SurveyMonkey игнорирует тот факт, что вы получаете неслучайный образец?

SurveyMonkey имеет шаги и диаграмму, чтобы вы могли определить, какой размер выборки вам нужен для данного диапазона погрешности или доверительного интервала, исходя из размера вашей популяции.

Размер выборки SurveyMonkey

Эта диаграмма просто игнорирует тот факт, что вы не получите случайную выборку, поскольку вы получаете только людей, которые потрудились ответить на опрос?

Когда я набираю это, меня предупреждают, что вопрос кажется субъективным, поэтому, возможно, я не правильно его задаю. Дело не в SurveyMonkey, а в более общем вопросе - можете ли вы рассчитать доверительные интервалы по данным добровольного ответа, используя некоторые продвинутые методы, о которых я не знаю?

Очевидно, что в опросах на выходе или национальных опросах они должны решать эту проблему. Мое образование не охватывало методы выборочной выборки, но я предполагаю, что оно включает сбор демографических данных и их использование, чтобы узнать, насколько репрезентативна ваша выборка.

Но кроме этого, для простого онлайн-опроса, они просто предполагают, что люди, которые пытаются ответить, являются случайной выборкой населения?

Короткий ответ - да: Survey Monkey точно игнорирует то, как вы получили свой образец. Survey Monkey недостаточно умен, чтобы предположить, что то, что вы собрали , не является удобной выборкой, но практически каждый опрос Survey Monkey является удобной выборкой. Это создает огромное расхождение именно в том, что вы оцениваете, что никакое количество чистой выборки не может / не сможет устранить. С одной стороны, вы можете определить население (и ассоциации в нем), которое вы получите от SRS. С другой стороны, вы можете определить популяцию, определенную вашей неслучайной выборкой, ассоциации там вы можетеоценка (и для таких значений действуют правила мощности). Вы, как исследователь, должны обсудить это несоответствие и позволить читателю точно решить, насколько достоверной может быть неслучайная выборка в приближении реальной тенденции.

$\mbox{Bias}_n = \theta - \hat{\theta}_n$$\hat{\theta} \rightarrow_p \theta$$\hat{\theta} \not\to_p \theta$в теории вероятностей. Эксперты по дизайну исследования (например, эпидемиологи) приобрели дурную привычку называть несоответствие «предвзятостью» В данном случае это смещение выбора или смещение добровольца. Это, безусловно, форма предвзятости, но непоследовательность подразумевает, что никакое количество выборок никогда не исправит проблему.

Чтобы оценить ассоциации на уровне населения по данным удобной выборки, вам необходимо правильно определить механизм вероятности выборки и использовать обратный весовой коэффициент вероятности во всех ваших оценках. В очень редких ситуациях это имеет смысл. Выявление такого механизма практически невозможно на практике. Время, когда это может быть сделано, находится в когорте людей с предыдущей информацией, к которым обращаются, чтобы заполнить опрос. Вероятность отсутствия ответа можно оценить как функцию от этой предыдущей информации, например, возраста, пола, SES, ... Взвешивание дает вам возможность экстраполировать результаты, которые были бы в популяции не отвечающих. Перепись является хорошим примером использования обратного взвешивания вероятности для такого анализа.