抽樣誤差
時間:2013-06-11 16:36 閱讀:6891 整理:市場調研公司
任何調查所獲信息(調查數據)質量都存在誤差,而這種誤差在評估調查質量時都是必須的,作為調查管理者必須判斷這些結果的精度范圍。因此,這就需要仔細研究所使用的調研方法可能導致的誤差類型。
綜合市場調查理論和實踐經驗,可將調查中出現的誤差做如下的概況:
(1)抽樣誤差
抽樣過程中主要存在著以下兩類誤差:隨機誤差和系統誤差。有時也稱為偏差。調查中通常試圖對目標總體中具有代表性的一個側面進行調查而獲得信息。它旨在根據抽取樣本的調查結果而推測總體的情況。因此,即使樣本選擇過程是適當的,調查結果仍不免因偶然性而產生一定的誤差(隨機誤差或隨機抽樣誤差),這種誤差是不可避免的,它只能隨著抽樣規模的增加而減小。通常在樣本量設計時,我們可以以一定的置信水平來估計隨機抽樣的誤差。
(2)系統誤差
系統誤差或偏差是指因調研設計或實施抽樣設計中的錯誤或問題而產生的誤差。如果抽樣的結果與我們根據被調查對象的真實值所做的估計值總是有一定的偏差(固定的偏高或偏低),則抽樣結果便很有可能存在系統誤差。系統誤差包括除隨機抽樣之外所有可能產生的誤差。因此,有時系統誤差又被稱為非抽樣誤差,從系統上影響抽樣調研的結果。非抽樣誤差分為樣本設計誤差和測量誤差。樣本設計誤差是因樣本設計或樣本抽選過程而產生的誤差。
樣本設計誤差的產生有多種原因:
抽樣框誤差-抽樣框是指對于某一類人口類型和成員的一個總體清單。樣本將從這個總體清單中加以選取。抽樣框誤差便是因不準確或不完整的抽樣框而引起的誤差。問題是,從包含抽樣誤差的抽樣框中抽取的樣本有時無法正確地代表調研目標的實際情況,這就存在抽樣框誤差。舉個例子,以電話號碼薄作為抽樣框,在對某地區所有住戶進行的某種意向調查時,就存在著抽樣框誤差。
調研對象范圍誤差-調研對象范圍誤差是因為對調研對象范圍限定的不準確而引起的誤差。例如,我們將某項研究對象限定在 35 歲以上,后來,我們發現不少 35 歲以下的年輕人也應該包含在這個研究之中,即當初的我們的限定范圍是不正確的,這樣的抽樣便產生了誤差。
選樣誤差-即使抽樣框的組建與調研對象范圍的確定都沒有什么問題,抽樣誤差也有可能發生。抽選誤差是因為不完整或不恰當的抽選過程,或者正確的抽選過程未得以恰當的執行而產生的誤差。例如,在入戶調查時,訪問員會因為不同的原因繞開被認為是“不友好的”住戶,這樣的話便會產生選樣誤差。特別是在非隨機抽樣中,選樣誤差是一個更為嚴重的問題。
(3)測量誤差
測量誤差對于抽樣調查的準確性來說,比隨機誤差更具危害性。在許多調查報告中,包括媒介上發布公眾意向調查,都會給出一個誤差指數。對很多調研報告使用者來說,一般認為這個指數是針對總體誤差而言,其實并非如此。這個數字僅代表隨機抽樣誤差,它并不包括樣本設計誤差,也沒有涉及調研結果中的測量誤差。
測量誤差是指所獲得的原始信息(實際價值)與經測量處理的信息之間的差異。在信息處理過程中會因多種因素而產生測量誤差。
替代信息誤差-是指實際所需的信息與調研者所收集信息之間的差距而產生的誤差。這種誤差與調研設計的主要問題有關,特別是對一些問題不恰當定義而產生的。
調研員誤差-是指因調研員與被調研者之間的相互作用而引起的誤差。調研員有時會自覺或不自覺地影響被調研者,使之給出不真實或不準確的回答。
測量工具誤差-測量工具誤差是指因測量工具或問卷而產生的誤差。這種誤差是由于所提出的問題或問卷設計中的某些因素而導致回答的偏差或者使回答時容易產生錯誤。這種類型的錯誤能夠通過細致的問卷修改和在實地調研前進行充分的試調查而加以避免。
數據處理誤差-主要是指調研資料或調研數據在向計算機輸入過程中所產生的誤差。例如,在計算機輔助電話訪談中,訪問員可能錯誤地輸入某個問題的答案。這類錯誤可以通過在數據錄入以及調研結果處理過程中嚴格的質量控制加以避免。
拒訪誤差-如果我們從某個特定群體中抽選 400 個樣本,理想的情況是對這 400 個樣本都進行調查。而在實際中,這是很難實現的。在郵寄調研中,回答率一般在 5% 左右,甚至更低。因這種差異而引起的誤差被稱為“拒訪誤差”。很明顯,回答率越高,拒訪誤差的影響便越小,因為拒訪者在總體中占的比例減小了。
拒訪誤差在以下三種情況下發生:①在特定時間無法聯系到被訪者;②雖然得到了默許,但在當時的環境下不能或不愿意接受訪談;③雖然能夠聯系到被訪者,但被訪者拒絕接受訪問。其中,最后一種情況最為嚴重。因為,前兩種情況都有重新進行調研的可能。現在,拒訪率已經達到了前所未有的水平,大約近 40% 。好在大部分人并非在所有情況下都拒絕訪問。
回答誤差-如果被訪問者在某一特定問題的回答中有特定的偏向,則產生回答誤差?;卮鹫`差的產生有兩種基本的形式:有意錯誤與無意錯誤。有意錯誤的產生是因為被調查者故意對所提問題做出不真實回答;無意錯誤是指回答者希望能夠做出真實、準確的回答,但卻給出了不正確的答案。這種類型的誤差可能是由于問題的格式、內容或其他原因造成的。

關注公眾號
獲取更多行業資訊
本站文章內容以及所涉數據、圖片等資料來源于網絡,轉載目的在于傳遞更多信息。版權歸作者所有,文章僅代表作者觀點,不代表華夏經緯立場。 如涉及侵權,請聯系管理員刪除。在法律許可的范圍內,華夏經緯(廣州)數據科技股份有限公司享有最終解釋權。