Wat zijn de verschillende steekproefmethoden?

Er zijn een aantal verschillende bemonsteringsmethoden die worden gebruikt bij het selecteren van een testpaneel voor onderzoek. Dit onderzoek kan het testen van een theorie of een specifiek product omvatten, het uitvoeren van een opiniepeiling of ander onderzoek dat tot doel heeft een bepaalde groep in zijn geheel te dekken. Deze groep staat bekend als de bevolking, hoewel het elk type groep kan betrekken, niet alleen de burgers van één land.

met een kleine bevolking, zoals personeel dat in een bepaald kantoor werkt, is het meestal mogelijk om alle betrokkenen te ondervragen of te testen. Dit staat bekend als een volkstellingstudie. Met de meeste populaties, zoals "iedereen in China van 65 jaar of ouder", is het onmogelijk om iedereen in vraag of testen, dus een voorbeeldgroep moet worden geselecteerd. De verschillende manieren om deze deelnemers te kiezen, staan ​​bekend als bemonsteringsmethoden.

Bemonsteringsmethoden passen in een van de twee hoofdcategorieën: waarschijnlijkheid en niet-waarschijnlijkheid. In een waarschijnlijkheidssteekproefmethode heeft iedereen een bekende kans om geselecteerd te worden, hoewel deze likeOod kan van persoon tot persoon variëren. In een niet-waarschijnlijkheidssteekproefmethode hebben sommige mensen geen kans om te worden geselecteerd omdat de deelnemers worden gekozen uit gespecificeerde delen van de bevolking. Dit kan handiger zijn, maar komt met een prijs: in tegenstelling tot waarschijnlijkheidsbemonstering, maakt niet-waarschijnlijkheidsbemonstering het onmogelijk om te schatten hoe nauwkeurig de steekproefgroep de hele populatie vertegenwoordigt.

De eenvoudigste vorm van waarschijnlijkheidsbemonstering is om mensen willekeurig te selecteren uit een lijst van de hele populatie. Een variatie van deze methode, systematische bemonstering, omvat het uitkiezen van mensen met vaste intervallen langs de lijst, bijvoorbeeld elke honderdste persoon. Beide bemonsteringsmethoden zijn gebrekkig omdat de resulterende steekproefgroep mogelijk niet de samenstelling van de populatie vertegenwoordigt. De voorbeeldgroep kan bijvoorbeeld drie kinderen en zeven volwassenen hebben, wat duidelijk niet representatief is als de hele populatiop is 20% kinderen en 80% volwassenen.

Dit kan worden opgelost met behulp van gestratificeerde bemonstering, waarbij de populatie wordt opgesplitst in bepaalde groepen die gemeenschappelijke factoren delen en deelnemers willekeurig worden geselecteerd uit deze groepen in de juiste verhoudingen. In het bovenstaande voorbeeld zouden de onderzoekers willekeurig twee mensen selecteren uit een lijst van alle kinderen en acht mensen uit een lijst met alle volwassenen. Natuurlijk kan dit worden uitgebreid om andere soorten groep te dekken, zoals per geslacht, om een ​​steekproefgroep te maken die de hele populatie nauwkeuriger weerspiegelt.

De eenvoudigste vormen van niet-waarschijnlijkheidsbemonstering staan ​​bekend als bemonstering van gemak. De onderzoekers kiezen eenvoudigweg de deelnemers die het gemakkelijkst te bemachtigen zijn. Het is duidelijk dat er een sterk risico bestaat dat dit zeer niet representatief is voor de bevolking. Als onderzoekers gedurende de dag bijvoorbeeld op deuren kloppen, zullen ze minder geneigd zijn om deelnemers te krijgen die fulltime werk hebben.

quota -bemonstering combineert gestratificeerdBemonstering en gemaksteamplan en omvatten meestal onderzoekers die deelnemers willen vinden om quota te vullen. In het bovenstaande voorbeeld kunnen de onderzoekers op deuren kloppen totdat ze met in totaal twee kinderen en acht volwassenen hadden gesproken. Hoewel deze methode betekent dat de monstergroep in de juiste verhoudingen is, maakt het selectieproces het onmogelijk om te weten hoe representatief het is. In ons voorbeeld kunnen de acht volwassenen allemaal werkloos zijn, waardoor ze niet representatief zijn voor de meningen van de hele bevolking in een vraag over socialezekerheidsuitkeringen. Daarom wordt quota -steekproef geclassificeerd als een type niet -waarschijnlijkheidsbemonstering.