3.4.3 కాని సంభావ్యత నమూనాలను: నమూనా మ్యాచింగ్

అన్ని కాని సంభావ్యత నమూనాల ఒకటే. మేము ముందు భాగం మీద ఎక్కువ నియంత్రణ జోడించవచ్చు.

విధానం వాంగ్ మరియు 2012 సంయుక్త అధ్యక్ష ఎన్నికల ఫలితాలు వేయడానికి ఉపయోగిస్తారు సహచరులు డేటా విశ్లేషణ మెరుగుదలలు పూర్తిగా ఆధారపడింది. అంటే, అవి వారు చేయగలిగి అనేక ప్రతిస్పందనలు సేకరించిన మరియు మళ్లీ బరువు వాటిని ప్రయత్నించాడు. కాని సంభావ్యత మాదిరి తో పని కోసం ఒక పరిపూరకరమైన వ్యూహం డేటా సేకరణ ప్రక్రియలో మరింత నియంత్రణను కలిగి ఉంది.

పాక్షికంగా నియంత్రిత కాని సంభావ్యత శాంప్లింగ్ ప్రక్రియ యొక్క సాధారణ ఉదాహరణ కోటా సాంప్లింగ్, సర్వే పరిశోధన యొక్క ప్రారంభ రోజుల వెనక్కు ఒక టెక్నిక్. కోటా సాంప్లింగ్లో, పరిశోధకులు వివిధ సమూహాలు (ఉదా, యువకులు, యువతులను, etc) మరియు ప్రజల సంఖ్య సెట్ కోటాలు లోకి జనాభా విభజించడానికి ప్రతి సమూహంలోని ఎంచుకోవాల్సిన పరిస్థితి. పరిశోధకుడు ప్రతి సమూహంలోని వారి కోటాను కలుసుకున్నారు వరకు ప్రతివాదులు క్రమములేకుండా ఎంపిక చేస్తారు. ఎందుకంటే కోటాలను, ఫలితంగా నమూనా మరింత లేకపోతే నిజమే అవుతుంది కన్నా ఎవరికి కనిపిస్తోంది, కానీ చేర్చడం యొక్క సంభావ్యత తెలియదు ఎందుకంటే అనేక పరిశోధకులు కోటా సాంప్లింగ్ సడలింది. నిజానికి, కోటా సాంప్లింగ్ ఒక కారణం 1948 సంయుక్త అధ్యక్ష ఎన్నికల్లో "డ్యూయీ ఓడిస్తాడు ట్రూమాన్" దోషం ఉంది. ఇది శాంప్లింగ్ విధానం మీద కొన్ని నియంత్రణ అందిస్తుంది ఎందుకంటే, అయితే, ఒక కోటా మాదిరి ఒక పూర్తిగా అనియంత్రిత డేటా సేకరణ కొంత ప్రయోజనాలు కలిగి ఉండవచ్చు ఎలా చూడగలరు.

కోటా శాంప్లింగ్ దాటి కదిలే, కాని సంభావ్యత శాంప్లింగ్ ప్రక్రియను నియంత్రించే మరింత ఆధునిక విధానాలు ఇప్పుడు సాధ్యమే. అటువంటి విధానం నమూనా మ్యాచింగ్ అంటారు, మరియు అది కొన్ని వ్యాపార ఆన్లైన్ ప్యానెల్ ప్రొవైడర్లు ఉపయోగిస్తారు. 1) జనాభా యొక్క పూర్తి రిజిస్టర్ మరియు 2) స్వచ్ఛందంగా పెద్ద ప్యానెల్: సాధారణ రూపంలో, నమూనా మ్యాచింగ్ రెండు డేటా మూలాల అవసరం. ఇది స్వచ్ఛందంగా ఏ జనాభా నుండి ఒక సంభావ్యత నమూనా అవసరం లేని ముఖ్యం; ప్యానెల్ ఎంపిక ఎటువంటి అవసరాలు ఉన్నాయి అని ఒత్తి, నేను ఒక మురికి ప్యానెల్ కాల్ చేస్తాము. అలాగే, జనాభా రిజిస్టర్ మరియు మురికి పానెల్ రెండు ఈ ఉదాహరణలో, నేను వయస్సు మరియు సెక్స్ పరిగణలోకి చేస్తాము, కానీ వాస్తవిక పరిస్థితుల్లో ఈ సహాయక సమాచారాన్ని మరింత వివరంగా కనిపిస్తాయి, ప్రతి వ్యక్తి గురించి కొన్ని సహాయక సమాచారాన్ని కలిగి ఉండాలి. నమూనా సరిపోలే ట్రిక్ సంభావ్యత నమూనాల వంటి అనిపించే నమూనాలను ఉత్పత్తి చేసే విధంగా ఒక మురికి పానెల్ నుండి నమూనాలను ఎంచుకోవాలి.

ఒక అనుకరణ సంభావ్యత నమూనా జనాభాకు రిజిస్టర్ నుండి తీసినప్పుడు నమూనా మ్యాచింగ్ ప్రారంభమవుతుంది; ఈ విధంగా అనుకరణ నమూనా లక్ష్య నమూనాను అవుతుంది. అప్పుడు, సహాయక సమాచారం ఆధారంగా, లక్ష్య నమూనాను లో కేసులు అసభ్యకరంగా ప్యానెల్లో ఒక సరిపోలిన నమూనా ఏర్పాటు సరిపోలే ఉంటాయి. ఉదాహరణకు, లక్ష్య నమూనాను ఒక 25 ఏళ్ల పురుషుడు ఉందనుకోండి, అప్పుడు పరిశోధకుడు సరిపోలిన నమూనాలో ఉండాలి మురికి పానెల్ నుండి ఒక 25 ఏళ్ల పురుషుడు తెలుసుకుంటాడు. చివరగా, సరిపోలిన నమూనా యొక్క సభ్యులు ప్రతివాదులు చివరి సెట్లో ఉత్పత్తి ఇంటర్వ్యూ చేస్తుంది.

సరిపోలిన నమూనా లక్ష్య నమూనాను కనిపిస్తోంది అయినప్పటికీ, ఇది సరిపోలిన నమూనా సంభావ్యత నమూనా కాదు అని గుర్తుంచుకోండి ముఖ్యం. సరిపోలిన నమూనాలను మాత్రమే తెలిసిన సహాయక సమాచారం (ఉదా, వయస్సు మరియు సెక్స్) లో లక్ష్య నమూనాను మ్యాచ్, కానీ unmeasured లక్షణాలపై చేయవచ్చు. ఉదాహరణకు, మురికి ప్యానెల్ న ప్రజలు అన్ని పేద తర్వాత కూడుకున్నవి, ఒక సర్వే ప్యానెల్ సరిపోలిన నమూనా వయస్సు మరియు సెక్స్ ఇప్పటికీ ఉంటుంది పరంగా లక్ష్య నమూనాను వంటి కనిపిస్తోంది కూడా అప్పుడు డబ్బు సంపాదించడానికి ఉంది చేరడానికి ఒక కారణం పేద ప్రజల వైపుగా ఒక బయాస్. నిజమైన సంభావ్యత సాంప్లింగ్ మేజిక్ (చాప్టర్ 2 లో పరిశీలనాత్మక అధ్యయనాలు నుండి కారణ ఆకళింపు సరిపోలే మన చర్చ స్థిరంగా ఉంటుంది అని ఒక పాయింట్) కొలుస్తారు మరియు unmeasured లక్షణాలు రెండింటి సమస్యలు తోసిపుచ్చేందుకు ఉంది.

ఆచరణలో, నమూనా మ్యాచింగ్ పెద్ద మరియు విభిన్నమైన ప్యానెల్ సర్వేలు పూర్తి ఆసక్తిని కలిగి ఆధారపడి, మరియు అందువలన అది ప్రధానంగా అటువంటి పానెల్ అభివృద్ధి మరియు నిర్వహించడానికి కొనుగోలు చేయగలిగిన సంస్థలు చేసిన. అలాగే, ఆచరణలో, అక్కడ మ్యాచింగ్ మరియు కాని స్పందన (కొన్నిసార్లు సరిపోలిన నమూనాలో మంది సర్వేలో పాల్గొనడానికి తిరస్కరించే) (లక్ష్య నమూనాను లో ఎవరైనా లేదు ప్యానెల్ ఉండలేవు కొన్నిసార్లు ఒక మంచి మ్యాచ్) తో సమస్యలు ఉంటుంది. అందువలన, ఆచరణలో, నమూనా మ్యాచింగ్ చేయడం పరిశోధకులు కూడా అంచనాలు తయారు పోస్ట్ స్తరీకరణ సర్దుబాటు రకమైన నిర్వహించడానికి.

ఇది నమూనా మ్యాచింగ్ గురించి ఉపయోగకరమైన సైద్ధాంతిక హామీలు అందించడానికి కష్టం, కానీ ఆచరణలో అది బాగా పని చేయవచ్చు. ఉదాహరణకు, స్టీఫెన్ Ansolabehere మరియు బ్రియాన్ Schaffner (2014) మెయిల్, టెలిఫోన్, మరియు నమూనా మ్యాచింగ్ మరియు పోస్ట్-స్తరీకరణ సర్దుబాటు ఉపయోగించి ఒక ఇంటర్నెట్ ప్యానెల్: మూడు వేర్వేరు శాంప్లింగ్ ఉపయోగించి మరియు పద్ధతులు ఇంటర్వ్యూ 2010 లో నిర్వహించిన గురించి 1,000 మంది మూడు సమాంతర సర్వేలు పోలిస్తే. మూడు పద్ధతులు నుంచి అంచనాలు ఇటువంటి ప్రస్తుత జనాభా సర్వే (CPS) మరియు నేషనల్ హెల్త్ ఇంటర్వ్యూ సర్వే (NHIS) అధిక నాణ్యత బెంచ్ మార్కులతో నుండి అంచనాల చాలా పోలి ఉండేవి. మరింత ప్రత్యేకంగా, ఇంటర్నెట్ మరియు మెయిల్ సర్వేలు రెండు 3 శాతం పాయింట్లు సగటున ఆఫ్ ఉన్నారు మరియు ఫోన్ సర్వే 4 శాతం పాయింట్లు ఆఫ్ ఉంది. లోపాలు ఈ పెద్ద ఒకటి గురించి 1,000 మంది నమూనాలను నుండి ఆలోచించే సుమారు ఏమిటి. అయితే, గణనీయంగా మంచి డేటాను తయారు ఈ రీతుల్లో ఎవరూ, ఇంటర్నెట్ మరియు ఫోన్ సర్వే రెండు (పట్టింది రోజులు లేదా వారాలు) మెయిల్ సర్వే (ఎనిమిది నెలల పట్టింది) కంటే రంగంలో గణనీయంగా వేగంగా ఉన్నాయి, మరియు నమూనా మ్యాచింగ్ వాడుకుంది ఇంటర్నెట్ సర్వే, ఇతర రెండు పద్ధతుల కన్నా తక్కువ అవుతుంది.

ముగింపు లో, సామాజిక శాస్త్రవేత్తలు మరియు గణాంక ఈ నాన్ సంభావ్యత నమూనాల నుంచి అనుమితులు చాలా సందేహాస్పదంగా భాగమైనా వారు అటువంటి లిటరరీ డైజెస్ట్ పోల్ సర్వే పరిశోధన యొక్క కొన్ని ఇబ్బందికరమైన వైఫల్యంతో అనుసంధించబడి ఉంటాయి ఎందుకంటే. భాగం లో, నేను ఈ నిరాశావాదంతో అంగీకరిస్తున్నారు: అన్ఏడ్జస్టెడ్ కాని సంభావ్యత నమూనాల చెడు అంచనాలు ఉత్పత్తి అవకాశం ఉంది. అయితే, పరిశోధకులు శాంప్లింగ్ ప్రక్రియ (ఉదా, పోస్ట్ స్తరీకరణ) పక్షపాతాలకు కోసం సర్దుబాటు లేదా కొంతవరకు శాంప్లింగ్ ప్రక్రియ నియంత్రించవచ్చు (ఉదా, నమూనా పోలిక), వారు మంచి అంచనాలు, మరియు అత్యంత ప్రయోజనాల కోసం తగిన నాణ్యత కూడా అంచనాలు ఉత్పత్తి చేయవచ్చు. Of course, అది ఖచ్చితంగా అమలు సంభావ్యత శాంప్లింగ్ చేయాలని మంచిదని, కానీ ఆ ఇకపై ఒక వాస్తవిక ఎంపిక ఉంటుంది కనిపిస్తుంది.

కాని సంభావ్యత నమూనాలను మరియు సంభావ్యతను నమూనాలను రెండూ వారి నాణ్యత ఉంటాయి మరియు ప్రస్తుతం అది అవకాశం సంభావ్యత నమూనాల నుంచి అనేక అంచనాలు కాని సంభావ్యత నమూనాల నుంచి అంచనాల కంటే మరింత విశ్వసనీయం అని కేసు. కానీ, ఇప్పుడు కూడా, బాగా నిర్వహించారు కాని సంభావ్యత నమూనాల నుంచి అంచనాలు సరిగా నిర్వహించిన సంభావ్యత నమూనాల నుంచి అంచనాల కంటే మంచివి. ఇంకా, కాని సంభావ్యత నమూనాల గణనీయంగా తక్కువ ధర ఉంటాయి. అందువలన, ఇది సంభావ్యత వర్సెస్ కాని సంభావ్యత శాంప్లింగ్ వ్యయ నాణ్యత రాజీ (మూర్తి 3.6) అందిస్తుంది కనిపిస్తుంది. ఎదురు చూస్తున్నానని, నేను బాగా పూర్తి కాని సంభావ్యత నమూనాల నుంచి అంచనాలు తక్కువ ధర మరియు మంచి మారింది భావిస్తున్నారు. మరింత ఎందుకంటే ల్యాండ్లైన్ టెలిఫోన్ సర్వేలు మరియు కాని స్పందన రేట్లు పెరగడమే లో భంగవిరామ నేను సంభావ్యత నమూనాల ఖరీదైన మారింది మరియు తక్కువ నాణ్యత ఉంటుంది భావిస్తున్నారు. ఎందుకంటే ఈ దీర్ఘకాలిక ధోరణులను చెప్పాలంటే, నేను కాని సంభావ్యత శాంప్లింగ్ సర్వే పరిశోధన యొక్క మూడవ యుగంలో ఎంతో ముఖ్యమైన అవుతుంది అని అనుకుంటున్నాను.

మూర్తి 3.6: ఆచరణలో మరియు కాని సంభావ్యత సాంప్లింగ్లో ప్రాబబిలిటీ శాంప్లింగ్ రెండు పెద్ద, వైవిధ్యమైన కేతగిరీలు ఉన్నాయి. సాధారణంగా, కాని సంభావ్యత శాంప్లింగ్ తక్కువ ఖర్చు కాని అధిక లోపం ఉండటం తో వ్యయ లోపం అదేస్థాయిలో ఉంది. అయితే, బాగా పూర్తి కాని సంభావ్యత శాంప్లింగ్ పేలవంగా పూర్తి సంభావ్యత శాంప్లింగ్ కంటే మెరుగైన అంచనాలు ఉత్పత్తి చేయవచ్చు. భవిష్యత్తులో, నేను కాని సంభావ్యత శాంప్లింగ్ అయితే సంభావ్యత శాంప్లింగ్ దారుణంగా మరియు ఖరీదైన పొందుతారు మంచి మరియు తక్కువ పొందడానికి ఉంటుంది భావిస్తున్నారు.