Sampling methods
Survey sampling can be grouped into two
broad categories: probability-based sampling
(also loosely called ‘random sampling’)
and non-probability sampling. A probabilitybased
sample is one in which the respondents
are selected using some sort of probabilistic
mechanism, and where the probability with
which every member of the frame population
could have been selected into the sample is
known. The sampling probabilities do not
necessarily have to be equal for each member
of the sampling frame.
Types of probability sample include:
• Simple random sampling (SRS) is a method in
which any two groups of equal size in the
population are equally likely to be selected.
Mathematically, simple random sampling selects
n units out of a population of size N such that
every sample of size n has an equal chance of
being drawn.
• Stratified random sampling is useful when
the population is comprised of a number of
homogeneous groups. In these cases, it can be
either practically or statistically advantageous
(or both) to first stratify the population into the
homogeneous groups and then use SRS to draw
samples from each group.
• Cluster sampling is applicable when the natural
sampling unit is a group or cluster of individual
units. For example, in surveys of Internet users it
is sometimes useful or convenient to first sample
by discussion groups or Internet domains, and
then to sample individual users within the groups
or domains.
• Systematic sampling is the selection of every
k th element from a sampling frame or from
a sequential stream of potential respondents.
Systematic sampling has the advantage that a
sampling frame does not need to be assembled
beforehand. In terms of Internet surveying, for
example, systematic sampling can be used to
sample sequential visitors to a website. The
resulting sample is considered to be a probability
sample as long as the sampling interval does not
coincide with a pattern in the sequence being
sampled and a random starting point is chosen.
There are important analytical and practical
considerations associated with how one draws
and subsequently analyzes the results from
each of these types of probability-based sampling
scheme, but space limitations preclude
covering then here. Readers interested in
such details should consult texts such as
Kish (1965), Cochran (1977), Fink (2003), or
Fowler (2002).
Non-probability samples, sometimes called
convenience samples, occur when either the
probability that every unit or respondent
included in the sample cannot be determined,
or it is left up to each individual to choose
to participate in the survey. For probability
samples, the surveyor selects the sample
using some probabilistic mechanism and the
individuals in the population have no control
over this process. In contrast, for example,
a web survey may simply be posted on a
website where it is left up to those browsing
through the site to decide to participate in the
survey (‘opt in’) or not. As the name implies,
such non-probability samples are often used
because it is somehow convenient to do so.
While in a probability-based survey participants
can choose not to participate in
the survey (‘opt out’), rigorous surveys seek
to minimize the number who decide not to
participate (i.e., nonresponse). In both cases it
is possible to have bias, but in non-probability
surveys the bias has the potential to be much
greater, since it is likely that those who
opt in are not representative of the general
population. Furthermore, in non-probability
surveys there is often no way to assess the
potential magnitude of the bias, since there is
generally no information on those who chose
not to opt in.
Non-probability-based samples often
require much less time and effort, and thus
usually are less costly to generate, but
generally they do not support statistical
inference. However, non-probability-based
samples can be useful for research in other
ways. For example, early in the course
of research, responses from a convenience
sample might be useful in developing research
hypotheses. Responses from convenience
samples might also be useful for identifyingissues, defining ranges of alternatives, or
collecting other sorts of non-inferential data.
For a detailed discussion on the application
of various types of non-probability-based
sampling method to qualitative research, see
Patton (2002).
Specific types of non-probability samples
include the following.
• Quota sampling requires the survey researcher
only to specify quotas for the desired number
of respondents with certain characteristics. The
actual selection of respondents is then left up
to the survey interviewers who must match the
quotas. Because the choice of respondents is left
up to the survey interviewers, subtle biases may
creep into the selection of the sample (see, for
example, the Historical Survey Gaffes section).
• Snowball sampling is often used when the
desired sample characteristic is so rare that it is
extremely difficult or prohibitively expensive to
locate a sufficiently large number of respondents
by other means (such as simple random sampling).
Snowball sampling relies on referrals from initial
respondents to generate additional respondents.
While this technique can dramatically lower search
costs, it comes at the expense of introducing
bias because the technique itself substantially
increases the likelihood that the sample will not
be representative of the population.
• Judgement sampling is a type of convenience sampling
in which the researcher selects the sample
based on his or her judgement. For example, a
researcher may decide to draw the entire random
sample from one ‘representative’ Internet-user
community, eventhoughthe population of interest
includes all Internet users. Judgment sampling
can also be applied in even less structured
ways without the application of any random
sampling.
ตัวอย่างวิธีการ
การสุ่มตัวอย่างสามารถแบ่งออกเป็นสองประเภทกว้าง : ความน่าจะเป็นการสุ่มตัวอย่างตาม
( ยังหลวม ๆเรียกว่า ' สุ่ม ' )
ไม่มีความน่าจะเป็นและการสุ่มตัวอย่าง เป็น probabilitybased
ตัวอย่างหนึ่งที่ผู้ตอบแบบสอบถาม
มีเลือกใช้บางประเภทของกลไกการ
และที่น่าจะเป็นด้วย ซึ่งสมาชิกทุกคนของประชากร
กรอบจะได้รับเลือกให้เป็นตัวอย่าง
รู้จัก การสุ่มตัวอย่างความน่าจะเป็นไม่จําเป็นต้องเท่ากัน
ของสมาชิกแต่ละคน โครง
ประเภทของความน่าจะเป็นตัวอย่างรวมถึง :
- สุ่ม ( SRS ) คือ วิธีการที่ 2 กลุ่ม
ขนาดเท่ากัน ในประชากรมีโอกาสเท่าเทียมกันที่จะเลือก .
ทางคณิตศาสตร์ , สุ่มตัวอย่างอย่างง่าย เลือก
ที่อยู่หน่วยของประชากร ขนาดตัวอย่าง n เช่น
ทุกขนาด N ได้มีโอกาสที่เท่าเทียมกันของการวาด
.
- การสุ่มตัวอย่างเป็นประโยชน์เมื่อ
ประชากรประกอบด้วยหมายเลขของ
กลุ่มที่เป็นเนื้อเดียวกัน ในกรณีนี้ มันอาจจะเหมือนกันหรือแตกต่างกันได้ประโยชน์จริง
( หรือทั้งสอง ) จะแบ่งเป็นชั้นๆ ประชากรในกลุ่มที่เป็นเนื้อเดียวกัน แล้วใช้ SRS
วาดตัวอย่างจากแต่ละกลุ่ม แต่ละกลุ่ม สุ่มได้
) เมื่อธรรมชาติเป็นหน่วย กลุ่มหรือกลุ่มของแต่ละหน่วย
ตัวอย่างเช่น ในการสำรวจของผู้ใช้อินเทอร์เน็ตบางครั้งก็เป็นประโยชน์ หรือสะดวก
ตัวอย่างแรกจากกลุ่มอภิปรายหรือโดเมนอินเทอร์เน็ตและ
แล้วตัวอย่างผู้ใช้บุคคลภายในกลุ่ม
หรือโดเมน บริการระบบการสุ่มตัวอย่างการของทุก
K . องค์ประกอบจากกรอบตัวอย่าง หรือจาก
กระแสต่อเนื่องของผู้ตอบแบบสอบถามที่มีศักยภาพ .
สุ่มเป็นระบบที่มีประโยชน์ที่
กรอบตัวอย่างไม่ต้องประกอบ
ไว้ล่วงหน้า ในแง่ของอินเทอร์เน็ตสำรวจสำหรับ
ตัวอย่าง สุ่มตัวอย่างอย่างเป็นระบบสามารถใช้
ตัวอย่างลำดับผู้เข้าเยี่ยมชมเว็บไซต์
ตัวอย่างที่เกิดขึ้นถือเป็นความน่าจะเป็น
ตัวอย่าง ตราบใดที่คนช่วงไม่ได้
ตรงกับรูปแบบในลำดับการ
ศึกษาจุดเริ่มต้นสุ่มเลือก .
มีสำคัญวิเคราะห์และปฏิบัติการพิจารณาที่เกี่ยวข้องกับวิธีหนึ่งเสมอ
และต่อมาวิเคราะห์ผลจาก
แต่ละชนิดเหล่านี้ของความน่าจะเป็นตาม
โครงการตัวอย่าง แต่ข้อ จำกัด พื้นที่ ดักคอ
ครอบคลุมแล้วค่ะผู้อ่านที่สนใจในรายละเอียดดังกล่าวควรปรึกษา
ข้อความ เช่น คีช ( 1965 ) , Cochran ( 1977 ) , 3 ( 2003 ) หรือ
ฟาวเลอร์ ( 2002 ) .
ตัวอย่างความน่าจะเป็นไม่ , บางครั้งเรียกว่า
ตัวอย่างความสะดวกสบายเกิดขึ้นเมื่อเหมือนกัน
เลยน่าจะเป็นที่ทุกหน่วย หรือรวมอยู่ในตัวอย่างไม่สามารถกำหนด
, หรือจะเหลือถึงแต่ละบุคคลที่จะเลือก
มีส่วนร่วมในการสำรวจ สำหรับตัวอย่างความน่าจะเป็น
,เนจที่เลือกใช้กลไกความน่าจะเป็นตัวอย่าง
และบุคคลในประชากรที่ไม่มีการควบคุม
ผ่านกระบวนการนี้ ในทางตรงกันข้าม ตัวอย่างเช่น
เว็บการสำรวจอาจจะโพสต์ในเว็บไซต์ที่เป็นซ้ายขึ้น
ที่เรียกดูผ่านเว็บไซต์ ตัดสินใจที่จะเข้าร่วมในการสำรวจ ( 'opt
' ) หรือไม่ เป็นชื่อนัย ,
ตัวอย่างไม่ดังกล่าวมักจะใช้
ความน่าจะเป็นเพราะมันเป็นอย่างใดสะดวกที่จะทำ ในขณะที่ ในโอกาสเข้าร่วมการสำรวจ
โดยสามารถเลือกที่จะไม่เข้าร่วมในการสำรวจ (
'opt ออก ' ) , การสำรวจ อย่างเข้มงวด เพื่อลดจำนวนผู้ที่แสวงหา
ตัดสินใจไม่เข้าร่วม ( เช่น การไม่ตอบกลับ ) ในทั้งสองกรณีมัน
เป็นไปได้ที่จะมีคติ แต่ไม่มีโอกาสในการสำรวจค่า
มีศักยภาพมากยิ่งขึ้น
การแปล กรุณารอสักครู่..