什么是非概率抽样?|类型和示例
Non-probability抽样是一个抽样方法它使用非随机标准，如可用性、地理邻近性或你想要研究的个人的专业知识，以回答研究问题。
当总体参数未知或无法单独识别时，使用非概率抽样。例如，访问一个不需要用户创建账户的网站的访问者可以构成非概率样本的一部分。
请注意，这种类型的抽样具有较高的风险研究偏见尤其是概率抽样抽样偏差．
- 在non-probability抽样，目标人群中的每个单位都有不有平等的机会被包括在内。在这里，您可以使用其他考虑因素来形成示例，例如便利性或特定特性。
- 在概率抽样，目标人群中的每个单位必须有平等的选择机会。
非概率抽样的类型
有五种常见的非概率抽样类型:
便利抽样
便利抽样主要是由研究者的方便程度决定的。
这包括以下因素:
- 易于访问
- 地理上的接近
- 在感兴趣的人群中已有的联系
方便样本有时被称为“偶然样本”，因为参与者可以被选择作为样本，只是因为当研究人员进行实验时，他们碰巧在附近数据收集．
定额抽样
在定额抽样，你选择一个预先确定的数量或比例的单位，称为配额。您的配额应包括具有特定特征的子组(例如，个人、案例或组织)，并且应以非随机方式选择。
你的子组，叫做地层，应该是互斥的。您的估计可以基于以前的研究或其他现有数据(如果有的话)。这可以帮助您确定应该从每个子组中选择多少个单元。在数据收集阶段，你继续招募单位，直到达到你的配额。
配额抽样有两种类型:
- 成比例的定额抽样当种群的大小已知时使用。这允许您确定需要包含在样本中的个体配额，以代表您的总体。
你决定抽取100名员工作为样本。你的样本需要调查60名司机和40名火车乘客，以反映该公司的比例。
- 非均衡定额抽样当总体规模未知时使用。在这里，由您来决定您将提前包含在样本中的个人配额。
请注意，配额抽样可能听起来类似于分层抽样这是一种概率抽样方法，将总体划分为具有共同特征的子组。
这里的关键区别是，在分层抽样中，你从每个子组中随机抽取样本，而在配额抽样中，样本的选择是非随机的，通常是通过方便抽样。换句话说，样本中包括谁，这取决于研究人员的主观判断。
你站在一个方便的地方，比如一条繁忙的购物街，随机选择看起来符合年龄标准的人进行交谈。一旦你阻止他们，你必须首先确定他们是否确实符合属于预定年龄范围的标准，并且在郊区拥有或租赁房产。
抽样将继续进行，直到为各个子组选择了配额为止。如果被接触的个人不愿意参与或不符合其中一个条件(例如，他们超过60岁或他们不住在郊区)，他们就会被符合条件的人取代。这种方法确实有助于缓解nonresponse偏见．
自我选择(志愿者)抽样
自己挑选抽样(也称为志愿者抽样)依赖于自愿同意成为你研究的一部分的参与者。对于需要符合特定标准的人的样本来说，这是很常见的，就像医学或心理学研究经常出现的情况一样。
在自我选择抽样中，通常通过广告邀请志愿者参与，让符合条件的人报名。招募志愿者直到达到预定的样本量。
自我选择或志愿者抽样包括两个步骤:
- 宣传你对拍摄对象的需求
- 检查每个主题的合适性，邀请或拒绝他们
你的广告应该紧随其后道德准则，明确了研究的内容。它还应包括更实际的资料，例如所需的参加者类型。在这种情况下，你决定把注意力集中在至少能跑5公里的跑步者身上，他们之前没有接受过正念训练或经验。
请记住，并不是所有申请的人都有资格参加你的研究。很多申请人很有可能不会完全阅读或理解你的研究内容，或者可能具有不合格的因素。在邀请任何志愿者成为你样本的一部分之前，仔细检查资格是很重要的。
滚雪球抽样
滚雪球抽样当你想要研究的人群很难达到，或者没有现有的数据库或其他抽样框架来帮助你找到他们时使用。研究社会边缘群体，如吸毒者、无家可归者或性工作者，通常使用滚雪球抽样。
要进行雪球抽样，你首先要找到一个愿意参与你的研究的人。然后你让他们把你介绍给其他人。
或者，你的研究可能包括寻找使用某种产品的人或在你感兴趣的领域有经验的人。在这些情况下，您还可以使用人际网络来访问您感兴趣的人群。
这样，雪球抽样的过程就开始了。你从参加会议开始，在那里你遇到了一个人，他可以让你和小组里的其他人联系起来。
在研究弱势群体时，一定要遵循道德的考虑和指导方针。
有目的(判断性)抽样
立意抽样是几种抽样技术的总称，这些技术根据参与者所拥有的品质来故意选择参与者。它也被称为判断抽样，因为它依赖于研究人员的判断来选择单位(例如，研究的人、案例或组织)。
有目的抽样是常见的定性而且混合方法研究设计，特别是在考虑特殊情况下的特定问题时。
被研究的样本不能代表总体，但对于某些定性和混合方法的研究设计，这不是一个问题。
常见的有目的抽样技术包括:
这些方法既可以单独使用，也可以与其他有目的的采样技术结合使用。
最大变异抽样
背后的想法最大变异抽样就是从所有可能的角度来看待一个问题，以便获得更好的理解。也被称为异质抽样，它涉及到在与研究主题相关的广泛范围内选择候选人。这有助于您捕捉广泛的视角，并确定整个示例中明显的共同主题。
使用最大变异抽样法绘制样本，包括表现差的学生、表现优秀的学生和表现中等的学生。你招聘和面试学生，直到达到饱和点。
均匀采样
均匀采样与最大变异抽样不同，最大变异抽样的目的是获得一个样本，其单位具有共同的特征，例如一群在年龄、文化或工作方面相似的人。这里的想法是关注这种相似性，调查它与你正在研究的主题有什么关系。
典型案例抽样
一个典型案例样本由可以被认为是一个社区或现象的“典型”的人组成。一个典型的案例样本允许您开发一个通常被认为是“平均”或“正常”的概要。
在调查大型社区或复杂问题时，通常使用典型案例样本。这样，你可以在相对较短的时间内获得理解，即使你自己不熟悉发生了什么。
对于物理治疗师，这可能包括多年的专业经验，教育背景等。对于病人来说，标准可以包括他们的年龄，或者他们过去一年去诊所的次数。通过比较两个典型案例样本，您可以得出一般物理治疗师是否具有满足一般客户需求所需的专业知识。
请注意，典型案例抽样的目的是描述和说明对不熟悉环境或情况的人来说什么是典型的。其目的不是对所有参与者的经历作出概括的陈述。换句话说，典型案例抽样允许你比较样本，而不是将样本推广到总体。
极端(异常)案例抽样
极端(或偏差)案例抽样使用特定现象的极端情况(离群值)．这可能意味着显著的失败、成功或危机，以及任何事件、组织或个人，似乎是“规则的例外”。当研究人员制定最佳实践指南时，最常使用极端案例抽样。
请注意，极端情况抽样通常与其他抽样策略结合使用。识别极端或异常病例的过程通常发生在部分数据收集和分析已经完成之后。
关键案例抽样
关键案例抽样用于单个案例(或少量案例)对解释感兴趣的现象具有关键或决定性作用的情况。它经常用于探索性研究或者在资源有限的情况下进行研究。
有一些线索可以帮助你判断一个案例是否严重，例如:
- “如果发生在这里，它会发生在任何地方”
- “如果这个群体有问题，那么所有群体都有问题”
在继续使用这种抽样方法之前，确保您的案例符合这些标准是至关重要的。
也就是说，你的关键病例可能是有相关专业知识的人，也可能是没有相关专业知识的人。
专家抽样
专家抽样根据参与者可证明的经验、知识或专业知识选择样本。这种专业知识可能是一个很好的方法来弥补缺乏观察证据或收集信息探索性你的研究阶段。
或者，你的研究可以集中在拥有这种专业知识的个人，类似于民族志研究．
非概率抽样例子
你可以使用一些方法来绘制非概率样本，例如:
社交媒体
假设您正在研究数字游民(仅在在线环境中工作的年轻专业人员)的动机。你很好奇是什么导致他们采用这种生活方式。
由于您感兴趣的人群分布在全球各地，因此亲自进行研究显然是不可行的。相反，你决定使用社交媒体，通过雪球抽样来寻找参与者。
首先，你要确定那些迎合数字游民的社交媒体网站，比如Facebook群、博客或自由职业网站。你请求管理员允许你向参与者发布关于你的研究信息的号召，鼓励读者与同行分享这个号召。
河采样
您是一个调查网络行为和网络欺凌的研究小组的成员，特别是在您所在州15至30岁的用户中。你通过两种方式收集数据，使用在线调查。
你首先在当地媒体发布的一篇关于网络仇恨的在线新闻文章中放置了你的调查链接。其次，您通过社交媒体发起广告活动，目标用户年龄在15岁至30岁之间，并链接回您的调查。为了吸引用户参与，所有广告中都提到了抽奖(电影票)。调查和活动的活跃时间是相同的。
这两种数据采集方法都是河流样本。这个名字指的是研究人员深入一个网站的流量，捕捉一些流动的用户。
街研究
你感兴趣的是普通人群对心肌梗死症状的了解程度。
一个星期，你站在一个购物中心，拦住路人，问他们是否愿意参加你的研究。为了让受访者的范围尽可能广泛，你在周一至周五的工作时间采访了相同数量的人。
概率抽样和非概率抽样
抽样方法大致可分为两种:
- 概率抽样：当样本以这样一种方式抽取，即群体中的每个单位都有均等的选择机会
- Non-probability抽样：在为样本选择单位时，要考虑其他因素，如便利性或地理邻近性
概率抽样
对于许多类型的分析，重要的是统计分析是从一个随机概率样本从感兴趣的总体中。为了使样本符合随机条件，每个单元必须有相等的机会(即相等的概率)被选中。
当您使用随机选择方法(例如，绘图)并确保您有足够大的样本时，您的样本更有可能具有代表性，并且结果可推广。
由于时间限制，150名学生的样本被认为是足够的。在获得学生注册表后，您将其用作抽样框架，并在在线随机数生成器的帮助下，绘制一个简单的随机样本。
Non-probability抽样
当需要根据人群的特定特征(例如，糖尿病患者)收集样本时，使用非概率抽样设计。
与概率抽样不同，抽样的目标不是在选择样本时达到客观性，也不是进行统计推断。相反，目标是将结果仅应用于特定的部分或组织。这些都用于定量和定性研究。
非概率抽样的优缺点
重要的是要意识到非概率抽样的优点和缺点，并了解它们如何在你的研究设计中发挥作用。
非概率抽样的优点
根据你的研究设计，选择非概率抽样有其优势。
- 非概率抽样不需要抽样框架，所以你的对象通常是现成的。这可以使非概率抽样更快更容易地进行。
- 非概率抽样允许您在总体中针对特定的群体。在某些类型的研究中，在你的样本中包含某些单位是至关重要的。例如，许多种类的医学研究依赖于有特定健康问题的人。
- 虽然不可能从样本对总体进行统计推断，但非概率抽样方法可以为研究人员提供数据，以便从被研究的样本中做出其他类型的概括。
非概率抽样的缺点
非概率抽样也有一些缺点。其中包括:
中描述您的选择，可以减轻非概率抽样的缺点方法部分论文．具体来说，解释你的样本与随机选择的样本有何不同，并提及任何可能被排除或在你的样本中比例过高的受试者。
关于非概率抽样的常见问题
引用这篇Scribbr文章
如果你想引用这个来源，你可以复制和粘贴引用或点击“引用这篇Scribbr文章”按钮，自动添加到我们的免费引用生成器引用。
Nikolopoulou, K.(2022, 12月1日)。什么是非概率抽样?|类型和示例。Scribbr。检索于2022年12月14日，来自//www.charpingshvac.com/methodology/non-probability-sampling/
