3.4.3 गैर-सम्भावना नमूनाहरू: नमूना मिल्दो

सबै गैर-सम्भावना नमूनाहरू एउटै हो। हामी अगाडि अन्त मा थप नियन्त्रण थप्न सक्नुहुन्छ।

दृष्टिकोण वांग र 2012 अमेरिकी राष्ट्रपति चुनाव को नतिजा अनुमान गर्न प्रयोग सहयोगिहरु डाटा विश्लेषण मा सुधार मा सम्पूर्ण निर्भर। छ, तिनीहरूले सकेजति सकेसम्म धेरै प्रतिक्रियाहरू संकलित र त्यसपछि पुन: वजन तिनीहरूलाई कोसिस गर्यो। गैर-सम्भावना नमूना काम गर्ने एक पूरक रणनीति डाटा संग्रह प्रक्रिया थप नियन्त्रण गर्न छ।

एक आंशिक नियन्त्रण गैर-सम्भावना नमूना प्रक्रिया को साधारण उदाहरण कोटा नमूना, सर्वेक्षण अनुसन्धान को प्रारम्भिक दिन फिर्ता जान्छ भनेर एक प्रविधी छ। कोटा नमूना मा शोधकर्ताहरु प्रत्येक समूहमा चयन गर्न विभिन्न समूह (जस्तै, जवान मानिसहरू, जवान महिला, आदि) र संख्या लागि त सेट कोटा मा जनसंख्या विभाजन। उत्तरदाताहरू एक haphazard ढंगमा चयन गर्दै शोधकर्ता प्रत्येक समूहमा आफ्नो कोटा पूरा नभएसम्म। किनभने कोटा को, परिणाम नमूना थप अन्यथा साँचो हुनेछ भन्दा लक्षित जनसंख्या जस्तो देखिन्छ, तर समावेश को सम्भावनाको अज्ञात छन् किनभने धेरै अनुसन्धानकर्ताहरूले कोटा नमूना को संदेह छन्। वास्तवमा, कोटा नमूना को एक कारण भएको 1948 अमेरिकी राष्ट्रपति चुनाव मा "Dewey हराइदिन्छ Truman" त्रुटि थियो। यो नमूना प्रक्रिया केहि नियन्त्रण प्रदान गर्दछ किनभने, तथापि, एक कोटा नमूना एक पूर्ण अनियन्त्रित डाटा संग्रह केहि लाभ हुन सक्छ कसरी देख्न सक्छौं।

कोटा नमूना परे सार्दै, गैर-सम्भावना नमूना प्रक्रिया नियन्त्रणमा थप आधुनिक दृष्टिकोण अब सम्भव छ। एक यस्तो दृष्टिकोण नमूना मिल्दो भनिन्छ, र यो केही व्यावसायिक अनलाइन प्यानल प्रदायकहरू द्वारा प्रयोग गरिएको छ। जनसंख्याको 1) पूर्ण रजिस्टर र स्वयंसेवकहरु को 2) एक ठूलो प्यानल: यसको साधारण फारममा, नमूना मिल्दो दुई डाटा स्रोतहरु आवश्यक छ। यो स्वयंसेवक कुनै पनि जनसंख्या एक सम्भावना नमूना हुन आवश्यक छैन भन्ने महत्त्वपूर्ण छ; प्यानल मा चयनको लागि कुनै आवश्यकताहरु छन् कि जोड गर्न, म यो एक फोहोर प्यानल बोलाउछु। साथै, जनसंख्या रजिस्टर र फोहोर प्यानल दुवै यस उदाहरण मा, म विचार गर्नेछौं उमेर र सेक्स, तर व्यावहारिक परिस्थितिमा यो सहायक जानकारी अधिक विस्तृत हुन सक्छ, प्रत्येक व्यक्तिको बारेमा केही सहायक जानकारी समावेश गर्नुपर्छ। नमूना मिल्दो को चाल सम्भावना नमूनाहरू जस्तो कि नमूनाहरू उत्पादन तरिकामा एक फोहोर प्यानल देखि नमूनाहरू चयन गर्न छ।

एक नक्कली सम्भावना नमूना बाट जनसंख्या रजिस्टर लिएको छ जब नमूना मिल्दो सुरु; यो नक्कली नमूना एक लक्ष्य नमूना बन्नेछ। त्यसपछि, सहायक जानकारी आधारित लक्षित नमूनामा अवस्थामा मान्छे गर्न फोहोर प्यानल मा एक मिलान नमूना गठन गर्ने मिलान छन्। उदाहरणका लागि, यदि त्यहाँ लक्षित नमूना मा एक 25 वर्ष पुरानो महिला छ, त्यसपछि शोधकर्ता मेल खाने नमूना मा हुन फोहोर प्यानल देखि 25 वर्ष पुरानो महिला पाता। अन्तमा, मेल खाने नमूना सदस्य उत्तरदाताओं अन्तिम सेट उत्पादन गर्न अन्तरवार्ता छन्।

तापनि मेल खाने नमूना लक्षित नमूना जस्तो देखिन्छ, यो मेल खाने नमूना एक सम्भावना नमूना छैन भनेर सम्झना गर्न महत्त्वपूर्ण छ। मेल खाएको नमूनाहरू मात्र ज्ञात सहायक जानकारी (जस्तै, उमेर र सेक्स) मा लक्ष्य नमूना मेल गर्न सक्छन्, तर unmeasured विशेषताहरु मा। उदाहरणका लागि, फोहोर प्यानल मान्छे गरीब-पछि सबै हुन गर्छन भने, सामेल एउटा कारण एक सर्वेक्षण प्यानल मेल खाने नमूना उमेर र यो अझै पनि हुनेछ सेक्स को मामला मा लक्ष्य नमूना जस्तो देखिन्छ भने-त्यसपछि पैसा कमाउन छ गरिब तिर एक पूर्वाग्रह। साँचो सम्भावना नमूना जादु बाहिर दुवै मापन र unmeasured विशेषताहरु समस्याहरू (अध्याय 2 मा अवलोकनीय अध्ययन बाट causal inference लागि मिल्दो हाम्रो छलफल अनुरूप छ कि एक बिन्दु) शासन छ।

व्यवहार मा, नमूना मिल्दो ठूलो र विविध प्यानल सर्वेक्षण पूरा गर्न उत्सुक भएको मा निर्भर गर्दछ, र यसरी यो मुख्य रूप यस्तो प्यानल विकास र कायम राख्न खर्च गर्न सक्छन् कम्पनीहरु गरेको छ। साथै, व्यवहार मा, त्यहाँ मिल्दो र गैर-प्रतिक्रिया (कहिले काँही मेल खाने नमूना मानिसहरू सर्वेक्षण मा भाग लिन इन्कार) (लक्षित नमूना मा कसैले प्यानल अवस्थित छैन लागि कहिलेकाहीं राम्रो मिलान) समस्या हुन सक्छ। तसर्थ, व्यवहार मा, नमूना मिल्दो गरिरहेको अनुसन्धानकर्ताहरूले पनि अनुमान गर्न पोस्ट-स्तरीकरण समायोजन कुनै किसिमको प्रदर्शन।

यो नमूना मिल्दो बारेमा उपयोगी सैद्धान्तिक सुनिश्चितता प्रदान गर्न कठिन छ, तर व्यवहार मा यो राम्रो तरिकाले प्रदर्शन गर्न सक्छन्। उदाहरणका लागि, स्टीफन Ansolabehere र ब्रायन Schaffner (2014) मेल, टेलिफोन, र नमूना मिल्दो र पोस्ट-स्तरीकरण समायोजन प्रयोग इन्टरनेट प्यानल: तीन अलग अलग नमूना प्रयोग र विधिहरू साक्षात्कार 2010 मा सञ्चालन बारे 1,000 मानिसहरूलाई तीन समानता सर्वेक्षण तुलना। तीन दृष्टिकोण बाट अनुमान जस्तै वर्तमान जनसंख्या सर्वेक्षण (सीपीएस) र राष्ट्रिय स्वास्थ्य साक्षात्कार सर्वेक्षण (NHIS) उच्च गुणस्तरीय चिह्नित देखि अनुमान गर्न एकदम समान थिए। थप विशेष, दुवै इन्टरनेट र मेल सर्वेक्षण 3 प्रतिशत अंक को एक औसत द्वारा बन्द थिए र फोन सर्वेक्षण 4 प्रतिशत अंक बन्द थियो। त्रुटिहरू यो ठूलो एक बारेमा 1,000 मानिसहरू नमूनाहरू आशा थियो लगभग के हो। हुनत, उत्पादन पर्याप्त राम्रो डाटा यी मोड को कुनै पनि, इन्टरनेट र फोन सर्वेक्षण दुवै (लिए कुन दिन वा हप्ता) मेल सर्वेक्षण (आठ महिना जो) भन्दा क्षेत्रमा पर्याप्त छिटो थिए, र इन्टरनेट सर्वेक्षण, नमूना मिल्दो प्रयोग जो, अन्य दुई मोड भन्दा सस्ता थियो।

निष्कर्ष मा, सामाजिक वैज्ञानिकहरूले र statisticians यी गैर-सम्भावना नमूनाहरू देखि inferences को अविश्वसनीय संदेह, भाग मा उनि जस्तै साहित्य डाइजेस्ट पोल रूपमा सर्वेक्षण अनुसन्धान केही लाजमर्दो असफलता सम्बन्धित छन् किनभने छन्। भाग मा, म यो शंका सहमत: असमायोजित गैर-सम्भावना नमूनाहरू खराब अनुमान उत्पादन संभावना छ। तथापि, शोधकर्ताओं नमूना प्रक्रिया (जस्तै, पोस्ट-स्तरीकरण) मा पक्षपात लागि समायोजन गर्न सक्नुहुन्छ भने वा केहि नमूना प्रक्रिया नियन्त्रण (जस्तै, नमूना मिल्दो) तिनीहरू अनुमान, र सबै भन्दा उद्देश्यका लागि पर्याप्त गुणस्तर समेत अनुमान उत्पादन गर्न सक्छन्। निस्सन्देह, यो पूर्ण कार्यान्वयन सम्भावना नमूना गर्न राम्रो हुनेछ, तर अब व्यावहारिक विकल्प हुन देखिन्छ।

दुवै गैर-सम्भावना नमूनाहरू र सम्भावना नमूनाहरू आफ्नो गुणस्तर मा भिन्नता छ, र वर्तमान यो संभावना सम्भावना नमूनाहरू देखि सबै भन्दा अनुमान गैर-सम्भावना नमूनाहरू देखि अनुमान भन्दा बढी भरपर्दो हो कि मामला छ। तर, अहिले पनि, राम्रो-सञ्चालन गैर-सम्भावना नमूनाहरू देखि अनुमान खराब-सञ्चालन सम्भावना नमूनाहरू देखि अनुमान भन्दा शायद राम्रो हो। यसबाहेक, गैर-सम्भावना नमूनाहरू पर्याप्त सस्ता छन्। तसर्थ, यो गैर-सम्भावना नमूना बनाम भनेर सम्भावना एक लागत गुणस्तरीय व्यापार-बन्द (चित्रा 3.6) प्रदान गर्दछ देखिन्छ। अगाडी देख, म राम्ररी गरेका गैर-सम्भावना नमूनाहरू देखि अनुमान सस्ता र राम्रो हुनेछ भनी आशा। यसबाहेक, किनभने ल्याण्डलाइन टेलिफोन सर्वेक्षण र गैर-प्रतिक्रिया को वृद्धि दर मा टूटने को, म सम्भावना नमूनाहरू अधिक महंगा हुन्छन् र कम गुणस्तर को आशा। किनभने यी दीर्घकालीन रुझान को, मलाई लाग्छ गैर-सम्भावना नमूना झन् सर्वेक्षण अनुसन्धान को तेस्रो युग मा महत्त्वपूर्ण हुनेछ भनी।

चित्रा 3.6: सम्भाव्यता नमूना अभ्यास र गैर-सम्भावना नमूना दुवै ठूलो, heterogeneous विभाग छन्। सामान्य मा, वहाँ एक लागत-त्रुटि गैर-सम्भावना नमूना कम लागत, तर उच्च त्रुटि रहेको संग व्यापार-बन्द छ। तर, राम्रो-गरेका गैर-सम्भावना नमूना खराब-गरेका सम्भावना नमूना भन्दा राम्रो अनुमान उत्पादन गर्न सक्छन्। भविष्यमा, म गैर-सम्भावना नमूना राम्रो र सस्ता सम्भावना नमूना बुरा र अधिक महंगा प्राप्त हुनेछ गर्दा प्राप्त हुनेछ आशा।