非概率抽樣

進行日常問卷調查最簡單的方式。

大規模問卷調查通常是一件棘手的工作,雖然您希望調查結果能完美地代表整個群體,但在真實情況中,您往往不可能徵詢到每一個人的意見。

非概率抽樣是解決方法之一,而 SurveyMonkey 正是這方面的老手。SurveyMonkey Audience 的受訪群有超過五十萬人,是全美國最大的非概率樣本。

非概率抽樣是從一個較大的群體中——而且明知有些成員不可能參加調查——選出一群受訪者。這在概率抽樣中是不被允許的,根據概率抽樣的定義,母體中的每一個人被選中參加調查的機率都不能為零

不是每個人都有機會被選中

無論您使用的是如 SurveyMonkey Audience 的受訪群,或任何其他類型的非概率抽樣設計,在挑選受訪者的時候都一定會有意地排除掉群體中的某些成員。

有些排除的因素顯而易見,像是人們可以選擇要不要提供回覆。比方說,您可能會為了寄發客戶意見調查問卷而向顧客蒐集電子郵件地址,而有些人可能會拒絕提供,這就表示他們將沒有機會成為您的調查樣本。

有些排除的因素就比較隱而不顯。假設您計畫在某一天調查前 100 位走進您店裡的人,這看起來似乎是相當隨機的概率抽樣設計,但是仔細想想:一大早來到店鋪和比較晚來到店鋪的人,也可能屬於不同的類型。

如果您的商店在早上 9 點開門,當天第一位上門的顧客與晚上上門的顧客比起來,有很大的機率可能是沒受雇的人。也就是說,您想調查的群體中有某個部分的人完全沒有機會成為當天的前 100 名顧客,因此您的調查結果可能會有某種偏差——這就是非概率抽樣。

常見的非概率抽樣策略

以下是某些經常使用的非機率抽樣設計,即使它們並不是很適合每一項調查:

  • 配額抽樣。為您想要調查的人數設定特定目標 (例如 50 位男人和 50 位女人),在達到各目標後即停止調查。配額抽樣可以確保您在感興趣的所有子群體中,都至少得到一些受訪者,即使這仍然不是真正的機率抽樣。
  • 便利抽樣。只詢問您認識,或樂意為您完成調查的人士。如果您做調查只是為了好玩,那倒也無妨 (例如在紐約街頭詢問 100 個人對某位名人參選總統的看法),但如果您試圖產生可以廣泛應用的結果,就必須使用更科學的方法。
  • 滾雪球抽樣。要求已經參加您的調查的人,招募他們認識的其他人來參加調查。滾雪球抽樣最適合用在調查的目標,鎖定在難以尋找或觸及的特定群體的時候,例如非法移民或罕見疾病患者。這種情況下,您可以假設這個您有興趣的群體同質性相對較高,因此無須太擔心樣本是否有代表性。

非機率抽樣的優缺點

統計學家偏愛機率抽樣,但是對在真實情況下進行調查的人來說,非機率抽樣是比較實際可行的做法。如果能妥善執行,非機率抽樣可以提供和真實的機率抽樣相同 (或更好) 的高品質資料。

大多數調查的目標都放在非常特定的群體,而不需要以機率抽樣的方式,確保同樣的多元化和代表性。如果要對養育幼兒的母親進行市場研究,您並不需要包含男性、無子女者和子女已成年者的機率抽樣。

即使非機率抽樣的樣本和您有興趣的群體並非完美重合,這種做法還是有很多好處,讓人願意持續採用。

使用非機率抽樣取得回覆,通常比使用機率抽樣更快速而便宜,因為樣本成員會比隨機聯絡到的人更有回覆的動機。例如,從電子郵件清單中選出來的人,比起清單以外的人,可能會是公司更忠實的顧客。

非機率抽樣的最大挑戰,就是要重現機率抽樣所能夠提供,同樣無偏差的結果。

請隨時小心注意,不要讓您招募受訪者的方式扭曲您的資料。某些網路受訪群會付款給受訪者,所以可能有些只為了錢而回答問卷,並沒有提供正確資訊的「專業」調查問卷填寫者,導致偏差的出現。

進行非機率抽樣的時候,請務必充分考慮潛在的偏差來源。造成結果偏差的原因有時並不容易預測,但重要的是,要從和您有興趣的群體特徵相符,同樣多樣化的受訪者群體開始著手。這樣不但可以提供和機率抽樣一樣準確的資料,還擁有更高的成本和時間效益。

讓 SurveyMonkey 滿足您的好奇心