Alai

Vad är samplingfel och varför spelar det roll?

För att förstå vad samplingfel är, måste du först veta lite om sampling och vad det betyder i enkätundersökningar. (Om du redan är insatt i sampling kan du hoppa vidare till nästa avsnitt.)

När du genomför en undersökning är du vanligtvis intresserad av en mycket större grupp människor än du kan nå. Den praktiska lösningen är att ta ett representativt urval – en grupp som står för hela din undersökningspopulation.

För att se till att ditt urval är en rättvis representation måste du följa några bästa metoder för urval av undersökningar. Den kanske mest välkända av dessa är att få rätt storlek på urvalet. (Om urvalet är för stort lägger du ner mycket arbete utan någon meningsfull vinst, om det är för litet kan du inte vara säker på att urvalet är representativt.)

Men det finns mer att göra för att göra urvalet bra än att bara få rätt storlek på urvalet. Därför är det viktigt att förstå både urvalsfel och icke urvalsfel så att du kan förhindra att de orsakar problem i din forskning.

Vet du hur stort ditt urval bör vara för att få korrekta resultat? Ta reda på det i vår kostnadsfria e-bok.

Non-sampling errors vs. sampling error: definitions

Visst förvirrande är att termen ”sampling error” inte betyder att forskare har gjort misstag när de valt eller arbetat med ett urval. Problem som att välja fel personer, att låta bias komma in i bilden eller att inte förutse att deltagarna kommer att välja sig själva eller inte svara: det är icke-samplingfel, och vi kommer att ta upp flera av de värsta förövarna senare i artikeln.

Non-samplingfel kan inträffa oavsett om du arbetar med ett representativt urval (t.ex. med en nationell undersökning) eller om du gör en total uppräkning (t.ex. när du genomför undersökningar om medarbetarnas erfarenheter med din personal.)

Med samplingsfel menas skillnaden mellan medelvärdena för urvalet och populationen, så det inträffar bara när du arbetar med representativa urval.

Interessant nog är det vanligtvis inte möjligt att kvantifiera graden av samplingsfel i en undersökning eftersom de relevanta uppgifterna för hela populationen inte mäts.

Som OECD förklarar kommer en population aldrig att representeras helt och hållet av ett urval, eftersom populationen är större och mer fullständig. I denna mening är provtagningsfel en egenskap hos provtagning snarare än ett mänskligt fel, och det kan inte helt undvikas.

Det går dock absolut att minska provtagningsfelet genom att följa god praxis – mer om det nedan.

Provtagningsfel och icke-provtagningsfel: 5 exempel

Fel i populationsspecifikationen (icke urvalsfel)

Detta fel uppstår när forskaren inte förstår vem han eller hon ska undersöka. Tänk dig till exempel en undersökning om konsumtion av frukostflingor i familjer. Vem ska man undersöka? Det kan vara hela familjen, den person som oftast handlar matvaror eller barnen. Inköparen kanske fattar köpbeslutet, men barnen påverkar valet av flingor.

Den här typen av icke urvalsfel kan undvikas genom att du förstår din forskningsfråga grundligt innan du börjar konstruera ett frågeformulär eller välja ut respondenter.

Sampelramsfel (icke urvalsfel)

Ett ramsfel inträffar när fel delpopulation används för att välja ut ett urval. Ett klassiskt ramfel inträffade i 1936 års presidentval mellan Roosevelt och Landon. Urvalsramen var från bilregistreringar och telefonkataloger. År 1936 ägde många amerikaner varken bilar eller telefoner, och de som hade det var till stor del republikaner. Resultaten förutspådde felaktigt en republikansk seger.

Felet här ligger i hur ett urval har valts ut. Bias har omedvetet införts eftersom forskarna inte förutsåg att endast vissa typer av människor skulle dyka upp på deras lista över respondenter, och delar av den intressanta populationen har uteslutits. En modern motsvarighet skulle kunna vara att använda mobiltelefonnummer och därför oavsiktligt missa vuxna som inte har en mobiltelefon, t.ex. äldre personer eller personer med allvarliga inlärningssvårigheter.

Ramfel kan också inträffa när respondenter utanför den berörda populationen felaktigt inkluderas. Säg till exempel att en forskare gör en nationell studie. Deras lista kan vara hämtad från ett geografiskt kartområde som av misstag innehåller ett litet hörn av ett främmande territorium – och därför inkludera respondenter som inte är relevanta för studiens omfattning.

Selektionsfel (icke-sampling error)

Detta inträffar när respondenterna själva väljer att delta i studien – endast de som är intresserade svarar. Det kan också införas från forskarens sida som ett icke slumpmässigt urvalsfel. Om en forskare till exempel skickar ut en uppmaning till svar på sociala medier kommer de att få svar från personer som de känner, och av dessa personer kommer endast de mer hjälpsamma eller sympatiska personerna att svara.

Selektionsfelet kan kontrolleras genom att man anstränger sig extra mycket för att få deltagande. En typisk undersökningsprocess omfattar inledande kontakt före undersökningen för att begära samarbete, själva undersökningen och uppföljning efter undersökningen. Om ett svar inte erhålls följer en andra enkätförfrågan och kanske intervjuer med hjälp av alternativa metoder, t.ex. telefon eller person till person.

Non-response (non-sampling error)

Non-response error uppstår när respondenterna skiljer sig från dem som inte svarar. Säg till exempel att du är ett företag som gör marknadsundersökningar inför lanseringen av en ny produkt. Du kanske får ett oproportionerligt stort deltagande från dina befintliga kunder, eftersom de vet vem du är, och missar att höra från en bredare grupp människor som ännu inte köper av dig.

Detta kan inträffa eftersom den potentiella respondenten antingen inte kontaktades eller vägrade att svara. Omfattningen av detta fel vid utebliven respons kan kontrolleras genom uppföljningsundersökningar med alternativa metoder.

Samplingsfel

Som tidigare beskrivits uppstår urvalsfel på grund av variationer i antalet eller representativiteten hos det urval som svarar. Urvalsfel kan kontrolleras och minskas genom (1) noggrann utformning av urvalet, (2) tillräckligt stora urval (kolla in vår online-kalkylator för urvalsstorlek) och (3) flera kontakter för att säkerställa ett representativt svar.

Se till att hålla ett öga på dessa urvalsfel och icke-urvalsfel så att du kan undvika dem i din forskning.