Ikke-samplingsfejl refererer til en fejl, der opstår som følge af resultatet af dataindsamlingen, hvilket får dataene til at afvige fra de sande værdier. Det adskiller sig fra prøveudtagningsfejl, hvilket er enhver forskel mellem prøveværdierne Tilfældig variabel En tilfældig variabel (stokastisk variabel) er en type variabel i statistikker, hvis mulige værdier afhænger af resultatet af et bestemt tilfældigt fænomen og de universelle værdier, der kan resultere fra en begrænset prøveudtagningsstørrelse.
Ikke-samplingsfejl kan komme i en række forskellige former, herunder manglende responsfejl, målefejl, interviewerfejl, justeringsfejl og behandlingsfejl.
Mekanik for ikke-prøveudtagningsfejl
Ikke-stikprøvefejl kan opstå, når der enten tages en stikprøve eller en hel population (folketælling). Det falder ind under to kategorier:
1. Tilfældige fejl
Tilfældige fejl er fejl, der ikke kan redegøres for og bare sker. I statistiske undersøgelser antages det, at hver tilfældig fejl udligner hinanden generelt, så de er ringe eller ingen bekymring.
2. Systematiske fejl
Systematiske fejl påvirker stikprøven af undersøgelsen og vil derfor ofte skabe ubrugelige data. En systematisk fejl er konsekvent og gentagelig, så skaberne af undersøgelsen skal være meget forsigtige med at afbøde en sådan fejl.
Ikke-stikprøvefejl kan forekomme fra flere aspekter af en undersøgelse. De mest almindelige ikke-samplingsfejl inkluderer fejl i dataindtastning, forudindtagede spørgsmål og beslutningstagning, manglende svar, falske oplysninger og upassende analyse.
Typer af ikke-prøveudtagningsfejl
Der er flere typer ikke-samplingsfejl, herunder:
1. Manglende fejl
En ikke-svarfejl er forårsaget af forskellene mellem de mennesker, der vælger at deltage i forhold til de mennesker, der ikke deltager i en given undersøgelse. Med andre ord eksisterer det, når folk får mulighed for at deltage, men vælger ikke at gøre, derfor er deres undersøgelsesresultater ikke inkorporeret i dataene.
2. Målefejl
En målefejl henviser til alle fejl i forbindelse med målingen af hver prøveudtagningsenhed i modsætning til fejl i forbindelse med, hvordan de blev valgt. Fejlen opstår ofte, når der er forvirrende spørgsmål, data af lav kvalitet på grund af prøveudmattelse (dvs. nogen er trætte af at tage en undersøgelse) og måleværktøjer af lav kvalitet Målingsniveau I statistikker er målingsniveau en klassifikation, der relaterer de værdier, der tildeles variabler med hinanden. Med andre ord niveau af.
3. Interviewfejl
Interviewfejl opstår, når intervieweren (eller administratoren) laver en fejl, når han optager et svar. I kvalitativ forskning kan en interviewer føre en respondent til at svare på en bestemt måde. I kvantitativ forskning kan en interviewer stille spørgsmålet på en anden måde, hvilket fører til et andet slutresultat.
4. Justeringsfejl
En justeringsfejl beskriver en situation, hvor analysen af dataene justerer dem på en sådan måde, at de ikke er helt nøjagtige. Former for justeringsfejl inkluderer fejl med vægtning af data, datarensning og imputation.
5. Behandlingsfejl
En behandlingsfejl opstår, når der er et problem med behandling af data, der forårsager en eller anden slags fejl. Et eksempel kan være, hvis dataene blev indtastet forkert, eller hvis datafilen er korrupt.
Sampling Error vs. Non-Sampling Error
Ofte bruges prøveudtagningsfejl og ikke-prøveudtagningsfejl i lignende sammenhænge, men der er nogle afgørende forskelle mellem begge begreber. De omfatter:
1. Samplingsfejl kan opstå, selv når der ikke er foretaget nogen åbenbar fejl i modsætning til ikke-samplingsfejl, der opstår, når der opstår en fejl.
2. Samplingsfejl opstår, når prøven ikke er repræsentativ for den universelle sandhed, hvorimod ikke-samplingsfejl er specifik for et bestemt undersøgelsesdesign.
3. Prøveudtagningsfejl kan reduceres kraftigt, når prøveudtagningsstørrelsen øges, men ikke-prøveudtagningsfejl kræver mere metodiske processer for at reducere.
4. Prøveudtagningsfejl er ofte forårsaget af interne faktorer, hvorimod ikke-prøveudtagningsfejl er forårsaget af eksterne faktorer, der ikke helt er relateret til en undersøgelse, undersøgelse eller folketælling.
Sådan reduceres fejl
Reduktion af ikke-samplingsfejl opnås ikke så let som at reducere samplingsfejl. Med prøveudtagningsfejl kan du reducere risikoen for fejl ved blot at øge stikprøvestørrelsen. Det fungerer ikke for ikke-samplingsfejl, hvilket ofte er meget vanskeligt at opdage og eliminere (medmindre der overvejes meget metodisk kilden til fejlen).
For effektivt at reducere ikke-prøveudtagningsfejl skal der tages meget nøje hensyn til dem, der designer undersøgelsen for at sikre validiteten af resultaterne. Som sådan kan en forsker designe en mekanisme i undersøgelsen for at reducere fejlen, mens den derefter ikke introducerer en anden fejl.
For eksempel kan en forsker betale den enkelte en bonus afhængigt af nøjagtigheden af deres dataindtastning, eller de kan filme alle interviews for at sikre, at intervieweren forbliver på emnet og på scriptet.
Yderligere ressourcer
Finance er den officielle udbyder af Certified Banking & Credit Analyst (CBCA) ™ CBCA ™ -certificering Certified Banking & Credit Analyst (CBCA) ™ -akkreditering er en global standard for kreditanalytikere, der dækker finansiering, regnskab, kreditanalyse, pengestrømsanalyse, pagtermodellering, tilbagebetaling af lån og mere. certificeringsprogram, der er designet til at omdanne enhver til en finansanalytiker i verdensklasse.
For at hjælpe dig med at blive en finansanalytiker i verdensklasse og fremme din karriere til dit fulde potentiale, vil disse yderligere ressourcer være meget nyttige:
- Cluster Sampling Cluster Sampling I statistikker er cluster sampling en prøvetagningsmetode, hvor hele undersøgelsens population er opdelt i eksternt homogen, men internt
- Parameter Parameter En parameter er en nyttig komponent i statistisk analyse. Det refererer til de egenskaber, der bruges til at definere en given population. Det er vant til
- Prøveudvælgelsesforstyrrelse Prøveudvælgelsesforstyrrelse Prøveudvælgelsesforstyrrelse er den bias, der skyldes manglende evne til at sikre korrekt randomisering af en populationsprøve. Fejlene ved prøveudvælgelsen
- Type I-fejl Type I-fejl I statistisk hypotesetest er en type I-fejl i det væsentlige afvisning af den sande nulhypotese. Type I-fejlen er også kendt som den falske