上篇文章《無法隨機抽樣我怎麼辦？》提到，因為客觀上的困難，我們往往無法真正做到隨機抽樣。其實，如果研究的優先目的並非推論母體的情況──例如估計全台灣民眾對蔡政府的施政滿意度給幾分，或全校有多少比例的學生有運動習慣──就不一定要隨機抽樣，也不必擔心無法隨機抽樣怎麼辦。以下分是不必隨機抽樣的三種情況。
情況一：如果你要進行的是實驗而非調查。 實驗優先講求的是內在效度（internal validity），不是外在效度（external validity）。換言之，我們最關心的是實驗裡看到的效果是如何產生，其次才是關心這效果是否也會發生在（實驗以外）的其他人身上。所以，實驗只需做到隨機分派（random assignment），不必隨機抽樣（random sampling）。前者是將參與者隨機安排到各實驗組別中，後者是從母體裡隨機抽出參與者。有時我們為了提高實驗的內在效度，甚至會刻意選擇同質性高的樣本，例如只以男性大學生作受試者（Highhouse & Gillespie, 2009）。當然，如果可以做到隨機抽樣就更好，如此可以兼顧內在與外在效度。
情況二：如果你想利用調查來驗證一個理論或模式。 這時你主要關心的是，理論（或模式）所描述的變項間關係是否確實存在──至少在樣本裡存在，其次才是這理論是否在不同的群體裡都存在。Highhouse and Gillespie (2009)便提出「適足性」（adequacy）的論點，認為：凡理論所涵蓋的群體皆適合作為樣本。所以，如果一個理論是放諸四海而皆準的，那麼無論找大學生、軍人或國中教師當樣本，結論都一樣，因此不必要求隨機樣本。[1]
情況三：如果你研究的母體並非一般社會大眾，而是特定的次母體（subpopulation），並且這次母體缺乏抽樣架構（sampling frame）。[2] 例如，如你想調查電子香菸的使用者或網路騷擾受害人（cyberharassment
victims），便難以從一般社會大眾中進行隨機抽樣，因為能抽中這些人的機率不高，甚至很低。這時，你必須設法從其他管道接觸及取得這些人的合作參與。許多針對這些特定族群，且已發表在頂尖期刊上的研究，都是以非機率的線上調查蒐集資料的（Lehdonvirta, Oksanen, Räsänen, & Blank, 2020)。在發表時，那些作者都明白非機率調查在推論上的限制，因此他們都只在文章中檢視樣本的特性，而不對有關的次母體做正式的推論。這做法的背後想法是，這些線上調查或多或少可以增進我們對該次母體的瞭解，所以仍有其價值。
要評估這想法是否合理，得先認識這些線上調查的方法。這些調查通常採用川流抽樣（river sampling）或固定來源抽樣（panel sampling）。前者是指在一些目標母體可能出現的網站、網路社群、討論區等張貼訊息，請有意參與調查者點選一個連結填答問卷。這訊息和連結就如一個釣鉤，願者上釣，而這抽樣方法就像在河裡釣魚一般，因此Lehdonvirta等人稱之為川流抽樣。至於固定來源抽樣，它原本是指從一個從母體裡選出一群人之後，就固定找這些人接受多次的調查，因此稱為「固定樣本抽樣」。但在網路時代，許多公司會從一般社會大眾裡招募受訪者，從中篩選、組合成一個人口結構與該地區的人口結構相近的樣本人力庫，然後將這些人的資料賣給願意付費的研究者。研究者會從這些人裡抽樣，得到最後的樣本，所以每個研究者得到的樣本只是從同一群人裡取得的樣本，而非完全相同的樣本。也因此，這時候panel sampling譯為「固定來源抽樣」較妥。[3]
相較於固定來源樣本，川流樣本的代表性多了兩個疑慮：主題的自我選擇（topical self-selection）和促發（priming，或譯誘發）。[4] 前者指的是，對該次調查主題有興趣或較常關注的人，比其他人更會自願報名參與調查。例如，對蔡英文「論文門」事件較關注的人比較願意參與此主題的調查，這可能會讓調查結果高估了社會大眾對這事件的認識程度。不過，這問題不算嚴重，因為即使對一般大眾進行隨機抽樣，那些不關心這主題的人也可能拒訪。至於促發，它是指當研究者選擇張貼徵求受訪者廣告時，張貼的地點與內容會否勾起了參與者對有關事件的回憶或想像。例如，受訪者是在偶然閱讀一則有關網路霸凌的新聞時，看到附在下方的徵求受訪者廣告，而這新聞可能勾起他們對自身受霸凌經驗的回憶、記憶重組和重新解釋，使他們在填答時回報了比實際還高的受霸凌次數。
促發這問題有多嚴重，會影響樣本對有關次母體的代表性嗎？Lehdonvirta等人的研究顯示，川流樣本的心理特性和非線上受騷擾（offline harassment）經驗與固定來源樣本的並無明顯差別。如此看來，川流樣本的促發問題並不嚴重。
總之，我對研究生的忠告是：如果你要進行抽樣調查，那麼請先依你的研究目的，確認是否有隨機抽樣的必要；若真有必要，則要評估有無辦法做到真正的隨機抽樣。如果要推論的母體不大而你又有把握受邀調查者的配合度甚高（例如母體是你大學裡的全體學生，或你任教的國中裡的全體學生），那麼你不妨努力做到隨機抽樣。但如果你的母體是一般社會大眾，那你可能要退而求其次，只能儘量抽取具有一定程度代表性的樣本，而非強求隨機抽樣。當然，如此你在討論調查結果時就必須格外謹慎，避免過度的推論。
參考書目
Highhouse, S., & Gillespie, J. Z. (2009). Do samples really matter
that much? In C. E. Lance, & R. J. Vandenberg (Eds.), Statistical and methodological myths and urban legends: Doctrine,
verity and fable in organizational and social sciences (pp. 247-265).
[1] 適足性這論點原則上雖正確，但實務上會遇到干擾變項（extraneous variables）和調整變項（moderating variables）的問題。日後有機會再談。
[2] Sampling frame也譯作「清冊」，它是記載著母體裡所有人和其聯絡資料的名單。
[3] Lehdonvirta et al. (2020) 的文章附有英文摘要，其中將river sampling和panel sampling分別譯為隨機抽樣和面板抽樣。前者翻譯錯誤，因為river sampling根本不是隨機抽樣，而後者也不妥（雖然台灣和中國大陸都有如此譯法），因為翻譯必須看脈絡，panel在此和面板一點關係都沒有。像研討會裡常見的panel discussion，一般都譯為「小組討論」，便很貼切。
[4] 固定來源樣本和川流樣本也有一個共同的疑慮，就是會不會受訪者都是那些比較需要錢、想多賺點錢或比較清閒的人。在此先不討論。
