Deux approches: l'échantillonnage probabiliste et l'échantillonnage non probabiliste
Il existe deux approches générales de l'échantillonnage dans les études de marché: l'échantillonnage probabiliste et l'échantillonnage non probabiliste. L'échantillonnage probabiliste doit répondre aux conditions suivantes: Chaque unité d'analyse doit avoir la même probabilité d'être incluse dans le groupe d'échantillons, puis la probabilité mathématique de tout membre du groupe d'échantillon sélectionné pour l'échantillon peut être calculée mathématiquement.
Quelle est l'erreur d'échantillonnage et comment puis-je savoir si je l'ai?
Lorsque vous travaillez avec des échantillons non probabilistes, il est important de comprendre l'occurrence de l'erreur d'échantillonnage . Plus le groupe d'échantillonnage est petit, plus grande est la probabilité d'erreur d'échantillonnage. Un type particulier de biais est le résultat de la non-participation. Il est important de comprendre l'impact de la non-participation sur le résultat global d'une étude. Un exemple vient du General Society Survey (GSS) de 1980 dans lequel ceux qui n'ont pas participé à la recherche se sont révélés très différents - en tant que groupe - de ceux qui avaient participé.
Les membres du groupe difficiles à atteindre étaient significativement différents de ceux des participants au marché du travail, notamment le statut socioéconomique, l'état matrimonial, l'âge, le nombre d'enfants, la santé et le sexe.
Qu'est-ce que l'échantillonnage de commodité? Est-il pratique d'analyser?
Les échantillons de commodité sont couramment utilisés en sciences sociales et en sciences du comportement en raison de la forte dépendance envers les étudiants, les patients, les bénévoles rémunérés, les membres des réseaux sociaux ou des organisations formelles, et même les prisonniers.
Le but de la plupart des recherches en sciences sociales et comportementales est de vérifier que certaines caractéristiques se produisent ou ne se produisent pas dans le groupe étudié. Une approche commune consiste à rechercher des relations entre plusieurs attributs . Les échantillons de commodité sont utiles et adéquats pour ce type d'étude. En outre, il est utile de reconnaître qu'un échantillon de commodité n'est pas toujours facile à mettre en place.
Des échantillons de commodité peuvent également être appariés afin de comparer deux groupes. Afin d'utiliser des échantillons de commodité appariés , un chercheur doit être capable d'identifier une contrepartie pour chaque membre du premier échantillon. Ces homologues sont membres du deuxième échantillon (apparié). Les variables généralement associées comprennent le sexe, l'âge, la race, l'origine ethnique, le niveau de scolarité, le lieu de résidence, l'orientation politique, la religion, le type d'emploi et les salaires ou traitements. L'appariement de ces variables contribue à réduire les sources de biais . Cependant, il est important de reconnaître que même un appariement minutieux peut ne pas aboutir à des échantillons exempts de biais - il y a toujours une possibilité de partialité provenant de sources cachées.
Qu'est-ce que l'échantillonnage raisonné? Est-il toujours non probabiliste?
L'échantillonnage raisonné est utilisé lorsque la conception de la recherche nécessite un échantillon de personnes qui présentent des attributs particuliers.
Généralement, ces attributs sont rares ou inhabituels et ne sont généralement pas distribués normalement (selon une «courbe normale») dans la population générale. L'échantillonnage raisonné est lourd de biais, dont certains résultent des méthodes utilisées pour identifier les membres d'un échantillon raisonné. Par exemple, si le but de la recherche nécessite l'étude d'anciens combattants ayant subi un traumatisme craniocérébral, l'échantillon doit être composé d'anciens militaires ayant subi une lésion cérébrale traumatique, qui s'identifient en conséquence et acceptent de participer à l'étude. . Chacun de ces attributs ou conditions contribue à une mesure du biais de l'échantillon, limitant ainsi le niveau et le type de conclusions qui résultent de l'étude.
Une limitation importante de l'approche d'échantillonnage non probabiliste
Une limitation importante de l'échantillonnage non probabiliste est que les inférences ne peuvent pas être tirées sur la population plus large basée sur un échantillon non probabiliste.
Cependant, ce n'est pas toujours le cas, car une vision réaliste de la façon dont les gens abordent les résultats de la recherche permettra d'identifier facilement les situations où les gens tirent des conclusions inappropriées des résultats associés aux échantillons non probabilistes.
Aussi connu sous: échantillonnage de commodité, échantillonnage raisonné
Exemples:
Les échantillons qui agissent comme des sondages d'opinion publique sont diffusés avec l'idée qu'ils représentent comment les membres d'une population vont voter lors d'une élection à venir ou autre. Ces échantillons doivent être très représentatifs de la population afin d'être utilisés pour faire des prévisions sur les résultats des élections, par exemple.