क्या सर्वेक्षणमोनकी इस तथ्य की अनदेखी करता है कि आपको एक गैर-यादृच्छिक नमूना मिलता है?

Question

SurveyMonkey में आपके जनसंख्या आकार के आधार पर त्रुटि या विश्वास अंतराल के दिए गए मार्जिन के लिए आपको कौन सा नमूना आकार चाहिए, यह पता लगाने के लिए चरण और एक चार्ट है।

सर्वेमोंकी नमूना आकार

क्या यह चार्ट केवल इस तथ्य को अनदेखा करता है कि आपको एक यादृच्छिक नमूना नहीं मिलेगा, क्योंकि आप केवल उन लोगों को प्राप्त करते हैं जो सर्वेक्षण का जवाब देने के लिए परेशान करते हैं?

मुझे चेतावनी दी जा रही है क्योंकि मैं यह लिखता हूं कि यह प्रश्न व्यक्तिपरक है, इसलिए शायद मैं इसे सही तरीके से नहीं पूछ रहा हूं। यह वास्तव में सर्वेमोनकी के बारे में नहीं है, लेकिन एक अधिक सामान्य प्रश्न है - क्या आप वास्तव में कुछ उन्नत तकनीकों का उपयोग करके स्वैच्छिक प्रतिक्रिया डेटा से विश्वास अंतराल की गणना कर सकते हैं जिनके बारे में मुझे नहीं पता है?

एक्जिट पोल या राष्ट्रीय सर्वेक्षणों में, जाहिर है कि उन्हें इस समस्या से निपटना होगा। मेरी शिक्षा ने गहराई में सर्वेक्षण नमूनाकरण तकनीकों को कवर नहीं किया, लेकिन मुझे लगता है कि इसमें जनसांख्यिकीय डेटा एकत्र करना और इसका उपयोग करना है कि यह जानने के लिए कि आपके पास एक नमूना कैसे है।

लेकिन इससे अलग, एक साधारण ऑनलाइन सर्वेक्षण के लिए, क्या वे सिर्फ यह मान रहे हैं कि जो लोग जवाब देने के लिए परेशान हैं, वे आबादी का एक यादृच्छिक नमूना हैं?

Answer 1

संक्षिप्त उत्तर हां है: सर्वेक्षण बंदर बिल्कुल इस बात की अनदेखी करता है कि आपने अपना नमूना कैसे प्राप्त किया। सर्वेक्षण बंदर ग्रहण करने के लिए है कि क्या आप इकट्ठे हुए हैं स्मार्ट पर्याप्त नहीं है नहीं है एक सुविधा नमूना है, लेकिन लगभग हर सर्वेक्षण बंदर सर्वेक्षण है एक सुविधा नमूना। यह वास्तव में भारी विसंगति पैदा करता है कि आप क्या अनुमान लगा रहे हैं कि सरासर नमूने की कोई राशि समाप्त नहीं हो सकती। एक तरफ आप एक आबादी (और संघों) को परिभाषित कर सकते हैं जो आप एसआरएस से प्राप्त करेंगे। दूसरे पर, आप अपने गैर-यादृच्छिक नमूने द्वारा परिभाषित आबादी को परिभाषित कर सकते हैं , वहां के संघ जो आप कर सकते हैंअनुमान (और शक्ति नियम ऐसे मूल्यों के लिए पकड़ रखते हैं)। यह विसंगति पर चर्चा करने के लिए एक शोधकर्ता के रूप में आपके ऊपर है और पाठक को वास्तव में यह तय करने दें कि गैर-यादृच्छिक नमूना वास्तविक प्रवृत्ति को अनुमानित करने में कितना वैध हो सकता है।

$\mbox{Bias}_n = \theta - \hat{\theta}_n$$\hat{\theta} \rightarrow_p \theta$$\hat{\theta} \not\to_p \theta$संभाव्यता सिद्धांत में। अध्ययन डिजाइन विशेषज्ञों (जैसे महामारी विज्ञानियों) ने असंगतता को "पूर्वाग्रह" कहने की बुरी आदत को उठाया है। इस मामले में, यह चयन पूर्वाग्रह या स्वयंसेवक पूर्वाग्रह है। यह निश्चित रूप से पूर्वाग्रह का एक रूप है, लेकिन असंगतता का अर्थ है कि नमूने की कोई भी राशि कभी भी समस्या को ठीक नहीं करेगी।

सुविधा नमूना डेटा से जनसंख्या स्तर के संघों का अनुमान लगाने के लिए, आपको नमूना संभाव्यता तंत्र की सही पहचान करनी होगी और अपने सभी अनुमानों में व्युत्क्रम संभाव्यता भार का उपयोग करना होगा। बहुत ही दुर्लभ स्थितियों में यह समझ में आता है। इस तरह के तंत्र की पहचान करना अभ्यास में असंभव के बगल में है। ऐसा समय जो किया जा सकता है, पिछली जानकारी वाले व्यक्तियों के एक समूह में होता है, जिन्हें एक सर्वेक्षण भरने के लिए संपर्क किया जाता है। Nonresponse प्रायिकता का अनुमान उस पिछली जानकारी के एक कार्य के रूप में लगाया जा सकता है, जैसे कि आयु, लिंग, SES, ... भारोत्तोलन आपको यह बताने का मौका देता है कि गैर-उत्तरदाता आबादी में क्या परिणाम होंगे। जनगणना ऐसे विश्लेषणों के लिए व्युत्क्रम संभाव्यता भार की भागीदारी का एक अच्छा उदाहरण है।

Comments

क्या आप उस अर्थ पर थोड़ा विस्तार कर सकते हैं जिसमें एक सुविधा नमूने को असंगत माना जा सकता है लेकिन पक्षपाती नहीं ? ऐतिहासिक रूप से कई सुविधा नमूने गंभीर रूप से पक्षपाती हो गए हैं (और "पक्षपातपूर्ण" ठीक वही शब्द है जिसका उपयोग लोगों ने उनका वर्णन करने के लिए किया है): 1936 का साहित्यिक डाइजेस्ट पोल शायद सबसे प्रसिद्ध उदाहरण है।

— whuber

@whuber मेरे "असंगत" शब्दावली का उपयोग करने के लिए क्षमा करें। पूर्वाग्रह कुछ ऐसा था जिसे मैंने बड़े नमूनों में छोड़ दिया था, जबकि अनुमान है कि जो असंगत हैं वे कभी बड़े नमूनों में परिवर्तित नहीं होते हैं। संभावित सिद्धांत में, असंगत अनुमानकों के उदाहरण कुछ और दूर हैं, लेकिन एक अध्ययन के दृष्टिकोण से वे हर समय फसल लेते हैं। दिलचस्प बात यह है कि महामारी विज्ञानियों का कहना है कि "पूर्वाग्रह" (यानी चयन पूर्वाग्रह)। लेकिन पोस्टरों के सवाल से प्रतीत होता है कि "नमूनाकरण अधिक" पूर्वाग्रह को कम करेगा, जैसा कि पूर्वाग्रह के संभाव्यता सिद्धांत प्रकार के साथ मामला हो सकता है।

— एडमों

मुझे यकीन नहीं है कि मुझे यह सब समझ में आया है, इसलिए मुझे सिर्फ एक छोटे से हिस्से पर ध्यान केंद्रित करने दें: क्या आप (या आप नहीं हैं) कि बड़े [सुविधा] नमूने पूर्वाग्रह को कम करते हैं? मुझे आशा है कि आप नहीं हैं, क्योंकि यह निश्चित रूप से गलत है! (यह भी एक कारण साहित्यिक डाइजेस्ट सर्वेक्षण कुख्यात है है: यह सबसे बड़ी किए में से एक और सबसे बड़ा पूर्वाग्रहों से एक प्रदर्शन किया है, भी है।)

— whuber

वास्तव में नहीं! अधिक नमूना लेने से इस तरह के आंतरिक पूर्वाग्रह को खत्म नहीं किया जा सकता है। यह मुद्दा यहाँ है। पोस्टर एक गैर-आयामी नमूने के साथ जनसंख्या संघ का अनुमान लगाने के लिए सत्ता में रुचि रखता है, और मेरी बात यह है कि आपके पास अनुमान लगाने के लिए हमेशा 0 शक्ति है (जब तक कि बहुत सावधान और जटिल भार तंत्र कार्यरत नहीं हैं)।

— एडमों

अंतिम टिप्पणी के लिए धन्यवाद; यह आपके उत्तर के एक हिस्से को साफ करता है जिसे मैंने अन्यथा गलत समझा हो सकता है। (+1)

— whuber