Olasılıksız Örnekleme

Büyük ölçekli bir anket yapmak karmaşık bir iş olabilir. Her ne kadar sonuçların popülasyonun tamamını temsil etmesini isteseniz de düşüncelerini duymak istediğiniz herkese ankete katılma şansı vermeniz zordur.

Bu tür gerçek uygulamalarda kullanılan olasılıksız örnekleme yöntemi SurveyMonkey'in tecrübe ve bilgi sahibi olduğu bir çözümdür. SurveyMonkey,  Audience panelinde her an anketlere katılmaya hazır yarım milyon yanıtlayanıyla ABD'deki en büyük olasılıksız örneğe sahiptir.

Olasılıksız örnekleme yönteminde, popülasyonun bazı üyelerinin ankete katılma şansının sıfır olduğu çok iyi bilindiği için büyük bir popülasyondan bir grup yanıtlayan seçilir. Ancak, popülasyondaki herkesin seçilme şansının  sıfırdan farklı  olmasını gerektiren  olasılıklı örnekleme yönteminde buna izin verilmez.

İster SurveyMonkey Audience gibi bir paneli ister başka bir olasılıksız örnekleme tasarımını kullanın, yanıtlayanları seçme yolunuz her zaman popülasyonun bazı üyelerini bilerek dışarıda bırakacaktır.

Bazen insanlara size yanıt vermeyi kabul etme ya da geri çevirme olanağı sunulduğunda, bu tür dışarıda bırakmalar açık bir şekilde görülür. Örneğin, müşterilerden bir müşteri geri bildirim anketine katılmaları için e-posta adreslerini istediğinizde, muhtemelen bazıları vermeyi reddedecektir. Bu durumda o müşterilerin anket örneğinize seçilme şansları olmaz.

Kimi zaman da bu tür dışarıda bırakmalar o kadar açık görülmeyebilir. Diyelim ki belirli bir günde mağazanıza giren ilk 100 kişiye anket yapmayı planlıyorsunuz. Bu rastgele bir olasılıklı örnekleme tasarımı gibi görünebilir, ancak bir de şöyle düşünün: Mağazanıza sabah saatlerinde gelen insanlarla daha geç saatlerde gelebilen insanlar arasında muhtemelen bir fark vardır.

Mağazanızı 9:00'da açıyorsanız, ilk müşterilerinizin çalışan kesimden olma olasılığı muhtemelen akşam saat 7 veya 8'de gelen müşterilerinize göre daha azdır. Popülasyonun bir kısmının günün ilk 100 müşterisi arasına girme şansı olmadığından, sonuçlarınız önyargılı olabilir. Bu durumda burada aslında olasılıksız örnekleme yöntemini kullanmış olursunuz.

Tüm anketler için en uygun seçenek olmasa da sıkça kullanılan bazı olasılıksız örnekleme tasarımları şöyledir:

Her ne kadar istatistikçiler olasılıklı örneklemeye öncelik verseler de gerçek yaşamda anketler yapanlar için olasılıksız örnekleme daha pratik bir yoldur. Olasılıksız örnekleme, doğru şekilde yapıldığında size gerçek bir olasılıklı örnekten bekleyeceğiniz aynı yüksek kaliteli (veya daha iyi) verileri sağlayabilir.

Çoğu anketin çok spesifik bir popülasyon vardır ve olasılıklı örneklemenin sağladığı çeşitlilik ve temsil düzeyini karşılaması gerekmez. Küçük çocukların anneleri hakkında bir pazar araştırması yapıyorsanız, erkekleri, çocuğu olmayanları veya yetişkin çocukları olanları kapsayan bir olasılıklı örneğe ihtiyacınız yoktur.

Bir olasılıksız örnek ilgilendiğiniz popülasyonla mükemmel şekilde örtüşmediğinde bile, bu yönteme bağlı kalmanın birçok avantajı vardır.

Olasılıksız örneklemde örnek üyelerinin yanıt verme motivasyonu rastgele seçilen kişilere göre daha yüksek olduğu için bu örneklem yönteminde yanıt almak genellikle olasılıklı örnekleme kıyasla daha hızlı ve daha düşük maliyetlidir. Örneğin, bir şirketin e-posta listesinden seçilen insanların şirkete olan sadakati liste dışından seçilenlere göre daha yüksektir.

Olasılıksız örneklemenin en zor yanı, olasılıklı örneklemenin size vereceği düzeyde önyargısız sonuçlar elde etmektir.

Yanıtlayanları bulmak için kullandığınız yolun verilerinize zarar vermediğinden emin olmak için dikkati hiçbir zaman elden bırakmayın. Bazı çevrimiçi panellerin yanıtlayanlarına ödeme yapması, yalnızca para karşılığı yanıt veren ve doğru bilgiler sağlamayan "profesyonel" anket yanıtlayanlardan dolayı önyargıya yol açabilir.

Olasılıksız örnekleme dayanan bir anket yaparken, olası önyargı kaynaklarını iyice düşündüğünüzden emin olun. Sonuçlarınızda önyargıya yol açacak şeyleri tahmin etmek bazen zor olabilir, ancak en önemli şey ilgilendiğiniz popülasyonla eşleşen özelliklere sahip yanıtlayanlardan oluşan, çeşitliliği kapsayıcı bir grupla başlamaktır. Bu sayede olasılıklı örneklemde olduğu kadar doğru veriler elde etmekle kalmaz, aynı zamanda paranızı ve zamanınızı en uygun şekilde kullanmış olursunuz.