3 principali tipi di campionamento non probabilistico

Questo articolo getta luce sui tre principali tipi di campionamento non probabilistico. I tipi sono: 1. Campioni accidentali 2. Campioni di quote 3. Campioni finalizzati o giudicati.

Campionamento non probabilistico: tipo 1. Campioni accidentali:

In caso di campionamento accidentale, il ricercatore semplicemente raggiunge e raccoglie i casi che cadono a portata di mano, continuando il processo fino al momento in cui il campione acquisisce la dimensione desiderata. Il ricercatore, ad esempio, può prendere le prime 150 persone che incontra su uno qualsiasi dei percorsi pedonali di una strada, che è disposto a essere intervistato oa fornire il tipo di informazioni che sta cercando.

Allo stesso modo, un funzionario del welfare, che vuole fare alcune generalizzazioni sugli operai delle fabbriche, può studiare i lavoratori di un particolare reparto nella fabbrica in cui lavora.

Un giornalista, desideroso di sapere come si sentono le persone riguardo a un problema, può scegliere di intervistare casi opportunamente disponibili da diversi ambiti della vita, ad esempio insegnanti, lavoratori, tassisti, dettaglianti, casalinghe e altri che si presume riflettano in pubblico opinione.

In tale campione, non c'è, ovviamente, nessun altro modo di stimare la distorsione (differenza tra il valore medio del campione e il valore reale della popolazione) eccetto che facendo uno studio parallelo con un campione probabilistico o eseguendo un censimento completo.

Se si utilizza un campione accidentale, si può solo sperare e pregare che non venga fuorviato in modo eccessivo dalle sue scoperte campionarie che costituiscono la base per stimare lo stato della "popolazione".

Ciò non significa, tuttavia, che i campioni accidentali non abbiano alcun posto nella ricerca scientifica. Questo tipo di campionamento, oltre ad essere economico e conveniente, può anche fornire una base per la stimolazione di intuizioni e ipotesi di lavoro.

Nei casi in cui non è necessaria un'eccessiva accuratezza o in cui la pre-occupazione è accompagnata da indizi di formulazione ipotetica (come negli studi esplorativi), la procedura di campionamento accidentale è abbastanza utile.

Campionamento non probabilistico: tipo 2. Esempi di quota:

Uno dei metodi di campionamento più comunemente utilizzati nelle ricerche di mercato e nei sondaggi elettorali è il metodo di campionamento delle quote. L'obiettivo di base del campionamento delle quote è la selezione di un campione che è una replica della "popolazione" rispetto alla quale si vorrebbe generalizzare.

Il campionamento delle quote, nel complesso, offre l'assicurazione che diversi elementi della "popolazione" saranno inclusi nel campione e che questi elementi saranno presi in considerazione nelle proporzioni in cui si ottengono nella popolazione.

Supponiamo che stiamo campionando da una "popolazione" di ragazze-studenti che comprende il numero totale di ragazze che studiano in istituti di co-educazione e quelli che studiano solo in istituti per ragazze. Supponiamo, vi sia una netta differenza tra le due sottopopolazioni rispetto alle caratteristiche che vogliamo misurare.

Stando così le cose, i risultati del sondaggio darebbero quasi certamente un'immagine fuorviante della "popolazione" totale, se non includessimo un'adeguata percentuale di ragazze che studiano nelle istituzioni di co-educazione.

Il campionatore di contingenti che anticipa tali possibili differenze tra sottogruppi cercherà di garantire l'inclusione nel suo campione di un numero sufficiente di casi da ogni strato per offrire un'immagine affidabile della "popolazione" totale.

Il campionamento delle quote di solito procede in tre passaggi:

(1) La popolazione è classificata in termini di proprietà conosciute o ritenute pertinenti alle caratteristiche da studiare.

(2) La proporzione della popolazione che rientra in ciascuna classe è determinata sulla base della composizione nota, ipotizzata o stimata della popolazione in relazione a quanto sopra.

(3) Infine, a ciascun osservatore o intervistatore è assegnata una quota di rispondenti. La responsabilità di selezionare i rispondenti o soggetti è loro. Le quote sono così fisse che il campione totale osservato o intervistato rifletterebbe le proporzioni tra le classi come determinato nel passaggio precedente (cioè 2).

Poiché l'osservatore o l'intervistatore ha l'ultima parola nella selezione dei soggetti, la selezione degli oggetti / dei casi dipende dal giudizio dell'intervistatore / osservatore. Spesso nella pratica, tuttavia, i vari componenti del campione non sono nella stessa proporzione degli strati corrispondenti nella popolazione.

Gli intervistatori potrebbero non aver seguito le loro istruzioni correttamente e fedelmente. È più probabile che si verifichi una sproporzione tra i campioni e le proprietà della popolazione, in particolare per quanto riguarda i tratti meno manifesti che non sono stati inclusi come parte delle specifiche per intervistatore / osservatore / quote.

Va notato che l'inadeguatezza del campione può essere corretta durante l'analisi pesando i diversi strati in termini di proporzioni nella popolazione (che coinvolgono la moltiplicazione o la divisione dei risultati per le appropriate cifre correttive).

Pertanto, il requisito critico nel campionamento delle quote non è che i vari strati della popolazione siano campionati nelle loro proporzioni corrette; è piuttosto che ci dovrebbero essere casi sufficienti da ogni strato per rendere possibile una stima del valore della popolazione e in secondo luogo che conosciamo la proporzione di ogni strato nella "popolazione" totale.

Se queste due condizioni sono soddisfatte, le stime dei valori per i vari strati possono essere combinate per fornire una stima del valore totale della popolazione.

Nonostante queste precauzioni nel corso della selezione del campione e delle correzioni effettuate durante il corso dell'analisi, il campionamento delle quote può produrre seri errori poiché implica, innegabilmente, una procedura di campionamento accidentale. Una parte del campione in una particolare classe costituisce un campione accidentale del corrispondente strato della popolazione.

I dati per il calcolo delle quote sono generalmente tratti da precedenti risultati del censimento e da alcune fonti contemporanee. Quando si verificano cambiamenti drastici nella società, le quote stimate potrebbero essere seriamente in errore e produrre risultati fuorvianti.

Molto dipende dal giudizio dell'intervistatore / osservatore nel campionamento. In generale, si può presumere che l'osservatore o l'intervistatore riempia le sue quote in un modo che si adatti alla sua convenienza. L'intervistatore ha maggiori probabilità di selezionare persone simili a se stesso sotto molti aspetti.

Pertanto, i campioni stratum-wise potrebbero non essere rappresentativi degli strati nella popolazione. L'intervistatore / osservatore è raramente così ben informato rispetto al ricercatore (se i due sono diversi), quindi ha lasciato a scegliere i campioni da solo, è probabile che introduca due pregiudizi, (a) di classificazione del soggetto e (b) non- selezione casuale.

Il risultato del campionamento delle quote spesso non è un errore grave, ma è difficile stabilire se lo siano o meno. Non abbiamo alcuna garanzia che il campione di quote fornisca risultati affidabili entro un certo limite di tolleranza. E poiché il campionamento casuale, da cui il principio di probabilità, non è coinvolto in nessuna fase, gli errori del metodo non possono essere determinati da procedure statistiche.

Le correzioni matematiche possono essere effettuate se ci sono sproporzioni nei campioni di vari strati. Ma questo passo dipende dalla nostra conoscenza avanzata delle vere proporzioni degli strati nella "popolazione".

Per alcune popolazioni, non si sa solo questo e qui l'unico controllo di cui un investigatore può avvalersi è il processo di campionamento stesso. C'è ormai abbastanza esperienza con il campionamento delle quote in modo che la sua vulnerabilità a determinati tipi di pregiudizi possa essere controllata.

Campionamento non probabilistico: tipo 3. Esempi di giudizio o giudizio:

L'assunto di base dietro il giudizio o il campionamento intenzionale è che con l'esercizio del buon giudizio e della strategia appropriata si possono selezionare i casi "giusti" da includere nel campione e quindi sviluppare campioni soddisfacenti in relazione ai propri bisogni di ricerca.

Una strategia comune di campionamento intenzionale consiste nel selezionare casi giudicati tipici della popolazione a cui si è interessati. La selezione degli elementi procede nel presupposto che gli errori di giudizio nella selezione tenderanno a controbilanciarsi l'un l'altro.

In altre parole, quando le considerazioni pratiche pongono seri pericoli nel modo di adottare, il campionamento probabilistico, il ricercatore cerca un sottogruppo che è tipico della "popolazione" nel suo complesso (per alcune caratteristiche a cui è interessato).

Il sottogruppo è il "barometro" della "popolazione". Le osservazioni sono limitate a questo sottogruppo e le conclusioni di queste osservazioni sono generalizzate alla "popolazione" totale. Ad esempio, un ricercatore interessato all'effetto dell'elettrificazione rurale sulle istituzioni sociali tradizionali può scegliere come campione un particolare villaggio in cui è stata effettuata l'elettrificazione, circa un paio di anni fa.

Fa le sue osservazioni in questo villaggio e crede che ciò che si ottiene qui si otterrebbe anche con poche variazioni in altri villaggi che sono stati anche elettrificati. Tuttavia, non esiste una base dimostrabile per una tale convinzione, ma alla fine potrebbe rivelarsi infondata.

Il giudizio o il campionamento intenzionale è molto precario, perché devono essere fatte ipotesi molto più forti sulla popolazione e sulla procedura di campionamento rispetto a quelle richieste durante l'utilizzo del campionamento probabilistico. In secondo luogo, errori di campionamento e bias non possono essere calcolati per questo tipo di campioni poiché la procedura di campionamento non prevede il campionamento probabilistico in qualsiasi momento.

I dati garantiti sulla base del giudizio o dei campioni finalizzati, nella migliore delle ipotesi, puntano a certe ipotesi, ma in generale non possono essere utilizzate come base per il test statistico delle ipotesi. Pertanto, il campionamento del giudizio ha una grande utilità in studi esplorativi o formulativi che mirano a ottenere intuizioni che potrebbero aiutare a porre problemi o a formulare ipotesi per la ricerca.