Errore di non campionamento
Che cos'è un errore non di campionamento?
Un errore non di campionamento è un termine statistico che si riferisce a un errore che si verifica durante la raccolta dei dati, causando una differenza dei dati dai valori reali. Un errore di non campionamento è diverso da un errore di campionamento. Un errore di campionamento è limitato alle differenze tra i valori del campione e i valori dell'universo che si verificano perché la dimensione del campione era limitata. (L'intero universo non può essere campionato in un sondaggio o in un censimento.)
Un errore di campionamento può verificarsi anche quando non vengono commessi errori di alcun tipo. Gli "errori" derivano dal semplice fatto che è improbabile che i dati in un campione corrispondano perfettamente ai dati dell'universo da cui è stato prelevato il campione. Questo "errore" può essere ridotto al minimo aumentando la dimensione del campione.
Gli errori di non campionamento coprono tutte le altre discrepanze, comprese quelle che derivano da una tecnica di campionamento scadente.
Come funziona un errore non di campionamento
Errori di non campionamento possono essere presenti sia nei campioni che nei censimenti in cui viene intervistata un'intera popolazione. Gli errori non di campionamento rientrano in due categorie: casuali e sistematici.
Si ritiene che gli errori casuali si compensino a vicenda e quindi, molto spesso, sono di scarsa importanza. Gli errori sistematici, d'altra parte, interessano l'intero campione e presentano quindi un problema più significativo. Gli errori casuali, generalmente, non comporteranno lo scarto di un campione o di un censimento, mentre un errore sistematico molto probabilmente renderà inutilizzabili i dati raccolti.
Gli errori di non campionamento sono causati da fattori esterni piuttosto che da un problema all'interno di un'indagine, uno studio o un censimento.
Ci sono molti modi in cui possono verificarsi errori non di campionamento. Ad esempio, gli errori di non campionamento possono includere, a titolo esemplificativo, errori di immissione dei dati, domande di indagine distorte, elaborazione/processo decisionale distorto, mancate risposte, conclusioni di analisi inadeguate e informazioni false fornite dagli intervistati.
Considerazioni speciali
Sebbene l'aumento della dimensione del campione possa aiutare a ridurre al minimo gli errori di campionamento, non avrà alcun effetto sulla riduzione degli errori non di campionamento. Questo perché gli errori non di campionamento sono spesso difficili da rilevare ed è praticamente impossibile eliminarli.
Gli errori non di campionamento includono errori di mancata risposta, errori di copertura, errori di intervista ed errori di elaborazione. Si verificherebbe un errore di copertura, ad esempio, se una persona fosse contata due volte in un sondaggio o le sue risposte fossero duplicate nel sondaggio. Se un intervistatore è di parte nel suo campionamento, l'errore di non campionamento sarebbe considerato un errore dell'intervistatore.
Inoltre, è difficile provare che gli intervistati in un sondaggio stiano fornendo informazioni false, per errore o di proposito. In ogni caso, le informazioni sbagliate fornite dagli intervistati contano come errori non di campionamento e sono descritte come errori di risposta.
Gli errori tecnici esistono in una categoria diversa. Se sono presenti voci relative ai dati, come codifica, raccolta, immissione o modifica, vengono considerate errori di elaborazione.
Mette in risalto
Un errore non di campionamento si riferisce a errori casuali o sistematici e questi errori possono essere difficili da individuare in un'indagine, un campione o un censimento.
Quando si verificano errori di non campionamento, il tasso di bias in uno studio o sondaggio aumenta.
Maggiore è il numero di errori, meno affidabili sono le informazioni.
Gli errori sistematici di non campionamento sono peggiori degli errori casuali di non campionamento perché gli errori sistematici possono comportare l'eliminazione dello studio, dell'indagine o del censimento.
Un errore di non campionamento è un termine utilizzato nelle statistiche che si riferisce a un errore che si verifica durante la raccolta dei dati, causando una differenza dei dati dai valori reali.
