Probenahme (Statistik)

Innerhalb eines der oben genannten Rahmentypen kann eine Vielzahl von Probenahmeverfahren einzeln oder in Kombination angewendet werden.,f die rahmen

Verfügbarkeit von hilfs informationen über einheiten auf die rahmen

Genauigkeit anforderungen, und die notwendigkeit zu messen genauigkeit

Ob detaillierte analyse der probe ist erwartet

Kosten/betriebs bedenken

Einfache zufalls probenahme Bearbeiten

In einer einfachen Zufallsstichprobe (SRS) einer bestimmten Größe haben alle Teilmengen eines Abtastrahmens die gleiche Wahrscheinlichkeit, ausgewählt zu werden., Jedes Element des Rahmens hat somit eine gleiche Auswahlwahrscheinlichkeit: Der Rahmen ist nicht unterteilt oder partitioniert. Darüber hinaus hat jedes gegebene Elementpaar die gleiche Auswahlmöglichkeit wie jedes andere derartige Paar (und ähnlich für Tripel usw.). Dies minimiert die Verzerrung und vereinfacht die Analyse der Ergebnisse. Insbesondere ist die Varianz zwischen einzelnen Ergebnissen innerhalb der Stichprobe ein guter Indikator für die Varianz in der Gesamtpopulation, wodurch es relativ einfach ist, die Genauigkeit der Ergebnisse zu schätzen.,

Einfache Zufallsstichproben können anfällig für Stichprobenfehler sein, da die Zufälligkeit der Auswahl zu einer Stichprobe führen kann, die nicht die Zusammensetzung der Population widerspiegelt. Zum Beispiel wird eine einfache Zufallsstichprobe von zehn Personen aus einem bestimmten Land im Durchschnitt fünf Männer und fünf Frauen hervorbringen, aber jede gegebene Studie wird wahrscheinlich ein Geschlecht überrepräsentieren und das andere unterrepräsentieren. Systematische und geschichtete Techniken versuchen, dieses Problem zu überwinden, indem sie „Informationen über die Bevölkerung“ verwenden, um eine „repräsentativere“ Stichprobe auszuwählen.,

Außerdem kann eine einfache Zufallsstichprobe bei der Probenahme aus einer großen Zielpopulation umständlich und mühsam sein. In einigen Fällen interessieren sich die Ermittler für Forschungsfragen, die für Untergruppen der Bevölkerung spezifisch sind. Zum Beispiel könnten Forscher daran interessiert sein zu untersuchen, ob kognitive Fähigkeiten als Prädiktor für die Arbeitsleistung in allen Rassengruppen gleichermaßen anwendbar sind., Eine einfache Zufallsstichprobe kann den Bedürfnissen der Forscher in dieser Situation nicht gerecht werden, da sie keine Teilbeispiele der Population liefert und stattdessen andere Stichprobenstrategien wie geschichtete Stichproben verwendet werden können.,

Systematisches samplingEdit

Systematisches Sampling (auch als Intervallstichprobe bezeichnet) beruht auf der Anordnung der Studienpopulation nach einem bestimmten Bestellschema und der Auswahl von Elementen in regelmäßigen Intervallen durch diese geordnete Liste. Die systematische Probenahme beinhaltet einen zufälligen Start und geht dann mit der Auswahl jedes k-ten Elements von da an weiter., In diesem Fall ist k=(Populationsgröße/Stichprobengröße). Es ist wichtig, dass der Startpunkt nicht automatisch der erste in der Liste ist, sondern zufällig aus dem ersten bis zum k-ten Element in der Liste ausgewählt wird. Ein einfaches Beispiel wäre, jeden zehnten Namen aus dem Telefonverzeichnis auszuwählen (ein Beispiel für „jeden zehnten“, auch als „Sampling mit einem Skip von 10“ bezeichnet).

Solange der Startpunkt randomisiert ist, ist die systematische Stichprobe eine Art Wahrscheinlichkeitsstichprobe., Es ist einfach zu implementieren und die induzierte Schichtung kann es effizient machen, wenn die Variable, nach der die Liste geordnet ist, mit der Variablen von Interesse korreliert. „Jede zehnte“ Stichprobe ist besonders nützlich für eine effiziente Stichprobe aus Datenbanken.

Nehmen wir zum Beispiel an, wir möchten Menschen von einer langen Straße probieren,die in einer armen Gegend (Haus Nr., Eine einfache zufällige Auswahl von Adressen aus dieser Straße könnte leicht zu viele vom High-End und zu wenige vom Low-End (oder umgekehrt) haben, was zu einer nicht repräsentativen Stichprobe führt. Die Auswahl (z. B.) jeder zehnten Straßennummer entlang der Straße stellt sicher, dass die Stichprobe gleichmäßig über die Länge der Straße verteilt ist und alle diese Bezirke repräsentiert. (Beachten Sie, dass, wenn wir immer bei Haus # 1 beginnen und bei #991 enden, die Stichprobe gegenüber dem unteren Ende leicht voreingenommen ist; Durch zufällige Auswahl des Starts zwischen #1 und #10 wird diese Verzerrung beseitigt.,

Eine systematische Stichprobe ist jedoch besonders anfällig für Periodizitäten in der Liste. Wenn Periodizität vorhanden ist und die Periode ein Vielfaches oder Faktor des verwendeten Intervalls ist, ist die Stichprobe besonders wahrscheinlich nicht repräsentativ für die Gesamtpopulation, wodurch das Schema weniger genau ist als eine einfache Zufallsstichprobe.

Betrachten Sie zum Beispiel eine Straße, in der sich die ungeraden Häuser alle auf der nördlichen (teuren) Seite der Straße befinden und die geraden Häuser alle auf der südlichen (billigen) Seite., Nach dem oben angegebenen Stichprobenschema ist es unmöglich, eine repräsentative Stichprobe zu erhalten; entweder werden die Häuser alle von der ungeraden, teuren Seite abgetastet, oder sie werden alle von der geraden, billigen Seite sein, es sei denn, der Forscher hat Vorkenntnisse über diese Verzerrung und vermeidet sie durch eine Verwendung eines Übersprungs, der das Springen zwischen den beiden Seiten gewährleistet (jeder ungerade Überspringen).

Ein weiterer Nachteil der systematischen Probenahme besteht darin, dass selbst in Szenarien, in denen sie genauer ist als SRS, ihre theoretischen Eigenschaften es schwierig machen, diese Genauigkeit zu quantifizieren., (In den beiden Beispielen für systematische Stichproben, die oben angegeben sind, ist ein Großteil des möglichen Stichprobenfehlers auf Abweichungen zwischen benachbarten Häusern zurückzuführen – aber da diese Methode niemals zwei benachbarte Häuser auswählt, gibt uns die Stichprobe keine Informationen zu dieser Variation.)

Systematische Probenahmen können auch an einen Nicht-EPS-Ansatz angepasst werden; Ein Beispiel hierfür finden Sie in der Diskussion von PPS-Proben unten.,

Stratified samplingEdit

Wenn die Population eine Reihe verschiedener Kategorien umfasst, kann der Rahmen nach diesen Kategorien in separate „Schichten“ organisiert werden.“Jede Schicht wird dann als unabhängige Unterpopulation abgetastet, aus der einzelne Elemente zufällig ausgewählt werden können., Das Verhältnis der Größe dieser Zufallsauswahl (oder Stichprobe) zur Größe der Population wird als Stichprobenfraktion bezeichnet. Die geschichtete Probenahme hat mehrere potenzielle Vorteile.

Erstens kann die Aufteilung der Population in verschiedene, unabhängige Schichten es Forschern ermöglichen, Rückschlüsse auf bestimmte Untergruppen zu ziehen, die in einer allgemeineren Zufallsstichprobe verloren gehen können.,

Zweitens kann die Verwendung einer geschichteten Stichprobenmethode zu effizienteren statistischen Schätzungen führen (vorausgesetzt, die Schichten werden auf der Grundlage der Relevanz für das betreffende Kriterium anstelle der Verfügbarkeit der Stichproben ausgewählt). Selbst wenn ein geschichteter Stichprobenansatz nicht zu einer erhöhten statistischen Effizienz führt, führt eine solche Taktik nicht zu einer geringeren Effizienz als eine einfache Zufallsstichprobe, vorausgesetzt, jede Schicht ist proportional zur Gruppengröße in der Population.,

Drittens ist es manchmal der Fall, dass Daten für einzelne, bereits vorhandene Schichten innerhalb einer Population leichter verfügbar sind als für die Gesamtbevölkerung; In solchen Fällen kann die Verwendung eines geschichteten Stichprobenansatzes bequemer sein als die Aggregation von Daten über Gruppen hinweg (obwohl dies möglicherweise im Widerspruch zu der zuvor festgestellten Bedeutung der Verwendung kriterienrelevanter Schichten steht).,

Da jede Schicht als unabhängige Population behandelt wird, können verschiedene Stichprobenansätze auf verschiedene Schichten angewendet werden, wodurch die Forscher möglicherweise den Ansatz verwenden können, der für jede identifizierte Untergruppe innerhalb der Population am besten geeignet (oder am kostengünstigsten) ist.

Die Verwendung geschichteter Probenahmen hat jedoch einige potenzielle Nachteile. Erstens kann die Identifizierung von Schichten und die Implementierung eines solchen Ansatzes die Kosten und die Komplexität der Stichprobenauswahl erhöhen und zu einer erhöhten Komplexität der Bevölkerungsschätzungen führen., Zweitens kann bei der Untersuchung mehrerer Kriterien die Schichtung von Variablen mit einigen, nicht jedoch mit anderen zusammenhängen, was das Design weiter erschwert und möglicherweise den Nutzen der Schichten verringert. Schließlich kann in einigen Fällen (z. B. Designs mit einer großen Anzahl von Schichten oder solche mit einer bestimmten Mindestprobengröße pro Gruppe) eine geschichtete Stichprobe möglicherweise eine größere Stichprobe erfordern als andere Methoden (obwohl in den meisten Fällen die erforderliche Stichprobengröße nicht größer wäre als für eine einfache Zufallsstichprobe erforderlich).,

Ein geschichteter Stichprobenansatz ist am effektivsten, wenn drei Bedingungen erfüllt sind

1. Variabilität innerhalb von Schichten wird minimiert
2. Variabilität zwischen Schichten wird maximiert
3. Die Variablen, nach denen die Population geschichtet wird, sind stark mit der gewünschten abhängigen Variablen korreliert.

Vorteile gegenüber anderen Probenahmeverfahren

1. Konzentriert sich auf wichtige Subpopulationen und ignoriert irrelevante.
2. Ermöglicht die Verwendung verschiedener Probenahmetechniken für verschiedene Subpopulationen.
3. Verbessert die Genauigkeit / Effizienz der Schätzung.,
4. Ermöglicht ein größeres Gleichgewicht der statistischen Macht von Tests von Unterschieden zwischen Schichten durch Probenahme gleicher Zahlen aus Schichten, die stark in der Größe variieren.

Nachteile

1. Erfordert die Auswahl relevanter Schichtungsvariablen, die schwierig sein können.
2. Ist nicht sinnvoll, wenn keine homogenen Untergruppen vorhanden sind.
3. Kann teuer zu implementieren sein.

Poststratifikation

Die Schichtung wird manchmal nach der Probenahmephase in einem Prozess namens „Poststratifikation“eingeführt., Dieser Ansatz wird typischerweise aufgrund fehlender Vorkenntnisse einer geeigneten Schichtungsvariablen implementiert oder wenn dem Experimentator die erforderlichen Informationen fehlen, um während der Stichprobenphase eine Schichtungsvariable zu erstellen. Obwohl die Methode anfällig für die Fallstricke von Post-hoc-Ansätzen ist, kann sie in der richtigen Situation mehrere Vorteile bieten. Die Implementierung folgt normalerweise einer einfachen Zufallsstichprobe. Zusätzlich zur Schichtung einer Nebenvariablen kann mit der Poststratifizierung eine Gewichtung implementiert werden, die die Genauigkeit der Schätzungen einer Stichprobe verbessern kann.,

Oversampling

Choice-based sampling ist eine der geschichteten Probenahme-Strategien. Bei der auswahlbasierten Stichprobe werden die Daten auf dem Ziel geschichtet und aus jeder Schicht eine Stichprobe entnommen, so dass die seltene Zielklasse in der Stichprobe besser dargestellt wird. Das Modell wird dann auf dieser voreingenommenen Probe aufgebaut. Die Auswirkungen der Eingabevariablen auf das Ziel werden mit der auswahlbasierten Stichprobe oft präziser geschätzt, selbst wenn eine kleinere Gesamtstichprobengröße im Vergleich zu einer Zufallsstichprobe genommen wird. Die Ergebnisse müssen normalerweise angepasst werden, um die Überabtastung zu korrigieren.,

Probability-proportional-to-size samplingEdit

In einigen Fällen hat der Stichprobendesigner Zugriff auf eine „Hilfsvariable“ oder „Größenmaß“, von der angenommen wird, dass sie mit der interessierenden Variablen korreliert, für jedes Element in der Population. Diese Daten können verwendet werden, um die Genauigkeit im Probendesign zu verbessern. Eine Möglichkeit besteht darin, die Hilfsvariable als Grundlage für die Schichtung zu verwenden, wie oben diskutiert.

Eine weitere Option ist die probability proportional to size (‚PPS‘) Sampling, bei der die Auswahlwahrscheinlichkeit für jedes Element bis zu einem Maximum von 1 proportional zu seinem Größenmaß festgelegt wird., In einem einfachen PPS-Design können diese Auswahlwahrscheinlichkeiten dann als Grundlage für die Poisson-Probenahme verwendet werden. Dies hat jedoch den Nachteil einer variablen Stichprobengröße, und verschiedene Teile der Population können aufgrund zufälliger Variationen der Auswahl immer noch über – oder unterrepräsentiert sein.

Die systematische Stichprobentheorie kann verwendet werden, um eine Wahrscheinlichkeit zu erstellen, die proportional zur Stichprobe ist. Dies geschieht, indem jede Zählung innerhalb der Größenvariablen als eine einzige Abtasteinheit behandelt wird. Proben werden dann identifiziert, indem in geraden Intervallen unter diesen Zählungen innerhalb der Größenvariablen ausgewählt wird., Diese Methode wird manchmal als PPS-sequentielle oder monetäre Einheitsstichprobe bei Audits oder forensischen Stichproben bezeichnet.

Beispiel: Angenommen, wir haben sechs Schulen mit Populationen von 150, 180, 200, 220, 260, und 490 Studenten (insgesamt 1500 Studenten), und wir wollen die Studentenbevölkerung als Grundlage für eine PPS-Stichprobe der Größe drei verwenden. Zu diesem Zweck könnten wir die ersten Schulnummern 1 bis 150, die zweite Schule 151 bis 330 (= 150 + 180), die dritte Schule 331 bis 530 usw. der letzten Schule (1011 bis 1500) zuweisen., Wir generieren dann einen zufälligen Start zwischen 1 und 500 (gleich 1500/3) und zählen die Schulpopulationen durch ein Vielfaches von 500. Wenn unser zufälliger Start 137 war, würden wir die Schulen auswählen, denen die Nummern 137, 637 und 1137 zugewiesen wurden, dh die erste, vierte und sechste Schule.

Der PPS-Ansatz kann die Genauigkeit einer bestimmten Stichprobengröße verbessern, indem die Stichprobe auf große Elemente konzentriert wird, die den größten Einfluss auf die Bevölkerungsschätzungen haben., Die KKS-Stichprobe wird häufig für Erhebungen über Unternehmen verwendet, bei denen die Elementgröße stark variiert und häufig zusätzliche Informationen verfügbar sind – beispielsweise könnte eine Umfrage, die versucht, die Anzahl der in Hotels verbrachten Gästenächte zu messen, die Anzahl der Zimmer jedes Hotels als Hilfsvariable verwenden. In einigen Fällen kann eine ältere Messung der interessierenden Variablen als Hilfsvariable verwendet werden, wenn versucht wird, aktuellere Schätzungen zu erstellen.,

Cluster samplingEdit

Manchmal ist es kostengünstiger, Befragte in Gruppen auszuwählen (‚Cluster‘). Die Stichproben werden häufig nach Geographie oder nach Zeiträumen gruppiert. (Fast alle Stichproben sind in gewissem Sinne zeitlich „geclustert“ – obwohl dies bei der Analyse selten berücksichtigt wird.,) Wenn wir beispielsweise Haushalte innerhalb einer Stadt vermessen, können wir 100 Stadtblöcke auswählen und dann jeden Haushalt innerhalb der ausgewählten Blöcke befragen.

Clustering kann Reise-und Verwaltungskosten reduzieren. Im obigen Beispiel kann ein Interviewer eine einzelne Reise unternehmen, um mehrere Haushalte in einem Block zu besuchen, anstatt für jeden Haushalt zu einem anderen Block fahren zu müssen.

Dies bedeutet auch, dass kein Stichprobenrahmen erforderlich ist, in dem alle Elemente in der Zielpopulation aufgeführt sind., Stattdessen können Cluster aus einem Rahmen auf Clusterebene ausgewählt werden, wobei ein Rahmen auf Elementebene nur für die ausgewählten Cluster erstellt wird. Im obigen Beispiel erfordert das Beispiel nur einen Stadtplan auf Blockebene für die erste Auswahl und dann eine Karte auf Haushaltsebene der 100 ausgewählten Blöcke anstelle einer Karte auf Haushaltsebene der gesamten Stadt.

Clusterstichproben (auch als Clusterstichproben bezeichnet) erhöhen im Allgemeinen die Variabilität von Stichprobenschätzungen über der einfachen Zufallsstichproben, je nachdem, wie sich die Cluster im Vergleich zur Variation innerhalb des Clusters voneinander unterscheiden., Aus diesem Grund erfordert Cluster-Sampling eine größere Stichprobe als SRS, um die gleiche Genauigkeit zu erreichen – aber Kosteneinsparungen durch Clustering könnten dies immer noch zu einer billigeren Option machen.

Cluster-Sampling wird üblicherweise als mehrstufiges Sampling implementiert. Dies ist eine komplexe Form der Clusterabtastung, in der zwei oder mehr Ebenen von Einheiten ineinander eingebettet sind. Die erste Stufe besteht darin, die Cluster zu erstellen, aus denen eine Probe entnommen wird., In der zweiten Stufe wird eine Stichprobe von Primäreinheiten zufällig aus jedem Cluster ausgewählt (anstatt alle in allen ausgewählten Clustern enthaltenen Einheiten zu verwenden). In den folgenden Stufen werden in jedem dieser ausgewählten Cluster zusätzliche Stichproben von Einheiten ausgewählt und so weiter. Anschließend werden alle Endeinheiten (z. B. Einzelpersonen), die im letzten Schritt dieses Verfahrens ausgewählt wurden, befragt. Diese Technik ist also im Wesentlichen der Prozess der Entnahme von zufälligen Subsamples vorhergehender Zufallsstichproben.,

Mehrstufige Stichproben können die Stichprobenkosten erheblich senken, wenn die vollständige Bevölkerungsliste erstellt werden müsste (bevor andere Stichprobenmethoden angewendet werden könnten). Durch den Wegfall der Arbeit bei der Beschreibung von Clustern, die nicht ausgewählt werden, kann die mehrstufige Stichprobe die hohen Kosten reduzieren, die mit der herkömmlichen Clusterstichprobe verbunden sind. Jede Stichprobe ist jedoch möglicherweise kein vollständiger Vertreter der gesamten Bevölkerung.,

Quota samplingEdit

Bei Quota Sampling wird die Population zunächst in sich gegenseitig ausschließende Untergruppen unterteilt, genau wie bei stratified Sampling. Dann wird das Urteil verwendet, um die Themen oder Einheiten aus jedem Segment basierend auf einem bestimmten Anteil auszuwählen. Zum Beispiel kann ein Interviewer angewiesen werden, 200 Frauen und 300 Männer zwischen 45 und 60 Jahren zu befragen.

Es ist dieser zweite Schritt, der die Technik zu einer Nicht-Wahrscheinlichkeitsstichprobe macht. Bei Quotenstichproben ist die Auswahl der Stichprobe nicht zufällig., Zum Beispiel könnten Interviewer versucht sein, diejenigen zu interviewen, die am hilfreichsten aussehen. Das Problem ist, dass diese Proben voreingenommen sein können, da nicht jeder eine Chance auf Auswahl hat. Dieses zufällige Element ist seine größte Schwäche und Quote gegen Wahrscheinlichkeit ist seit mehreren Jahren umstritten.

Minimax samplingEdit

In unausgeglichenen Datensätzen, in denen das Stichprobenverhältnis nicht der Bevölkerungsstatistik folgt, kann der Datensatz konservativ als Minimax Sampling bezeichnet werden., Die Minimax-Stichprobe hat ihren Ursprung im Minimax-Verhältnis, dessen Wert 0,5 ist: Bei einer binären Klassifizierung sollten die Klassen-Stichprobengrößen gleichmäßig gewählt werden. Dieses Verhältnis kann nur unter der Annahme eines LDA-Klassifikators mit Gaußschen Verteilungen als Minimax-Verhältnis erwiesen werden. Der Begriff der Minimax-Stichprobe wurde kürzlich für eine allgemeine Klasse von Klassifizierungsregeln entwickelt, die als klassenweise intelligente Klassifikatoren bezeichnet werden., In diesem Fall wird das Stichprobenverhältnis der Klassen so gewählt, dass der Worst-Case-Klassifikatorfehler über alle möglichen Populationsstatistiken für Wahrscheinlichkeiten der Klasse vor am besten wäre.

Versehentliche Probenahmeedit

Zufällige Probenahme (manchmal auch als Grab -, Convenience-oder Opportunity-Probenahme bezeichnet) ist eine Art Nichtprobierbarkeitsstichprobe, bei der die Probe aus dem nahegelegenen Teil der Population entnommen wird. Das heißt, eine Population wird ausgewählt, weil sie leicht verfügbar und bequem ist., Es kann sein, dass man die Person trifft oder eine Person in die Stichprobe einbezieht, wenn man sie trifft, oder dass man sie durch technologische Mittel wie das Internet oder per Telefon findet. Der Forscher, der eine solche Stichprobe verwendet, kann aus dieser Stichprobe keine wissenschaftlichen Verallgemeinerungen der Gesamtbevölkerung vornehmen, da diese nicht repräsentativ genug wäre., Wenn der Interviewer beispielsweise eine solche Umfrage frühmorgens an einem bestimmten Tag in einem Einkaufszentrum durchführen würde, wären die Personen, die er interviewen könnte, auf die Personen beschränkt, die zu diesem Zeitpunkt dort befragt wurden und die nicht die Ansichten anderer Mitglieder der Gesellschaft in einem solchen Bereich darstellen würden, wenn die Umfrage zu verschiedenen Tageszeiten und mehrmals pro Woche durchgeführt würde. Diese Art der Probenahme ist für Pilotversuche am nützlichsten., Einige wichtige Überlegungen für Forscher, die Convenience-Samples verwenden, umfassen:

1. Gibt es Kontrollen innerhalb des Forschungsdesigns oder Experiments, die dazu dienen können, die Auswirkungen einer nicht zufälligen Convenience-Sample zu verringern, wodurch sichergestellt wird, dass die Ergebnisse repräsentativer sind der Bevölkerung?
2. Gibt es guten Grund zu der Annahme, dass eine bestimmte Convenience-Stichprobe anders reagieren oder sich anders verhalten würde oder sollte als eine Zufallsstichprobe derselben Population?
3. Ist die Frage, die von der Forschung gestellt wird, eine Frage, die mit einer praktischen Stichprobe adäquat beantwortet werden kann?,

In der sozialwissenschaftlichen Forschung ist die Schneeballprobenahme eine ähnliche Technik, bei der vorhandene Studienteilnehmer verwendet werden, um mehr Probanden in die Stichprobe aufzunehmen. Einige Varianten der Schneeballprobenahme, wie z. B. die Stichprobe der Befragten, ermöglichen die Berechnung der Auswahlwahrscheinlichkeiten und sind unter bestimmten Bedingungen Wahrscheinlichkeitsprobenverfahren.

Freiwillige Stichprobenedit

Die freiwillige Stichprobenmethode ist eine Art Nichtwahrscheinlichkeitsstichprobe. Freiwillige entscheiden sich für eine Umfrage.,

Freiwillige können durch Werbung in sozialen Medien eingeladen werden. Die Zielgruppe für Anzeigen kann anhand von Merkmalen wie Standort, Alter, Geschlecht, Einkommen, Beruf, Bildung oder Interessen mithilfe der vom sozialen Medium bereitgestellten Tools ausgewählt werden. Die Anzeige kann eine Nachricht über die Forschung und einen Link zu einer Umfrage enthalten. Nachdem Sie dem Link gefolgt und die Umfrage abgeschlossen haben, übermittelt der Freiwillige die Daten, die in die Stichprobenpopulation aufgenommen werden sollen. Diese Methode kann eine Weltbevölkerung erreichen, ist jedoch durch das Kampagnenbudget begrenzt., Freiwillige außerhalb der eingeladenen Bevölkerung können ebenfalls in die Stichprobe einbezogen werden.

Es ist schwierig, aus dieser Stichprobe Verallgemeinerungen vorzunehmen, da sie möglicherweise nicht die Gesamtbevölkerung darstellt. Oft haben Freiwillige ein starkes Interesse am Hauptthema der Umfrage.

Line-intercept samplingEdit

Line-Intercept Sampling ist eine Methode zum Abtasten von Elementen in einem Bereich, bei der ein Element abgetastet wird, wenn ein ausgewähltes Liniensegment, das als „Querschnittselement“ bezeichnet wird, das Element schneidet.,

Panel samplingEdit

Panel Sampling ist die Methode, um zuerst eine Gruppe von Teilnehmern durch eine Zufallsstichprobenmethode auszuwählen und diese Gruppe dann mehrmals über einen bestimmten Zeitraum nach (möglicherweise denselben) Informationen zu fragen. Daher wird jeder Teilnehmer zu zwei oder mehr Zeitpunkten befragt; Jeder Zeitraum der Datenerhebung wird als „Welle“bezeichnet. Die Methode wurde 1938 vom Soziologen Paul Lazarsfeld als Mittel zur Untersuchung politischer Kampagnen entwickelt., Diese longitudinale Stichprobenmethode ermöglicht Schätzungen von Veränderungen in der Bevölkerung, zum Beispiel im Hinblick auf chronische Krankheiten, Stress am Arbeitsplatz oder wöchentliche Nahrungsmittelausgaben. Die Panel-Stichprobe kann auch verwendet werden, um Forscher über Veränderungen der Gesundheit innerhalb der Person aufgrund des Alters zu informieren oder um Veränderungen in kontinuierlichen abhängigen Variablen wie der Ehegatteninteraktion zu erklären. Es wurden mehrere Methoden zur Analyse von Paneldaten vorgeschlagen, darunter MANOVA, Wachstumskurven und Strukturgleichungsmodellierung mit verzögerten Effekten.,

Snowball samplingEdit

Snowball Sampling beinhaltet die Suche nach einer kleinen Gruppe von ersten Befragten und mit ihnen mehr Befragten zu rekrutieren. Es ist besonders nützlich in Fällen, in denen die Bevölkerung versteckt oder schwer aufzuzählen ist.

Theoretische samplingEdit

Theoretische Probenahme erfolgt, wenn Proben auf der Grundlage der Ergebnisse der bisher gesammelten Daten ausgewählt werden, um ein tieferes Verständnis des Gebiets zu entwickeln oder Theorien zu entwickeln., Extreme oder sehr spezifische Fälle können ausgewählt werden, um die Wahrscheinlichkeit zu maximieren, dass ein Phänomen tatsächlich beobachtbar ist.