SurveyMonkey เพิกเฉยต่อข้อเท็จจริงที่ว่าคุณได้รับตัวอย่างที่ไม่ใช่แบบสุ่มหรือไม่?

SurveyMonkey มีขั้นตอนและแผนภูมิสำหรับคุณในการหาขนาดตัวอย่างที่คุณต้องการสำหรับระยะขอบข้อผิดพลาดหรือช่วงความเชื่อมั่นที่กำหนดตามขนาดประชากรของคุณ

ขนาดตัวอย่าง SurveyMonkey

แผนภูมินี้ไม่สนใจความจริงที่ว่าคุณจะไม่ได้รับตัวอย่างแบบสุ่มเนื่องจากคุณจะได้รับเฉพาะผู้ที่สนใจตอบแบบสอบถามเท่านั้น

ฉันได้รับคำเตือนเมื่อฉันพิมพ์สิ่งนี้ว่าคำถามดูเหมือนเป็นอัตวิสัยดังนั้นฉันอาจไม่ได้ถามอย่างถูกต้อง มันไม่ได้เกี่ยวกับ SurveyMonkey แต่เป็นคำถามทั่วไป - คุณสามารถคำนวณช่วงความมั่นใจจากข้อมูลการตอบกลับโดยสมัครใจโดยใช้เทคนิคขั้นสูงที่ฉันไม่รู้หรือไม่?

ในการสำรวจความคิดเห็นหรือการสำรวจระดับชาติเห็นได้ชัดว่าพวกเขาจะต้องจัดการกับปัญหานี้ การศึกษาของฉันไม่ได้ครอบคลุมเทคนิคการสุ่มตัวอย่างแบบสำรวจในเชิงลึก แต่ฉันคิดว่ามันเกี่ยวข้องกับการรวบรวมข้อมูลประชากรและการใช้เพื่อทราบว่าตัวแทนตัวอย่างของคุณมีวิธีอย่างไร

แต่นอกเหนือจากนั้นสำหรับการสำรวจออนไลน์อย่างง่ายพวกเขาเพียงแค่สมมติว่าคนที่ใส่ใจที่จะตอบสนองนั้นเป็นกลุ่มตัวอย่างแบบสุ่มของประชากรหรือไม่

คำตอบสั้น ๆ คือใช่: Monkey Monkey ไม่สนใจอย่างที่คุณได้รับตัวอย่างมา สำรวจลิงไม่ฉลาดพอที่จะคิดว่าสิ่งที่คุณรวบรวมไม่ได้เป็นตัวอย่างความสะดวกสบาย แต่แทบทุกสำรวจสำรวจลิงเป็นตัวอย่างที่สะดวก สิ่งนี้จะสร้างความคลาดเคลื่อนอย่างมากในสิ่งที่คุณคาดการณ์ว่าจะไม่มีการสุ่มตัวอย่างเลี่ยงได้อย่างแท้จริง ในอีกด้านหนึ่งคุณสามารถกำหนดประชากร (และความสัมพันธ์ในนั้น) คุณจะได้รับจาก SRS ในอีกทางหนึ่งคุณสามารถกำหนดจำนวนประชากรที่กำหนดโดยการสุ่มตัวอย่างที่ไม่ใช่แบบสุ่มของคุณนั่นคือการเชื่อมโยงที่คุณสามารถทำได้ประมาณการ (และกฎพลังงานถือสำหรับค่าดังกล่าว) มันขึ้นอยู่กับคุณในฐานะนักวิจัยเพื่อหารือเกี่ยวกับความคลาดเคลื่อนและให้ผู้อ่านตัดสินใจได้อย่างแม่นยำว่าตัวอย่างที่ไม่สุ่มนั้นสามารถประมาณแนวโน้มที่แท้จริงได้อย่างไร

$\mbox{Bias}_n = \theta - \hat{\theta}_n$$\hat{\theta} \rightarrow_p \theta$$\hat{\theta} \not\to_p \theta$ในทฤษฎีความน่าจะเป็น การศึกษาผู้เชี่ยวชาญด้านการออกแบบ (เช่นนักระบาดวิทยา) เลือกนิสัยที่ไม่ดีในการเรียก "อคติ" ที่ไม่คงเส้นคงวา ในกรณีนี้มันเลือกอคติหรืออคติอาสาสมัคร แน่นอนว่ามันเป็นรูปแบบของความลำเอียง แต่ความไม่สอดคล้องก็หมายความว่าไม่มีการสุ่มตัวอย่างจำนวนหนึ่งที่จะแก้ไขปัญหาได้

ในการประเมินการเชื่อมโยงระดับประชากรจากข้อมูลตัวอย่างความสะดวกสบายคุณจะต้องระบุกลไกการสุ่มตัวอย่างความน่าจะเป็นที่ถูกต้องและใช้น้ำหนักความน่าจะเป็นแบบผกผันในการประมาณทั้งหมดของคุณ ในสถานการณ์ที่ไม่ค่อยเกิดขึ้น การระบุกลไกดังกล่าวเป็นไปไม่ได้ในทางปฏิบัติ เวลาที่สามารถทำได้คือในกลุ่มของบุคคลที่มีข้อมูลก่อนหน้านี้ที่ได้รับการทาบทามให้กรอกแบบสอบถาม ความน่าจะเป็นแบบไม่ตอบสนองนั้นสามารถประมาณได้ว่าเป็นหน้าที่ของข้อมูลก่อนหน้านั้นเช่นอายุเพศ SES, ... การให้น้ำหนักช่วยให้คุณมีโอกาสคาดการณ์ว่าผลลัพธ์ที่ได้จะเป็นอย่างไรในประชากรที่ไม่ตอบกลับ การสำรวจสำมะโนประชากรเป็นตัวอย่างที่ดีของการมีส่วนร่วมของน้ำหนักความน่าจะเป็นผกผันสำหรับการวิเคราะห์ดังกล่าว