Amostragem de Probabilidade e Não Probabilidade

Depois de ler este artigo, você aprenderá sobre as combinações de amostragem probabilística e não probabilística.

Se a amostragem for realizada em uma série de etapas, é possível combinar princípios de probabilidade e não probabilidade em um desenho de amostragem. Um ou mais estágios de amostragem podem ser realizados de acordo com o princípio de probabilidade e os demais estágios de acordo com o princípio de não probabilidade.

Para dar um exemplo, o investigador pode começar selecionando clusters usando a estratégia de amostragem de cluster (probabilidade), mas, na fase final, ele pode selecionar classes de elementos como amostras de cota.

Assim, o amostrador pode selecionar uma amostra probabilística de distritos em um estado; dentro de cada um desses distritos, ele pode escolher uma amostra probabilística de blocos de desenvolvimento e, finalmente, dentro de cada bloco, ele pode selecionar amostras de cota controladas para os estágios de desenvolvimento da comunidade, ou seja, I, II, III, etc.

A vantagem de tal projeto é que as principais economias de amostragem de cotas ocorrem na obtenção dos casos particulares para a amostra. É relativamente menos dispendioso selecionar, recorrendo ao princípio da probabilidade, áreas nas quais o estágio final da amostragem ocorrerá.

Existem algumas evidências para provar que as amostras de cotas coletadas em áreas selecionadas são mais bem-sucedidas no controle de certas variáveis ​​do que quando o controle dessas variáveis ​​depende dos julgamentos de entrevistadores ou observadores. A combinação de procedimentos de probabilidade e não probabilidade em certos casos pode envolver uma estratégia oposta.

O investigador pode pegar uma amostra probabilística de elementos dentro de uma amostra não probabilística de áreas; as áreas são selecionadas como uma amostra intencional ou de julgamento. Os distritos (no exemplo acima) podem ser selecionados com base no fato de que estes foram particularmente bem sucedidos em alcançar os alvos de desenvolvimento (ou o inverso) e de cada um deles, o amostrador seleciona uma amostra de probabilidade dos blocos de desenvolvimento.

Os distritos típicos selecionados propositadamente podem ser considerados como definindo uma população. Se uma amostragem probabilística é completamente aplicável e, portanto, pode-se estimar o grau de confiança que pode ser colocado no pressuposto de que os achados da amostra são uma boa representação dos retornos da "população".

O pesquisador pode então generalizar as inferências com base nessa subpopulação restrita à população nacional, supondo que os distritos típicos ainda sejam típicos de suas respectivas etapas. Enquanto e na medida em que esta suposição é válida.

Vamos agora discutir com alguma extensão as aplicações especiais da amostragem não probabilística. Foi sugerido anteriormente que as principais vantagens dos procedimentos de amostragem não probabilística são conveniência e economia. Investigadores continuam a usar métodos de amostragem não probabilísticos e justificam seu uso com base na experiência prática, conveniência e facilidade.

Eles podem, é claro, ao mesmo tempo admitir a superioridade teórica da amostragem probabilística. Muitos amostradores práticos, no entanto, argumentam que, em muitos casos, a superioridade da amostragem probabilística é apenas "no papel" ou "nocional". Eles apontam que muitas vezes, a forma como os planos de amostragem de probabilidade são realmente implementados, as vantagens teóricas da amostragem probabilística quase se anulam.

Pode haver muitos deslizes na execução do plano de amostragem probabilística. Por exemplo, alguns dos casos selecionados na amostra podem se recusar a ser entrevistados ou não estar disponíveis, os entrevistadores podem omitir algumas das perguntas no processo de entrevista, comprometimentos podem ser realizados permitindo que os entrevistadores substituam outros entrevistados quando os casos originalmente selecionados não são encontrados em casa e assim por diante.

A amostra realmente entrevistada, portanto, pode não ser uma amostra probabilística do universo no sentido estrito do termo.

Além disso, há circunstâncias em que a amostragem probabilística é desnecessária ou inadequada. Por exemplo, em estudos exploratórios, o objetivo do pesquisador é obter idéias, novos insights e avaliações críticas experientes apenas para ajudá-lo a criar um problema ou hipótese de pesquisa.

O pesquisador que realiza tais estudos não realiza os estudos de amostras com o objetivo de poder generalizar para as populações que estão sendo amostradas. Assim, ele seleciona uma amostra intencional.

Os entrevistados são selecionados precisamente devido à sua experiência especial, exposições e competência, os pesquisadores de mercado normalmente se contentam com amostras acidentais ou intencionais, que são selecionadas de tal forma que a probabilidade de diferença entre os elementos da amostra é maximizada.

Eles podem estar procurando ideias para serem transmitidas, digamos, para as pessoas encarregadas de anunciar os produtos, em vez de passarem por estimativas corretas da distribuição da população.

Às vezes não há saída, a não ser recorrer à amostragem não probabilística. Se alguém está tentando descobrir algo, por exemplo, sobre as experiências de pessoas que tiveram que sair, digamos, do Sri Lanka, devido a certos desenvolvimentos políticos, ele não tem escolha realista senão depender de informantes que por acaso estejam disponíveis, aqui e agora.

Naturalmente, a escolha do pesquisador é entre dados que não permitem uma avaliação estatística da margem de erro, etc. e nenhum dado. Isso não significa, naturalmente, que não se esteja preocupado com a possibilidade de erro; é apenas que ele coloca sua confiança na consistência interna de dados e sua coerência com outras informações que ele poderia ter assegurado.

Devemos lembrar que há muitas considerações importantes na pesquisa, além do projeto de amostragem. Pode, portanto, ser necessário equilibrar uma consideração contra outra. Às vezes, a sabedoria está em um projeto de amostragem melhor e mais preciso, sendo dado em favor de um método mais sensível de coleta de dados.

É sob essa luz que devemos entender por que o uso de amostragem não probabilística pode, às vezes, ser justificado. É claro que a decisão sobre se seria melhor coletar informações mais adequadas ou aprofundadas com base em uma amostra não muito boa ou com informações menos adequadas com base em uma amostra mais sólida não é de forma alguma fácil de se chegar.

É em termos da finalidade da pesquisa que o pesquisador pode tomar tal decisão.

Por exemplo, em um estudo de fatores relacionados ao uso de narcóticos por meninos em gangues juvenis de rua, Chein and Associates (1957) usou uma amostra de trabalhadores de grupos sociais que haviam passado bastante tempo ganhando a confiança de garotos gangues.

Essa amostra era uma amostra acidental de trabalhadores de grupo e, como eles podiam fornecer informações apenas sobre os garotos de gangue com quem haviam trabalhado, a amostra de membros de gangue sobre quem a informação poderia ser obtida também era uma amostra acidental.

Mas, considerando a facilidade com a qual informações mais confiáveis ​​sobre a gangue poderiam ser obtidas desses trabalhadores de grupo, os pesquisadores preferiram uma amostra acidental (não probabilística) à amostra de probabilidade dos membros da gangue (supondo que fosse possível obter essa amostra de probabilidade) .

Assim, em sua sabedoria científica, o pesquisador deve avaliar cuidadosamente os ganhos e responsabilidades de vários procedimentos de pesquisa. Ele pode, sob certas circunstâncias, sacrificar o princípio da probabilidade em seu procedimento de amostragem para obter uma compreensão mais profunda através de instrumentos mais sensíveis e confiáveis ​​de segurança da informação.