Když se výzkumníci při shromažďování dat odchýlí od jednoduchého náhodného vzorkování, riskují, že shromáždí zkreslené vzorky, které nereprezentují celou populaci. Zjistěte, jak může zkreslení vzorkování narušit výzkumné studie, a získejte tipy, jak se vyhnout chybám při vzorkování ve vlastních návrzích průzkumu.
Co je zkreslení vzorku?
Zkreslení vzorku je jev, ke kterému dochází, když návrh výzkumné studie selže při sběru reprezentativního vzorku cílové populace. K tomu obvykle dochází, protože výběrová kritéria pro respondenty nedokázala zachytit dostatečně široký rámec výběru, aby reprezentovala všechna hlediska.
Běžné příčiny zkreslení vzorků
Příčina zkreslení vzorku je téměř vždy způsobena jednou ze dvou podmínek.
- Špatná metodologie : Ve většině případů se nereprezentativní vzorky objeví, když výzkumníci nastaví nevhodné parametry pro průzkum. Nejpřesnější a opakovatelnou metodou výběru je jednoduchý náhodný výběr, kdy je náhodně vybrán velký počet respondentů. Když se výzkumníci odchýlí od náhodného výběru (také nazývaného pravděpodobnostní výběr), riskují, že do náboru respondentů vnesou své vlastní výběrové zkreslení.
- Špatné provedení : Výzkumníci dat někdy vytvářejí vědecky podložené metody vzorkování, ale jejich práce je podkopána, když terénní pracovníci škrtají. Tím, že se terénní pracovník vrátí k praktickému vzorkování (kde jsou studováni pouze ti, kteří jsou snadno dosažitelní), nebo se vzdá oslovování lidí, kteří nereagují, může terénní pracovník ohrozit pečlivou metodologii nastavenou datovými vědci.
Příklad vzorkování zkreslení
Chcete-li si představit příklad zkreslení vzorků, představte si, že čtete průzkum, který uvádí, že nejoblíbenějším jídlem v Americe byl tuřín v páře. Zdá se vám, že výsledek je zvláštní, protože nikdo, koho znáte, nikdy nevyjádřil afinitu k tuřínu v páře. Když zkoumáte metody odběru vzorků výzkumníků, zjistíte, že vybrali velmi malou velikost vzorku se silnými názory na tuřínovou kuchyni. Konkrétně jste našli převzorkování lidí, kteří pracují v průmyslu vodnice, což činí celý výzkumný vzorek pochybným. Průzkum jako takový nezachytil přesně kulinářské preference Američanů a bude zapotřebí následný výzkum.
6 typů vzorkování
Zvažte šest nejběžnějších typů zkreslení vzorků, které mohou tlumit externí validitu studijních dat.
1. Zkreslení vlastního výběru: Tento zdroj zkreslení trápí studie, které se spoléhají na dobrovolné reakce, také známý jako zkreslení bez odezvy. Když vzorky vykazují zkreslení sebevýběru, nadměrně reprezentují podskupinu populace, která pociťuje určitý druh sklonu se k problému přiklánět. Například v prezidentských volebních průzkumech se ukázalo, že předpojatost k sebevýběru je nadměrně zastoupena lidmi, kteří důvěřují institucím (jako jsou průzkumné firmy) a pozorně sledují zprávy.
2. Předpojatost pozorovatele: Tento typ vzorkování se často objevuje, když výzkumníci vkládají své vlastní názory do dotazníků, což může lidem bránit v neutrální odpovědi. Průzkumy zatížené nabitými otázkami se často objevují v partizánském volebním průmyslu.
3. Předpojatost týkající se přežití: Předpojatost týkající se přežití převáží respondenty, kteří „přežili“ výběrová kritéria, ale nemusí nutně představovat celou populaci. Například průzkumy absolventů středních škol o efektivitě veřejných škol mohou odříznout potřebnou perspektivu těch, kteří nedokončili studium a nezískali diplom.
4. Zaujatost v oblasti skrytého pokrytí : Nazývá se také zkreslení vyloučení a dochází k ní, když výzkumníci nedostatečně zkoumají sledovanou populaci. To může někdy vysledovat až k praktickému vzorkování, kdy výzkumníci a terénní pracovníci zkoumají pouze jednotlivce, kteří jsou snadno dosažitelní.
5. Zaujatost zdravých uživatelů : Tento typ zkreslení – nejčastěji se vyskytující ve studiích o zdraví – převyšuje vzorky zdravých členů populace.
6. Berksonův omyl: Opakem zaujatosti zdravého uživatele je Berksonův omyl, když inspektoři zkoumají pouze ty, kteří jsou velmi nemocní, jako jsou nemocniční pacienti. V této situaci jsou zdraví lidé nedostatečně zastoupeni.
Jak se vyhnout zkreslení vzorků
Nejlepší způsob, jak se vyhnout zkreslení vzorkování, je držet se metod vzorkování založených na pravděpodobnosti. Patří mezi ně jednoduché náhodné vzorkování, systematické vzorkování, skupinové vzorkování a stratifikované vzorkování. V těchto metodologiích jsou respondenti vybíráni pouze prostřednictvím procesů náhodného výběru – i když jsou někdy během cesty tříděni do demografických skupin.
Opačná forma vzorkování se nazývá nepravděpodobnostní vzorkování a vnáší do sběru dat formy zkreslení. Toto zkreslení může spočívat v pohodlí – jako v případě výhodného vzorkování – nebo může zahrnovat předem určené představy o populaci zájmu, jako je tomu v případě kvótního vzorkování. Nepravděpodobnostní vzorkování hraje roli při sběru a analýze dat. Mimo jiné je obvykle dostupnější než skutečný náhodný výběr, ale jeho nevýhodou je jeho zranitelnost vůči zkreslení.