Ano ang Isang Hindi-Sampling Error?
Ang isang error na hindi-sampling ay isang istatistikal na termino na tumutukoy sa isang error na nagreresulta sa pagkolekta ng data, na nagiging sanhi ng pagkakaiba ng data sa mga tunay na halaga. Ang isang di-sampling error ay naiiba sa isang error sa pag-sampling. Ang isang sampling error ay limitado sa anumang pagkakaiba sa pagitan ng mga halimbawang halaga at mga halaga ng uniberso na lumabas dahil ang laki ng sample ay limitado. (Ang buong uniberso ay hindi maaaring mai-sample sa isang survey o isang census.)
Mga Key Takeaways
- Ang error na di-sampling ay isang term na ginamit sa mga istatistika na tumutukoy sa isang error na nangyayari sa panahon ng pagkolekta ng data, na nagiging sanhi ng pagkakaiba ng data mula sa mga tunay na halaga. Ang isang di-sampling error ay tumutukoy sa alinman sa mga random o sistematikong mga error, at ang mga error na ito ay maaaring maging hamon na makita sa isang survey, sample, o census. Ang mga sistematikong error na di-sampling ay mas masahol kaysa sa mga random na mga error na hindi sampling dahil ang mga sistematikong error ay maaaring magresulta sa pag-aaral, survey o census na kinakailangang mai-scrap. Ang mas mataas na bilang ng mga pagkakamali, hindi gaanong maaasahan ang impormasyon. Kapag nangyari ang mga error na hindi sampling, ang rate ng bias sa isang pag-aaral o survey ay tumaas.
Ang isang sampling error ay maaaring magresulta kahit na walang mga pagkakamali sa anumang uri ay nagawa. Ang "mga error" na resulta mula sa katotohanang ang data sa isang sample ay malamang na hindi perpektong tumutugma sa data sa uniberso kung saan kinuha ang sample. Ang "error" na ito ay maaaring mai-minimize sa pamamagitan ng pagtaas ng halimbawang laki.
Ang mga error na hindi sampling ay sumasaklaw sa lahat ng iba pang mga pagkakaiba-iba, kabilang ang mga lumabas mula sa isang hindi magandang pamamaraan ng pag-sampling.
Paano gumagana ang isang Hindi-Sampling Error
Ang mga non-sampling error ay maaaring naroroon sa parehong mga sample at census kung saan sinusuri ang isang buong populasyon. Ang mga error na hindi sampling ay nahuhulog sa ilalim ng dalawang kategorya: random at sistematikong.
Ang mga Random na error ay pinaniniwalaang mai-offset ang bawat isa at samakatuwid, kadalasan, ay walang gaanong pagkabahala. Ang mga sistematikong error, sa kabilang banda, ay nakakaapekto sa buong sample at sa gayon ay nagtatanghal ng isang mas makabuluhang isyu. Ang mga Random na pagkakamali, sa pangkalahatan, ay hindi magreresulta sa pag-scrape ng isang sample o census, samantalang ang isang sistematikong error ay malamang na mag-render ng mga data na nakolekta na hindi magagamit.
Ang mga error na hindi sampling ay sanhi ng mga panlabas na salik sa halip na isang isyu sa loob ng isang survey, pag-aaral, o census.
Mayroong maraming mga paraan na maaaring maganap ang mga error na hindi sampling. Halimbawa, ang mga error na hindi sampling ay maaaring magsama ngunit hindi limitado sa, mga pagkakamali sa pagpasok ng data, mga bias na katanungan ng pagsisiyasat, bias na pagproseso / paggawa ng desisyon, hindi mga sagot, mga hindi naaangkop na konklusyon sa pagsusuri, at maling impormasyon na ibinigay ng mga respondente.
Mga Espesyal na Pagsasaalang-alang
Habang ang pagtaas ng laki ng sample ay maaaring makatulong na mabawasan ang mga error sa sampling, hindi ito magkakaroon ng epekto sa pagbabawas ng mga error na di-sampling. Ito ay dahil ang mga pagkakamali sa hindi sampling ay madalas na mahirap makita, at halos imposible na maalis ang mga ito.
Kasama sa mga error na hindi sampling ang mga error na hindi pagtugon, mga error sa saklaw, mga error sa pakikipanayam, at mga error sa pagproseso. Magaganap ang isang error sa saklaw, halimbawa, kung ang isang tao ay binibilang nang dalawang beses sa isang survey, o ang kanilang mga sagot ay dobleng sa survey. Kung ang isang tagapanayam ay bias sa kanilang sampling, ang error na hindi sampling ay ituturing na error sa tagapanayam.
Bilang karagdagan, mahirap patunayan na ang mga sumasagot sa isang survey ay nagbibigay ng maling impormasyon — alinman sa pagkakamali o sa layunin. Alinmang paraan, maling impormasyon na ibinigay ng mga respondente ay binibilang bilang mga di-sampling error at inilarawan sila bilang mga error sa pagtugon.
Ang mga teknikal na error ay umiiral sa ibang kategorya. Kung mayroong anumang mga kaugnay na data entry - tulad ng pag-coding, koleksyon, pagpasok, o pag-edit - ang mga ito ay itinuturing na mga error sa pagproseso.
![Hindi Hindi](https://img.icotokenfund.com/img/financial-analysis/111/non-sampling-error.jpg)