Ei-otantavirhe viittaa virheeseen, joka syntyy tiedonkeruun tuloksesta, joka saa datan eroamaan todellisista arvoista. Se eroaa näytteenottovirheestä, mikä on mikä tahansa ero otosarvojen välillä Satunnainen muuttuja Satunnainen muuttuja (stokastinen muuttuja) on eräänlainen muuttuja tilastoissa, jonka mahdolliset arvot riippuvat tietyn satunnaisen ilmiön tuloksista ja yleisistä arvoista, jotka voivat johtaa rajoitetusta näytteen koosta.
Muita kuin näytteenottovirheitä voi esiintyä monissa muodoissa, mukaan lukien vastausvirhe, mittausvirhe, haastatteluvirhe, säätövirhe ja käsittelyvirhe.
Mittausvirheiden mekaniikka
Ei-otantavirhe voi ilmetä, kun otetaan joko otos tai koko populaatio (väestönlaskenta). Se kuuluu kahteen luokkaan:
1. Satunnaiset virheet
Satunnaiset virheet ovat virheitä, joita ei voida ottaa huomioon ja jotka vain tapahtuvat. Tilastollisissa tutkimuksissa uskotaan, että kukin satunnaisvirhe kompensoi toisiaan, yleisesti ottaen, joten ne eivät ole juurikaan huolestuttavia.
2. Systemaattiset virheet
Systemaattiset virheet vaikuttavat tutkimuksen otokseen ja sen seurauksena tuottavat usein hyödyttömiä tietoja. Systemaattinen virhe on johdonmukainen ja toistettavissa, joten tutkimuksen tekijöiden on huolehdittava tällaisen virheen lieventämisestä.
Muita kuin otantavirheitä voi esiintyä tutkimuksen useista näkökohdista. Yleisimpiä kuin otantavirheitä ovat virheet tietojen syöttämisessä, puolueelliset kysymykset ja päätöksenteko, vastaamattomuus, väärät tiedot ja epäasianmukainen analyysi.
Muiden kuin otantavirheiden tyypit
Ei-otantavirheitä on useita, mukaan lukien:
1. Vastausvirhe
Vastaamattomuusvirhe johtuu erojen osallistumisesta päättävien ihmisten välillä verrattuna ihmisiin, jotka eivät osallistu tiettyyn kyselyyn. Toisin sanoen se on olemassa, kun ihmisille annetaan mahdollisuus osallistua, mutta he eivät halua osallistua, joten heidän tutkimustuloksiaan ei sisällytetä aineistoon.
2. Mittausvirhe
Mittausvirhe viittaa kaikkiin virheisiin, jotka liittyvät kunkin näytteenottoyksikön mittaamiseen, toisin kuin virheisiin, jotka liittyvät niiden valitsemiseen. Virhe syntyy usein, kun on sekavia kysymyksiä, näytteenoton väsymyksestä johtuvaa huonolaatuista tietoa (ts. Joku on kyllästynyt ottamaan kyselyä) ja huonolaatuisia mittaustyökaluja Mittaustaso Tilastossa mittaustaso on luokitus, joka liittyy muuttujille keskenään määritetyt arvot. Toisin sanoen.
3. Haastattelijan virhe
Haastattelijavirhe tapahtuu, kun haastattelija (tai järjestelmänvalvoja) tekee virheen tallennettaessa vastausta. Laadullisessa tutkimuksessa haastattelija voi saada vastaajan vastaamaan tietyllä tavalla. Kvantitatiivisessa tutkimuksessa haastattelija voi esittää kysymyksen eri tavalla, mikä johtaa erilaiseen lopputulokseen.
4. Säätövirhe
Säätövirhe kuvaa tilannetta, jossa tietojen analysointi säätää sitä siten, että se ei ole täysin tarkka. Säätövirheiden muotoihin sisältyy virheitä tietojen painotuksessa, tietojen puhdistuksessa ja imputoinnissa.
5. Käsittelyvirhe
Käsittelyvirhe syntyy, kun tietojen käsittelyssä on ongelma, joka aiheuttaa jonkinlaisen virheen. Esimerkki on, jos tiedot on syötetty väärin tai jos tiedosto on vioittunut.
Näytteenottovirhe vs. muu kuin näytteenottovirhe
Usein näytteenottovirheitä ja muita kuin otantavirheitä käytetään samankaltaisissa yhteyksissä, mutta molempien käsitteiden välillä on joitain keskeisiä eroja. Ne sisältävät:
1. Näytteenottovirhe voi ilmetä myös silloin, kun mitään ilmeistä virhettä ei ole tehty, toisin kuin ei-otantavirhe, joka syntyy virheen tapahtuessa.
2. Otantavirhe tapahtuu, kun otos ei edusta yleistä totuutta, kun taas ei-otantavirhe on ominaista tietylle tutkimustavoitteelle.
3. Näytteenottovirhe voidaan vähentää huomattavasti otannan koon kasvaessa, mutta muut kuin näytteenottovirheet edellyttävät enemmän menetelmällisiä prosesseja.
4. Otantavirhe johtuu usein sisäisistä tekijöistä, kun taas ei-otantavirhe johtuu ulkoisista tekijöistä, jotka eivät täysin liity kyselyyn, tutkimukseen tai väestönlaskentaan.
Kuinka vähentää virheitä
Ei-otantavirheiden vähentäminen ei ole yhtä helppoa kuin näytevirheiden vähentäminen. Otantavirheellä voit vähentää virheriskiä yksinkertaisesti lisäämällä otoksen kokoa. Se ei toimi muiden kuin otantavirheiden tapauksessa, joita on usein erittäin vaikea havaita ja poistaa (ellei virheen lähdettä oteta huomioon hyvin menetelmällisesti).
Muiden kuin otantavirheiden tehokkaan vähentämiseksi tutkimuksen suunnittelijoiden on otettava erittäin huolellisesti huomioon tulosten oikeellisuus. Sellaisena tutkija voi suunnitella tutkimukseen mekanismin virheen vähentämiseksi, mutta ei myöhemmin lisää uutta virhettä.
Esimerkiksi tutkija voi maksaa yksilölle bonuksen tietojen syöttötarkkuudesta riippuen, tai hän voi kuvata kaikki haastattelut varmistaakseen, että haastattelija pysyy aiheessa ja käsikirjoituksessa.
Lisäresurssit
Rahoitus on Certified Banking & Credit Analyst (CBCA) ™ CBCA ™ -sertifikaatin virallinen toimittaja. Certified Banking & Credit Analyst (CBCA) ™ -sertifikaatti on maailmanlaajuinen luottotietojen analyytikoiden standardi, joka kattaa rahoituksen, kirjanpidon, luottotutkimukset, kassavirta-analyysit kovenanttimallinnus, lainojen takaisinmaksut ja paljon muuta. sertifiointiohjelma, joka on suunniteltu muuttamaan kuka tahansa maailmanluokan rahoitusanalyytikkoksi.
Nämä lisäresurssit ovat erittäin hyödyllisiä auttaakseen sinua tulemaan maailmanluokan rahoitusanalyytikkona ja edistämään urasi täydellä mahdollisuudella:
- Klusterinäyte Klusterinäyte Tilastossa klusterinäyte on otantamenetelmä, jossa koko tutkimuksen populaatio on jaettu ulkoisesti homogeeniseen mutta sisäisesti
- Parametri Parametri Parametri on hyödyllinen osa tilastollista analyysiä. Se viittaa ominaisuuksiin, joita käytetään tietyn populaation määrittelemiseen. Se on tottunut
- Näytteen valinnan poikkeama Näytteen valinnan puolueellisuus Näytteen valinnan puolueellisuus on puolueellisuus, joka johtuu epäonnistumisesta varmistaa populaationäytteen oikea satunnaistaminen. Näytteen valinnan puutteet
- Tyypin I virhe Tyypin I virhe Tilastollisen hypoteesin testauksessa tyypin I virhe on lähinnä todellisen nollahypoteesin hylkääminen. Tyypin I virhe tunnetaan myös vääränä
