Advertisement

Muss es immer Zufall sein? – Die nichtzufälligen Stichprobenverfahren

  • Andreas QuatemberEmail author
Chapter
Part of the Statistik und ihre Anwendungen book series (STATIST)

Zusammenfassung

Nichtzufällige Auswahlverfahren wie zum Beispiel die häufig eingesetzten bewussten Verfahren oder die willkürliche Auswahlen sind nicht zur Erzeugung von Stichproben geeignet, mit denen man ohne zweifelhafte Modellannahmen (z. B. bereits zum Selektionsmechanismus) schließende Statistik betreiben könnte. Große prozessgenerierte Datensätze (Big Data) unterliegen bei ihrer Verwendung im Rahmen der Aufgaben der Survey-Statistik derselben Problematik, denn sie sind in diesem Zusammenhang ebenfalls als (große) nichtzufällige Stichproben aus interessierenden Zielpopulationen zu verstehen. Das (annähernde) Zutreffen dieser Selektionsmodelle ist für die Qualität der mit diesen Daten errechneten Schätzer unabdingbar. Wenn nichtrepräsentative, aber gemessen am Erhebungszweck immerhin informative Schlussfolgerungen auf Zielpopulationen (z. B. zur Generierung interessanter Fragestellungen für weitere Studien) ausreichend sind, können auch nichtzufällige Stichproben in diesem Sinne wertvolle Beiträge in der empirischen Forschung liefern.

Literatur

  1. Ardilly, P., & Tillé, Y. (2006). Sampling methods: Exercises and solutions. New York: Springer.zbMATHGoogle Scholar
  2. Deville, P., Linard, C., Martin, S., Gilbert, M., Stevens, F. R., Gaughan, A. E., et al. (2014). Dynamic population mapping using mobile phone data. Proceedings of the NAtional Academy of Sciences of the United States of America, 111(45), 15888–15893.CrossRefGoogle Scholar
  3. Elliot, M. R. (2009). Combining data from probability and non-probability samples using pseudo-weights. Survey Practice, 2(6), 1–6.CrossRefGoogle Scholar
  4. Leiner, B. (1985). Stichprobentheorie. München: Oldenburg.Google Scholar
  5. Little, R. J. A., & Rubin, D. B. (2002). Statistical analysis with missing data. Hoboken: Wiley & Wiley-Interscience.*Google Scholar
  6. Meng, X.-L. (2018). Statistical Paradises and Paradoxes in Big Data (I): Law of large populations, big data paradox, and the 2016 US Presidential Election. The Annals of Applied Statistics, 12(2), 685–726.*MathSciNetCrossRefGoogle Scholar
  7. Quatember, A. (1996). Das Quotenverfahren. Schriften der Johannes-Kepler-Universität Linz. Reihe B – Wirtschafts- und Sozialwissenschaften. Linz: Universitätsverlag Trauner.Google Scholar
  8. Quatember, A. (2001). Die Quotenverfahren: Stichprobentheorie und -praxis. Aachen: Shaker-Verlag.Google Scholar
  9. Thompson, S. K. (2012). Sampling. Hoboken: Wiley.CrossRefGoogle Scholar
  10. Tourangeau, R., Edwards, B., Johnson, T. B., Wolter, K. M., & Bates, N. (Eds.). (2014). Hard-to-survey populations. Cambridge: University Press.Google Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.Institut für Angewandte StatistikJohannes Kepler Universität LinzLinzÖsterreich

Personalised recommendations