आठ महिने घेतले पेक्षा जास्त), शेतात सेवनाने वेगाने होते, आणि नमुना जुळणारे वापरले इंटरनेट सर्वेक्षण, इतर दोन रीती अधिक स्वस्त होते.

शेवटी, सामाजिक शास्त्रज्ञ आणि सांख्यिकी बिगर-संभाव्यता नमुन्यांची निश्चितच आश्चर्यकारकपणे संशयवादी, भाग ते अशा साहित्य डायजेस्ट मतदान म्हणून सर्वेक्षण संशोधन काही लाजीरवाणी अपयश संबद्ध आहेत कारण आहे. भागात, मी या आणि शंकांना सहमत: unadjusted नॉन-संभाव्यता नमुने वाईट अंदाज निर्मिती होण्याची शक्यता आहे. तथापि, संशोधक नमूना प्रक्रिया (उदा पोस्ट-साहित्य बियाणे) मध्ये चुका साठी समायोजित करू शकता किंवा काहीसे नमूना प्रक्रिया नियंत्रित (उदा, नमुना जुळणारे), ते चांगले अंदाज, आणि सर्वात कारणास्तव उपयुक्त ठरतात गुणवत्ता अगदी अंदाज उत्पन्न करतात. अर्थातच, ते उत्तम प्रकारे अंमलात शक्यता नमूना करू चांगले असेल, पण त्या एक वास्तववादी वातावरण पर्याय असल्याचे दिसून येत आहे यापुढे होईल.

दोन्ही नॉन-संभाव्यता नमुने आणि संभाव्यता नमुने त्यांची गुणवत्ता असतात, आणि सध्या तो शक्यता शक्यता नमुने सर्वात अंदाज नॉन-संभाव्यता नमुन्यांची अंदाज पेक्षा अधिक विश्वसनीय आहेत हे खरे आहे. पण, अगदी आता, तसेच आयोजित बिगर संभाव्यता नमुन्यांची अंदाज असमाधानकारकपणे-आयोजित संभाव्यता नमुन्यांची अंदाज कदाचित चांगले आहेत. शिवाय, नॉन-संभाव्यता नमुने सेवनाने स्वस्त आहेत. त्यामुळे बिगर संभाव्यता नमूना वि ही शक्यता खर्च दर्जाचे व्यापारी-बंद (आकृती 3.6) देते दिसते. पुढे बघत, मी तसेच केले नॉन-संभाव्यता नमुन्यांची अंदाज स्वस्त आणि चांगले होईल, अशी अपेक्षा. शिवाय, कारण लँडलाईन टेलिफोन सर्वेक्षण आणि बिगर प्रतिसाद वाढत दर यंत्रातील बिघाड, मी संभाव्यता नमुने अधिक महाग झाले आणि कमी दर्जाचे होईल, अशी अपेक्षा. कारण या दीर्घकालीन ट्रेंड, मी नॉन-संभाव्यता नमूना सर्वेक्षण संशोधन आणि तिसर्या कालखंडात वाढत्या महत्वाचे झाले असे वाटते.

आकृती 3.6: सराव आणि गैर-संभाव्यता नमूना मध्ये संभाव्यता नमूना दोन्ही मोठ्या, जिनसीपणाचा अभाव श्रेणी आहेत. साधारणतया, नॉन-संभाव्यता नमूना कमी किंमत जास्त त्रुटी असल्याने खर्च त्रुटी व्यापार बंद आहे. तथापि, तसेच केले नॉन-संभाव्यता नमूना असमाधानकारकपणे केले संभाव्यता नमूना पेक्षा चांगले अंदाज उत्पन्न करतात. भविष्यात, मी नॉन-संभाव्यता नमूना संभाव्यता नमूना वाईट आणि अधिक महाग मिळू असेल तर चांगले आणि स्वस्त मिळेल, अशी अपेक्षा.