Hoe kan een representatief monster leiden tot bemonstering?

3,5 uur lang – OMEM–symposium “Mazen in het Meetnet” (1 april 2017) (December 2024)

3,5 uur lang – OMEM–symposium “Mazen in het Meetnet” (1 april 2017) (December 2024)
Hoe kan een representatief monster leiden tot bemonstering?
Anonim
a:

Een representatief monster leidt, zoals elk ander type monster, door zijn aard tot een mate van vertekening van de sampling of sampling error. Analyses die gebaseerd zijn op gegevens die van een steekproef zijn verkregen, kunnen niet zo nauwkeurig zijn als analyses met behulp van gegevens van de gehele populatie of alle factoren of instanties waaruit het monster is getrokken. Om financiële redenen en in de tijd is het echter vaak nodig om monsters te nemen en het gebruik van bepaalde soorten monsters, waaronder representatieve monsters, vermindert in sterke mate de mate van bemonstering van een onderzoek en zorgt voor meer vertrouwen bij het maken van statistische gevolgtrekkingen over de grotere populatie, factoren of instanties.

Het gebruik van representatieve monsters is een van de meest effectieve methoden om de bias van de steekproef te verminderen. Een representatief monster geeft nauwkeurig de grotere populatie weer, of representeert de factoren of instanties die worden bestudeerd volgens de kenmerken of kwaliteiten die worden onderzocht. Als een analyse bijvoorbeeld betrekking heeft op voorkeuren van een consumentenpopulatie in een bepaald gebied op basis van geslacht, ligt de verhouding man-vrouw van het representatieve monster zo dicht mogelijk bij de verhouding tussen man en vrouw van de gehele consumentenpopulatie.

Het gebruik van de representatieve steekproefmethode alleen is niet genoeg om ervoor te zorgen dat de vertekening verwaarloosbaar is, vooral wanneer conclusies worden getrokken uit de resultaten van de steekproef met betrekking tot de grotere populatie. Willekeurige steekproeven uit de algemene bevolking zijn ook belangrijk. Bij willekeurige steekproeven heeft elk lid van de grotere populatie dezelfde kans om gekozen te worden. Als in het bovenstaande voorbeeld de consumentenpopulatie bestaat uit consumenten in een specifieke staat, maar de steekproef is gekozen uit slechts twee provincies, is de kans groter dat de steekproef vooringenomen is omdat kopers uit andere landen geen gelijke kans hadden om vertegenwoordiging. De grootte van de groep kan ook optimaal worden berekend om de bias van de steekproef te verminderen.