L'erreur non due à l'échantillonnage fait référence à une erreur qui découle du résultat de la collecte de données, ce qui fait que les données diffèrent des vraies valeurs. Elle est différente de l'erreur d'échantillonnage, qui correspond à toute différence entre les valeurs de l'échantillon Variable aléatoire Une variable aléatoire (variable stochastique) est un type de variable en statistique dont les valeurs possibles dépendent des résultats d'un certain phénomène aléatoire et des valeurs universelles qui peuvent en résulter à partir d'une taille d'échantillonnage limitée.
L'erreur non due à l'échantillonnage peut prendre diverses formes, notamment l'erreur de non-réponse, l'erreur de mesure, l'erreur de l'intervieweur, l'erreur d'ajustement et l'erreur de traitement.
Mécanique de l'erreur de non-échantillonnage
Une erreur non due à l'échantillonnage peut survenir lorsqu'un échantillon ou une population entière (recensement) est prélevé. Il se divise en deux catégories:
1. Erreurs aléatoires
Les erreurs aléatoires sont des erreurs qui ne peuvent être prises en compte et qui se produisent tout simplement. Dans les études statistiques, on pense que chaque erreur aléatoire se compense les unes les autres, de manière générale, elles sont donc peu ou pas préoccupantes.
2. Erreurs systématiques
Les erreurs systématiques affectent l'échantillon de l'étude et, par conséquent, créent souvent des données inutiles. Une erreur systématique est cohérente et reproductible, les créateurs de l'étude doivent donc prendre grand soin d'atténuer une telle erreur.
Des erreurs non dues à l'échantillonnage peuvent provenir de plusieurs aspects d'une étude. Les erreurs non dues à l'échantillonnage les plus courantes comprennent les erreurs de saisie des données, les questions biaisées et la prise de décision, les non-réponses, les fausses informations et les analyses inappropriées.
Types d'erreurs non dues à l'échantillonnage
Il existe plusieurs types d'erreurs non dues à l'échantillonnage, notamment:
1. Erreur de non-réponse
Une erreur de non-réponse est causée par les différences entre les personnes qui choisissent de participer et les personnes qui ne participent pas à une enquête donnée. En d'autres termes, il existe lorsque les gens ont la possibilité de participer mais choisissent de ne pas le faire, par conséquent, les résultats de leur enquête ne sont pas intégrés aux données.
2. Erreur de mesure
Une erreur de mesure fait référence à toutes les erreurs liées à la mesure de chaque unité d'échantillonnage, par opposition aux erreurs liées à la façon dont elles ont été sélectionnées. L'erreur survient souvent lorsqu'il y a des questions confuses, des données de mauvaise qualité en raison de la fatigue de l'échantillonnage (c'est-à-dire qu'une personne est fatiguée de répondre à une enquête) et des outils de mesure de mauvaise qualité Niveau de mesure Dans les statistiques, le niveau de mesure est une classification qui concerne les valeurs qui sont affectées aux variables entre elles. En d'autres termes, niveau de.
3. Erreur de l'intervieweur
Une erreur de l'intervieweur se produit lorsque l'intervieweur (ou l'administrateur) fait une erreur lors de l'enregistrement d'une réponse. Dans une recherche qualitative, un intervieweur peut amener un répondant à répondre d'une certaine manière. Dans la recherche quantitative, un enquêteur peut poser la question d'une manière différente, ce qui conduit à un résultat final différent.
4. Erreur de réglage
Une erreur d'ajustement décrit une situation dans laquelle l'analyse des données les ajuste de telle manière qu'elles ne sont pas entièrement exactes. Les formes d'erreur d'ajustement comprennent les erreurs de pondération des données, de nettoyage des données et d'imputation.
5. Erreur de traitement
Une erreur de traitement survient lorsqu'il y a un problème de traitement des données qui provoque une erreur quelconque. Un exemple sera si les données ont été saisies incorrectement ou si le fichier de données est corrompu.
Erreur d'échantillonnage et erreur de non-échantillonnage
Souvent, l'erreur d'échantillonnage et l'erreur non due à l'échantillonnage sont utilisées dans des contextes similaires, mais il existe des différences cruciales entre les deux concepts. Ils comprennent:
1. Une erreur d'échantillonnage peut survenir même lorsqu'aucune erreur apparente n'a été commise, contrairement à une erreur non due à l'échantillonnage, qui survient lorsqu'une erreur se produit.
2. Une erreur d'échantillonnage se produit lorsque l'échantillon n'est pas représentatif de la vérité universelle, alors que l'erreur non due à l'échantillonnage est spécifique à un certain plan d'étude.
3. L'erreur d'échantillonnage peut être considérablement réduite à mesure que la taille de l'échantillon augmente, mais l'erreur non due à l'échantillonnage nécessite des processus plus méthodiques pour être réduite.
4. L'erreur d'échantillonnage est souvent causée par des facteurs internes, tandis que l'erreur non due à l'échantillonnage est causée par des facteurs externes qui ne sont pas entièrement liés à une enquête, une étude ou un recensement.
Comment réduire les erreurs
La réduction des erreurs non dues à l'échantillonnage n'est pas aussi simple que la réduction des erreurs d'échantillonnage. Avec l'erreur d'échantillonnage, vous pouvez réduire le risque d'erreur en augmentant simplement la taille de l'échantillon. Cela ne fonctionnera pas pour les erreurs non dues à l'échantillonnage, qui sont souvent très difficiles à détecter et à éliminer (à moins qu'une considération très méthodique ne soit donnée à la source de l'erreur).
Pour réduire efficacement les erreurs non dues à l'échantillonnage, les concepteurs de l'étude doivent prendre en considération très attentivement la validité des résultats. En tant que tel, un chercheur peut concevoir un mécanisme dans l'étude pour réduire l'erreur, sans introduire par la suite une autre erreur.
Par exemple, un chercheur peut verser à l'individu une prime en fonction de l'exactitude de sa saisie de données, ou il peut filmer toutes les interviews pour s'assurer que l'intervieweur reste sur le sujet et sur le scénario.
Ressources supplémentaires
Finance est le fournisseur officiel de la certification Certified Banking & Credit Analyst (CBCA) ™ CBCA ™ L'accréditation Certified Banking & Credit Analyst (CBCA) ™ est une norme mondiale pour les analystes de crédit qui couvre la finance, la comptabilité, l'analyse de crédit, modélisation d'alliances, remboursements de prêts, etc. programme de certification, conçu pour transformer n'importe qui en analyste financier de classe mondiale.
Afin de vous aider à devenir un analyste financier de classe mondiale et à faire progresser votre carrière à votre plein potentiel, ces ressources supplémentaires vous seront très utiles:
- Échantillonnage en grappes Échantillonnage en grappes Dans les statistiques, l'échantillonnage en grappes est une méthode d'échantillonnage dans laquelle l'ensemble de la population de l'étude est divisée en groupes externes homogènes mais internes
- Paramètre Paramètre Un paramètre est un composant utile de l'analyse statistique. Il fait référence aux caractéristiques utilisées pour définir une population donnée. Il est utilisé pour
- Biais de sélection d'échantillon Biais de sélection d'échantillon Le biais de sélection d'échantillon est le biais qui résulte de l'incapacité à garantir la randomisation appropriée d'un échantillon de population. Les défauts de la sélection des échantillons
- Erreur de type I Erreur de type I Dans les tests d'hypothèse statistique, une erreur de type I est essentiellement le rejet de l'hypothèse nulle vraie. L'erreur de type I est également connue sous le nom de faux
