Non-Sampling错误

统计术语,指的是一种错误,来自数据收集的结果,导致数据不同于真正的价值观

写的 CFI团队

2022年1月15日,更新

Non-Sampling错误是什么?

Non-sampling错误指的是一个错误,来自数据收集的结果,导致数据不同于真正的价值观。它不同于抽样误差,这是任何区别样本值普世价值,可能导致从有限的样本大小。

Non-Sampling错误

Non-sampling错误可以有各种形式,包括情况说明错误,测量误差,官错误,调整误差、加工错误。

Non-sampling错误时出现的样本或整个人口(人口普查)。它属于两类:

随机错误的错误不能占就发生。在统计研究中,相信每个随机误差相互抵消,一般说来,所以他们都是不关心的。

系统误差影响研究的样本,因此,常常会创建无用的数据。系统误差是一致的和可重复的,所以研究的创造者必须非常小心减轻这样的一个错误。

Non-sampling错误可能发生从一项研究的几个方面。最常见的non-sampling错误包括在数据输入错误,偏见和决策问题,一点,虚假信息和不恰当的分析。

有几种类型的non-sampling错误,包括:

情况说明错误是由人选择参与之间的差异相比那些不参与调查。换句话说,它存在在人们选择参与但选择不;因此,他们的调查结果不纳入数据。

测量误差是指所有错误的测量每个抽样单位,而不是有关如何选择错误。错误经常出现有困惑的问题时,由于采样疲劳(即低质量数据。做一项调查,有人累),和低质量测量工具。

面试官面试官(或管理员)时发生错误时一个错误记录响应。在定性研究中,面试官可能会引起被调查者回答一个特定的方式。在定量研究中,面试官可能会问的问题不同,导致不同的结果。

调整错误数据的分析描述了一个情况调整它并不完全准确。调整错误的形式包括与权重数据错误,数据清洗,归责。

处理时,会出现错误的问题处理的数据会导致一个错误。一个例子将是如果数据输入错误或数据文件是腐败。

通常,抽样误差和non-sampling错误使用在类似的情况下,但也有一些关键的两种概念之间的区别。它们包括:

1。抽样误差可能出现即使没有明显的错误,而不是non-sampling错误,出现一个错误发生时。

2。抽样误差发生在样品不是普遍真理的代表,而non-sampling错误是特定于某个研究设计。

3所示。抽样误差可以大大减少抽样数增加,但non-sampling错误需要更多系统的流程来减少。

4所示。抽样误差通常是由内部因素引起的,而non-sampling误差是由外部因素引起的不完全相关的一项调查,研究,或人口普查。

减少non-sampling错误不是一样容易实现减少抽样误差。使用抽样误差,可以减少错误的风险通过简单地增加样本量。它不会为non-sampling工作错误,这通常是很难检测和消除(除非很有条理是考虑误差的来源)。

有效地减少non-sampling错误,必须仔细考虑的设计研究,以确保结果的有效性。因此,研究员可以设计一个机制为研究随后减少错误而没有引入另一个错误。

例如,研究人员可能支付个人奖金根据他们的数据录入的准确性,或者他们可能电影所有的面试,以确保面试官保持主题和脚本。

如何减少错误

CFI的官方供应商商业智能和数据分析师(BIDA)®认证项目,旨在把人变成一个世界级的分析师。

为了帮助你成为一个世界级的分析师,推进你的事业你的全部潜力,这些额外的资源将会很有帮助: