Niet-waarschijnlijkheidssteekproef
In dit artikel wordt uitgelegd wat niet-waarschijnlijkheidssteekproeven zijn en wat de kenmerken ervan zijn. U zult ook de verschillende soorten niet-waarschijnlijkheidssteekproeven kunnen zien die er bestaan, evenals verschillende voorbeelden. Ten slotte leert u de voor- en nadelen van niet-waarschijnlijkheidssteekproeven.
Wat is niet-waarschijnlijkheidssteekproef?
Non-probability sampling is een methode die wordt gebruikt om individuen te selecteren die in de steekproef zullen worden opgenomen voor een statistisch onderzoek. In het bijzonder worden bij niet-waarschijnlijkheidssteekproeven individuen geselecteerd op basis van de subjectieve criteria van de onderzoekers.
Daarom hebben bij niet-waarschijnlijkheidssteekproeven niet alle elementen van de populatie dezelfde kans om voor de steekproef te worden gekozen, aangezien de selectie niet willekeurig is. Dit kenmerk onderscheidt niet-waarschijnlijkheidssteekproeven van waarschijnlijkheidssteekproeven, waarbij individuen willekeurig worden gekozen.
Logischerwijs is bij niet-waarschijnlijkheidssteekproeven de persoon die verantwoordelijk is voor het uitvoeren van het onderzoek erg belangrijk, omdat hij of zij degene is die beslist wie in de steekproef wordt opgenomen. Daarom is het essentieel dat de onderzoeker over grote kennis en ervaring op het vakgebied beschikt, om betrouwbare resultaten te verkrijgen.
Hoewel de manier waarop de steekproef wordt gekozen enigszins varieert, afhankelijk van het type niet-waarschijnlijkheidssteekproef, vertrouwen ze allemaal op de criteria van de onderzoekers om de selectie te maken.
Laten we tot slot vermelden dat in de wereld van waarschijnlijkheid en statistiek niet-waarschijnlijkheidssteekproeven ook wel niet-willekeurige steekproeven worden genoemd.
Soorten niet-waarschijnlijkheidsmonsters
Soorten niet-waarschijnlijkheidsmonsters zijn:
- Doelgerichte steekproeftrekking : bestaat uit het selecteren van individuen uitsluitend op basis van de criteria van de onderzoeker.
- Gemakssteekproef : monsterartikelen worden gekozen op basis van hun gemakkelijke toegang.
- Opeenvolgende bemonstering : een eerste initieel monster wordt geselecteerd, bestudeerd en vervolgens wordt een ander monster geselecteerd. En verschillende monsters worden bestudeerd totdat de onderzoeksconclusies zijn verkregen.
- Quotasteekproef : Er worden eerst groepen gevormd en vervolgens wordt uit elke groep een quotum gekozen om de onderzoekssteekproef te vormen.
- Sneeuwbalsteekproef : Onderzoekers selecteren de eerste individuen in de steekproef en rekruteren vervolgens extra proefpersonen voor het onderzoek.
Gezien de korte definitie van elk type niet-waarschijnlijkheidssteekproef, wordt elk type hieronder in meer detail uitgelegd.
Doelgerichte steekproef
Doelgerichte steekproeven zijn uitsluitend afhankelijk van het oordeel van de onderzoeker bij het kiezen van de onderzoekssteekproef.
De persoon die verantwoordelijk is voor het onderzoek heeft dus alle beslissingsbevoegdheid om de elementen van de steekproef te selecteren. Het is daarom belangrijk dat je een expert bent op het vakgebied.
Doelgerichte bemonstering wordt ook wel oordelende bemonstering, oordelende bemonstering, kritische bemonstering, doelgerichte bemonstering of opiniebemonstering genoemd.
gemakssteekproef
Bij gemakssteekproeven kiezen onderzoekers steekproefonderwerpen op basis van criteria voor gemakkelijke toegang tot individuen, zonder daarbij het toeval te betrekken.
Dat wil zeggen dat bij dit soort niet-waarschijnlijkheidssteekproeven om individuen uit de populatie te kiezen, aspecten zoals beschikbaarheid, nabijheid of kosten van hun selectie worden geëvalueerd. Vaak worden er zelfs vrijwilligers aangenomen om de bemonstering verder te vergemakkelijken.
Convenience sampling wordt ook wel doelgerichte sampling of opportunity sampling genoemd.
Opeenvolgende bemonstering
Bij opeenvolgende bemonsteringen wordt eerst een initieel monster gekozen en bestudeerd, en na het verkrijgen van de resultaten van het initiële monster wordt een ander monster bestudeerd. En het proces wordt achtereenvolgens herhaald totdat de eindconclusies van het hele onderzoek zijn verkregen.
Opeenvolgende steekproeven concentreren zich dus niet op één enkele steekproef, maar bestuderen eerder verschillende steekproeven uit dezelfde statistische populatie en trekken uiteindelijk conclusies uit de informatie die uit alle groepen is verkregen.
Quotasteekproef
Bij quotasteekproeven worden eerst groepen (of strata) van individuen die ten minste één kenmerk delen, vastgesteld, en vervolgens wordt uit elke groep een quotum geselecteerd, waardoor de onderzoekssteekproef wordt gevormd.
Het karakter van de individuen die worden gebruikt om de bevolking in groepen te verdelen, wordt ook bepaald door de onderzoeker. De persoon die verantwoordelijk is voor het uitvoeren van het onderzoek heeft dus een grote invloed op de verkregen resultaten.
Sneeuwbalbemonstering
Bij sneeuwbalsteekproeven kiest de onderzoeker de eerste deelnemers en recruteert vervolgens extra personen voor het onderzoek.
Dit kenmerk van sneeuwbalsteekproeven resulteert in een toenemende toename van de steekproefomvang naarmate deelnemers meer mensen voor het onderzoek rekruteren (sneeuwbaleffect).
Sneeuwbalsteekproeven worden ook wel kettingsteekproeven of ketenreferentiesteekproeven genoemd.
Hoe u niet-waarschijnlijkheidssteekproeven uitvoert
De stappen voor het uitvoeren van niet-waarschijnlijkheidssteekproeven zijn als volgt:
- Definieer de doelgroep.
- Definieer de steekproefkarakteristieken en de gewenste steekproefomvang.
- Kies het juiste type niet-waarschijnlijkheidssteekproef.
- Selecteer de individuen in de steekproef volgens de bemonsteringsmethode die in de vorige stap is gekozen.
- Analyseer de elementen van het verkregen monster.
Uiteraard is de belangrijkste stap bij het uitvoeren van niet-waarschijnlijkheidssteekproeven het kiezen van de juiste steekproefmethode. Hierdoor kan deze worden aangepast aan de doelpopulatie en kan er tijd en middelen worden bespaard.
Maar om te bepalen welke methode voor elk geval geschikt is, moet u de voor- en nadelen ervan kennen. Daarom raden we u aan de hierboven gelinkte artikelen te lezen in de uitleg van elk type niet-waarschijnlijkheidssteekproef.
Voorbeelden van niet-waarschijnlijkheidssteekproeven
Om de betekenis van niet-waarschijnlijkheidssteekproeven beter te begrijpen, kunt u hieronder verschillende voorbeelden zien van hoe dit wordt gedaan.
- Niet-waarschijnlijke doelgerichte steekproeven kunnen bijvoorbeeld worden bereikt door een statistisch onderzoek uit te voeren naar de bevolking van een land waarin deskundige kennis wordt gebruikt om de regio’s te selecteren die aan het onderzoek zullen deelnemen.
- Een ander typisch voorbeeld van non-probability gemakssteekproeven is wanneer een bedrijf enquêtes uitvoert onder mensen in een winkelcentrum of direct op straat. In dit geval gebruikt het bedrijf het criterium van gemakkelijke toegang om deelnemers aan het onderzoek te kiezen, omdat het eenvoudigweg naar een drukke locatie gaat en mensen interviewt.
- Ten slotte, als je de leden van een geheime sekte statistisch wilt analyseren, kan het behoorlijk ingewikkeld zijn om veel onderwerpen te vinden, maar je kunt beginnen door een klein aantal individuen te bestuderen en hen andere mensen uit de groep te laten introduceren om te analyseren. Dit zou een voorbeeld zijn van niet-waarschijnlijkheidssneeuwbalsteekproeven.
Niet-waarschijnlijkheidssteekproeven en waarschijnlijkheidssteekproeven
Het belangrijkste verschil tussen niet-waarschijnlijkheidssteekproeven en waarschijnlijkheidssteekproeven is de manier waarop de onderzoekssteekproef wordt gekozen. Bij niet-waarschijnlijkheidssteekproeven worden ze geselecteerd op basis van de criteria van de onderzoekers, terwijl ze bij waarschijnlijkheidssteekproeven willekeurig worden gekozen.
De elementen van een populatie hebben dus dezelfde waarschijnlijkheid om te worden geselecteerd bij waarschijnlijkheidssteekproeven, in tegenstelling tot niet-waarschijnlijkheidssteekproeven waarbij niet iedereen dezelfde kans heeft.
Een andere bijzonderheid tussen deze twee soorten steekproeven ligt in de generalisaties van de verkregen conclusies. Een niet-waarschijnlijkheidssteekproef heeft normaal gesproken niet voldoende representativiteit, aangezien de proefpersonen subjectief worden gekozen en daarom de getrokken conclusies alleen kunnen worden toegepast op de bestudeerde individuen. Een waarschijnlijkheidssteekproef is echter over het algemeen representatief en daarom kunnen de verkregen resultaten worden gegeneraliseerd naar de gehele populatie.
Voor- en nadelen van niet-waarschijnlijkheidssteekproeven
De voor- en nadelen van niet-waarschijnlijkheidssteekproeven zijn:
voordeel | Nadelen |
---|---|
Niet-waarschijnlijkheidssteekproeven zijn snel uit te voeren. | De onderzoeker heeft veel kennis nodig van het vakgebied. |
Over het algemeen is niet-waarschijnlijkheidssteekproef behoorlijk economisch. | Het is moeilijk om generalisaties te maken over de gehele bevolking. |
Zeer handig voor het doen van kwalitatief of verkennend onderzoek. | De representativiteit van de steekproef kan niet worden gegarandeerd. |
Het belangrijkste voordeel van niet-waarschijnlijkheidssteekproeven is dat er weinig tijd voor nodig is, omdat het niet nodig is om toeval te simuleren en de steekproef dus snel wordt geselecteerd. Dit impliceert dat er weinig middelen hoeven te worden geïnvesteerd om niet-waarschijnlijkheidssteekproeven uit te voeren, waardoor dit economisch winstgevender is dan waarschijnlijkheidssteekproeven.
Omdat ze zeer snel worden uitgevoerd, maakt niet-waarschijnlijkheidssteekproef het mogelijk een eerste onderzoek van kwalitatieve of verkennende aard uit te voeren. Vervolgens kunnen de verkregen resultaten verder worden onderzocht door middel van waarschijnlijkheidssteekproeven.
Aan de andere kant is het belangrijkste nadeel van niet-waarschijnlijkheidssteekproeven dat de persoon die verantwoordelijk is voor de statistische analyse een expert op het vakgebied moet zijn, aangezien het succes of falen van het onderzoek er grotendeels van afhangt.
Bovendien zijn de verkregen monsters over het algemeen niet representatief, er kan geen generalisatie worden gemaakt, maar de verkregen resultaten zijn alleen van toepassing op de bestudeerde individuen.