ÉChantillons de probabilités et de non-probabilités Différents

Les échantillons sont une partie importante des études de marché, car il n'est généralement pas possible de faire des observations directes de tous les membres d'une population à l'étude. Un échantillon est un sous-ensemble d'une population. Il faut veiller à ce que l'échantillon corresponde à l'ensemble de la population de toutes les façons qui pourraient être importantes pour les résultats de l'étude. Certains échantillons représentent si étroitement la population en général qu'il n'est pas problématique de faire des inférences au sujet de la population plus large en fonction des observations du groupe échantillon.

Deux approches: l'échantillonnage probabiliste et l'échantillonnage non probabiliste

Il existe deux approches générales de l'échantillonnage dans les études de marché: l'échantillonnage probabiliste et l'échantillonnage non probabiliste. L'échantillonnage probabiliste doit répondre aux conditions suivantes: Chaque unité d'analyse doit avoir la même probabilité d'être incluse dans le groupe d'échantillons, puis la probabilité mathématique de tout membre du groupe d'échantillon sélectionné pour l'échantillon peut être calculée mathématiquement.

Qu'est-ce qu'une erreur d'échantillonnage et comment savoir si je l'ai?

Lorsque vous travaillez avec des échantillons non probabilistes, il est important de comprendre l'occurrence de erreur d'échantillonnage . Plus le groupe d'échantillonnage est petit, plus grande est la probabilité d'erreur d'échantillonnage. Un type particulier de biais est le résultat de la non-participation. Il est important de comprendre l'impact de la non-participation sur le résultat global d'une étude. Un exemple vient du General Society Survey (GSS) de 1980 dans lequel ceux qui n'ont pas participé à la recherche se sont révélés très différents - en tant que groupe - de ceux qui avaient participé.

Les membres du groupe difficiles à atteindre étaient significativement différents de leurs pairs actifs, notamment en ce qui concerne le statut socioéconomique, l'état matrimonial, l'âge, le nombre d'enfants, la santé et le sexe.

Qu'est-ce que l'échantillonnage de commodité? Est-il pratique d'analyser?

Les échantillons de commodité sont couramment utilisés en sciences sociales et en sciences du comportement en raison de la forte dépendance des étudiants, des patients, des bénévoles rémunérés, des membres des réseaux sociaux ou des organisations formelles, et même des prisonniers.

Le but de la plupart des recherches en sciences sociales et comportementales est de vérifier que certaines caractéristiques existent ou ne se produisent pas dans le groupe étudié. Une approche commune consiste à rechercher des relations entre plusieurs attributs. Les échantillons de commodité sont utiles et adéquats pour ce type d'étude. En outre, il est utile de reconnaître qu'un échantillon de commodité n'est pas toujours facile à mettre en place.

Les échantillons de commodité peuvent également être appariés afin de comparer deux groupes. Afin d'utiliser des échantillons de commodité appariés, un chercheur doit être capable d'identifier une contrepartie pour chaque membre du premier échantillon.Ces homologues sont membres du deuxième échantillon (apparié). Les variables généralement associées comprennent le sexe, l'âge, la race, l'origine ethnique, le niveau de scolarité, le lieu de résidence, l'orientation politique, la religion, le type d'emploi et les salaires ou traitements. L'appariement de ces variables contribue à réduire les sources de biais. Cependant, il est important de reconnaître que même un appariement minutieux peut ne pas aboutir à des échantillons exempts de biais - il y a toujours une possibilité de partialité provenant de sources cachées.

Qu'est-ce que l'échantillonnage raisonné? Est-il toujours non probabiliste?

L'échantillonnage raisonné est utilisé lorsque le plan de recherche fait appel à un échantillon de personnes qui présentent des attributs particuliers.

Généralement, ces attributs sont rares ou inhabituels et ne sont généralement pas distribués normalement (selon une «courbe normale») dans la population générale. L'échantillonnage raisonné est lourd de biais, dont certains résultent des méthodes utilisées pour identifier les membres d'un échantillon raisonné. Par exemple, si l'objectif de la recherche nécessite l'étude d'anciens combattants ayant subi un traumatisme craniocérébral, l'échantillon doit être composé d'anciens militaires ayant subi une lésion cérébrale traumatique, qui s'identifient en conséquence et acceptent de participer à l'étude. . Chacun de ces attributs ou conditions contribue à une mesure du biais de l'échantillon, limitant ainsi le niveau et le type de conclusions qui résultent de l'étude.

Une limitation importante de l'approche d'échantillonnage non probabiliste

Une limitation importante de l'échantillonnage non probabiliste est que les inférences ne peuvent pas être tirées sur la population plus large basée sur un échantillon non probabiliste.

Cependant, ce n'est pas toujours le cas, car une vision réaliste de la façon dont les gens abordent les résultats de la recherche identifiera facilement les situations où les gens tirent des conclusions inappropriées des résultats associés aux échantillons non probabilistes.

Également connu sous le nom: échantillonnage de convenance, échantillonnage raisonné

Exemples:

Les échantillons qui agissent comme sondages d'opinion sont diffusés avec l'idée qu'ils représentent la façon dont les membres d'une population voteront lors d'une élection ou le semblable. Ces échantillons doivent être très représentatifs de la population afin d'être utilisés pour faire des prévisions sur les résultats des élections, par exemple.