SurveyMonkeyは、ランダムでないサンプルを取得するという事実を無視しますか？

SurveyMonkeyには、母集団のサイズに基づいて、特定の誤差範囲または信頼区間に必要なサンプルサイズを把握するための手順とチャートがあります。

SurveyMonkeyのサンプルサイズ

このチャートは、ランダムなサンプルが得られないという事実を単に無視しているのでしょうか？調査に反応することに煩わされている人々しか得られないからです。

これを入力すると、質問が主観的であると警告されるので、正しく質問していない可能性があります。それは実際にはSurveyMonkeyについてではありませんが、より一般的な質問です-私が知らないいくつかの高度な手法を使用して、自発的応答データから信頼区間を実際に計算できますか？

出口調査や全国調査では、明らかにこの問題に対処しなければなりません。私の教育では調査サンプリング技術を詳細に取り上げていませんが、人口統計データを収集し、それを使用してサンプルの代表性を知ることを含むと思います。

しかし、それを除けば、簡単なオンライン調査では、回答に迷惑をかけている人々が人口のランダムなサンプルであると彼らは単に想定しているのでしょうか？

短い答えは「はい」です。SurveyMonkeyは、サンプルの取得方法を正確に無視します。Survey Monkeyは、収集したものが便利なサンプルではないと想定するほど賢くはありませんが、事実上すべてのSurvey Monkeyアンケートは便利なサンプルです。これは、あなたが推定している正確なサンプリングに大きな不一致を生じさせます。一方では、SRSから取得する母集団（およびその中の関連）を定義できます。他では、あなたの非ランダムサンプリングによって定義された人口、関連を定義することができそこにあなたがすることができます見積もり（およびパワールールはそのような値を保持します）。矛盾について話し合い、読者に非ランダムサンプルが実際の傾向を近似する上でどれほど有効であるかを正確に決定させるのは、研究者としてのあなた次第です。

ポイントとして、バイアスという用語の使用には一貫性がありません。確率論では、推定量のバイアスはによって定義されます。ただし、推定量にバイアスをかけることはできますが、一貫性があるため、正規分布するRVの標準偏差の最尤推定値のバイアスなど、大きなサンプルではバイアスが「消えます」。つまり、です。消失バイアスのない推定量（たとえば、）は不整合と呼ばれますθ → P θ θ ↛ P$\mbox{Bias}_n = \theta - \hat{\theta}_n$$\hat{\theta} \rightarrow_p \theta$$\hat{\theta} \not\to_p \theta$確率論で。研究デザインの専門家（疫学者など）は、矛盾を「バイアス」と呼ぶ悪い習慣を身につけました。この場合は、選択バイアスまたはボランティアバイアスです。これは確かにバイアスの一種ですが、一貫性がないことは、サンプリング量が問題を修正しないことを意味します。

便利なサンプルデータから母集団レベルの関連付けを推定するには、サンプリング確率メカニズムを正しく識別し、すべての推定で逆確率重み付けを使用する必要があります。非常にまれな状況では、これは理にかなっています。そのようなメカニズムを特定することは、実際には不可能に近い。それを行うことができる時期は、調査への記入を依頼された以前の情報を持つ個人のコホートです。非応答確率は、以前の情報（年齢、性別、SESなど）の関数として推定できます。重み付けにより、非応答者母集団の結果を推定する機会が得られます。国勢調査は、そのような分析における逆確率重み付けの関与の良い例です。