پاسخ کوتاهنمونه‌گیری سهمیهای روشی غیراحتمالی است که در آن برای هر گروه از جامعه، مثلاً بر اساس سن و جنسیت، تعداد مشخصی مصاحبه تعیین میشود تا ترکیب نمونه شبیه جامعه باشد. تفاوت اصلی آن با نمونهگیری طبقه‌ای این است که در طبقه‌ای، افراد هر طبقه به‌صورت تصادفی از یک چارچوب نمونهگیری انتخاب می‌شوند، اما در سهمیهای انتخاب فرد با پرسشگر است تا سهمیه پر شود.
نمونهگیری سهمیهای چطور کار میکند؟
گزارش کارگروه AAPOR دربارهٔ نمونهگیری غیراحتمالی، نمونهگیری سهمیهای را «یکی از روشهای شناخته‌شده و پرکاربرد تطبیق نمونه» می‌داند: هدف این است که از هر گروه تعداد مشخصی مصاحبه گرفته شود تا نمونه از نظر ویژگیهایی مانند سن و جنسیت با جامعه تطبیق داشته باشد. به گفتهٔ همین گزارش، بیشتر نمونه‌های سهمیهای از «تطبیق توزیع» استفاده می‌کنند؛ یعنی توزیع ویژگی‌ها در نمونه باید با جامعه یکی شود، نه اینکه برای هر فرد یک جفت مشابه پیدا شود.
یک مثال ساده: فرض کنید برای پروژه‌ای ۴۰۰ مصاحبه لازم است و می‌خواهید ترکیب جنسیت و سه گروه سنی رعایت شود. جدول سهمیه این‌طور ساخته میشود (اعداد فرضی‌اند):
| گروه سنی | زن | مرد | جمع |
|---|---|---|---|
| ۱۸ تا ۲۹ سال | ۶۰ | ۶۰ | ۱۲۰ |
| ۳۰ تا ۴۴ سال | ۷۰ | ۷۰ | ۱۴۰ |
| ۴۵ سال و بالاتر | ۷۰ | ۷۰ | ۱۴۰ |
| جمع | ۲۰۰ | ۲۰۰ | ۴۰۰ |
هر خانهٔ این جدول یک سهمیه است. وقتی خانه‌ای پر شد، مصاحبه با افراد آن گروه متوقف میشود، حتی اگر پرسشگر کسی را از آن گروه پیدا کند.
سهمیه را می‌توان مستقل هم تعریف کرد؛ یعنی فقط جمع زنان و مردان و جمع هر گروه سنی کنترل شود، نه تک‌تک خانه‌های جدول. این کار پرکردن سهمیه را آسان‌تر میکند، اما ممکن است ترکیب دو ویژگی، مثلاً زنان جوان، از جامعه فاصله بگیرد. انتخاب بین این دو به اهمیت آن ترکیب برای پرسش‌های پژوهش بستگی دارد.
تفاوت نمونهگیری سهمیهای و طبقه‌ای
| ویژگی | سهمیهای | طبقه‌ای |
|---|---|---|
| نوع روش | غیراحتمالی | احتمالی |
| چارچوب نمونهگیری | لازم نیست | لازم است (فهرست افراد هر طبقه) |
| انتخاب فرد | پرسشگر، در چارچوب سهمیه | تصادفی، از فهرست هر طبقه |
| احتمال انتخاب هر فرد | نامعلوم | معلوم |
| هزینه و سرعت | کمتر و سریع‌تر | بیشتر و کندتر |
دانستن احتمال انتخاب مهم است: به گفتهٔ گزارش AAPOR، احتمال‌های انتخابِ معلوم پیش‌شرط استنباط در چارچوب طرح‌محور است. نمونهٔ سهمیهای این احتمال‌ها را ندارد؛ برای همین خطای نمونهگیری کلاسیک برای آن به همان شکل قابل محاسبه نیست.
محدودیت مهم: انتخاب پرسشگر
گزارش AAPOR یک نمونهٔ تاریخی مشهور را مرور میکند. در انتخابات ریاست‌جمهوری ۱۹۴۸ آمریکا، سه مؤسسهٔ بزرگ نظرسنجی همگی از نمونهگیری سهمیهای استفاده کردند و همگی برنده را اشتباه پیش‌بینی کردند. بررسی بعدی نشان داد یکی از منابع خطا این بود که پرسشگران در چارچوب سهمیه، افراد کمی تحصیل‌کرده‌تر و مرفه‌تر را انتخاب کرده بودند.
درس این تاریخچه برای امروز ساده است: سهمیه فقط ویژگیهایی را کنترل میکند که در جدول آمده‌اند. اگر پرسشگران همه در یک محله یا یک ساعت از روز مصاحبه کنند، نمونه از نظر سن و جنسیت درست است اما از نظر چیزهای دیگر سوگیری دارد. پیمایش اجتماعی اروپا هم گزارش میکند انحراف ترکیب پاسخ‌گویان از الگوی مورد انتظار، وقتی پرسشگر آزادی بیشتری در انتخاب پاسخ‌گو دارد، بزرگ‌تر است.
کنترل سهمیه در میدان: چهار قاعده
۱. سهمیهٔ کل و سهمیهٔ هر پرسشگر را جدا تعریف کنید
اگر فقط سهمیهٔ کل وجود داشته باشد، پرسشگرانِ سریع‌تر خانه‌های آسان را زودتر پر می‌کنند و گروه‌های سخت‌یاب برای روزهای آخر می‌مانند. تقسیم سهمیه بین پرسشگران این مشکل را کم میکند و پراکندگی مصاحبه‌ها را بیشتر میکند.
۲. سؤال‌های سهمیه را اول پرسشنامه بگذارید
سن، جنسیت یا هر ویژگی سهمیهای باید در ابتدای مصاحبه پرسیده شود تا اگر خانهٔ آن پر است، مصاحبه همان‌جا با پیام مناسب تمام شود و وقت پاسخ‌گو و پرسشگر هدر نرود.
۳. پرشدن سهمیه را خودکار متوقف کنید
وقتی شمارش سهمیه با فایل اکسل و تماس تلفنی انجام میشود، چند پرسشگر هم‌زمان آخرین ظرفیت یک خانه را پر می‌کنند و پروژه با مصاحبهٔ اضافه تمام میشود. سامانه‌ای که شمارش را لحظه‌ای انجام می‌دهد، این مشکل را حذف میکند.
۴. پراکندگی مکانی و زمانی را هم پایش کنید
برای کاهش سوگیری انتخاب، موقعیت و ساعت مصاحبه‌های هر پرسشگر را ببینید. اگر همهٔ مصاحبه‌های یک پرسشگر در یک نقطه ثبت شده، با اینکه سهمیه درست پر شده، نمونه مشکل دارد.
پس از میدان: وزندهی
حتی با کنترل دقیق، نمونهٔ نهایی کاملاً با جامعه منطبق نیست؛ گاهی چند خانهٔ سهمیه پر نمی‌شوند یا ترکیب ویژگیهای دیگر متفاوت است. گزارش AAPOR می‌گوید روشهای کالیبراسیون به‌طور سنتی روی نمونه‌های سهمیهای به کار رفته‌اند و رایج‌ترین شکل آن «پس‌طبقه‌بندی» (poststratification) است: وزن پاسخ‌گویان طوری تنظیم میشود که جمع‌های نمونه برای متغیرهایی مانند سن و جنسیت با جامعه برابر شود.
وزندهی جای کنترل سهمیه در میدان را نمی‌گیرد. اگر یک خانه تقریباً خالی بماند، وزن چند پاسخ‌گوی محدود آن بسیار بزرگ میشود و نتایج ناپایدار می‌شوند. هرچه سهمیه در میدان دقیق‌تر پر شود، وزن‌ها به یک نزدیک‌ترند و به اصلاح کمتری نیاز است.
اشتباهات رایج در تعریف سهمیه
- سهمیهٔ متقاطع بیش از حد: ترکیب چهار یا پنج ویژگی، خانه‌هایی با یک یا دو مصاحبه می‌سازد که پرکردنشان روزها طول می‌کشد.
- سهمیه بر اساس ویژگی بی‌ربط: ویژگی‌ای که با موضوع پژوهش ارتباطی ندارد، فقط هزینه را بالا می‌برد.
- نبود منبع برای توزیع جامعه: سهمیه باید از یک منبع معتبر جمعیتی یا مطالعهٔ قبلی بیاید، نه حدس.
- سهمیهٔ سخت بدون انعطاف: گاهی بهتر است برای ویژگیهای کم‌اهمیت‌تر بازهٔ مجاز تعریف کنید تا عدد دقیق.
یوچک فیلد سهمیهٔ کل پروژه و سهمیهٔ هر پرسشگر را کنترل میکند و پیشرفت هر خانهٔ سهمیه را در داشبورد نشان می‌دهد.
پرسش‌های پرتکرار
نمونهگیری سهمیهای احتمالی است یا غیراحتمالی؟
غیراحتمالی. گزارش AAPOR آن را در میان روشهای تطبیق نمونه در نمونهگیری غیراحتمالی بررسی میکند.
آیا نتایج نمونهٔ سهمیهای قابل تعمیم است؟
با احتیاط. نمونه از نظر ویژگیهای سهمیه شبیه جامعه است، اما احتمال انتخاب افراد معلوم نیست و ممکن است از نظر ویژگیهای دیگر سوگیری داشته باشد. برای همین معمولاً از وزندهی هم استفاده میشود.
چه ویژگیهایی برای سهمیه مناسباند؟
ویژگیهایی که هم توزیعشان در جامعه معلوم است و هم با موضوع پژوهش ارتباط دارند. گزارش AAPOR یادآوری میکند که تطبیق فقط وقتی سوگیری را کم میکند که ویژگیهای تطبیق با متغیرهای مورد مطالعه مرتبط باشند.
منابع
- AAPOR (2013). Report of the AAPOR Task Force on Non-Probability Sampling. aapor.org
- European Social Survey ERIC. Data falsification in the ESS. www.europeansocialsurvey.org