社會科學的研究者常常需要做抽樣調查。調查如要得出足以可靠地推論到母體的結果，調查的樣本必須有代表性。理想上，研究者應利用隨機取樣或近似隨機的方法取樣，以取得具代表性，反應和母體接近的樣本。
隨機取樣的一個基本條件，是母體裡每個單位（通常是人，也可能是家庭、公司等其他單位）被抽到的機率均相同。有時礙於一些困難，我們無法做到真正的隨機取樣，只能用近似隨機的方法獲得有代表性的樣本。例如，如果要在一所有一萬名學生的大學裡對學生進行抽樣調查，我們可以依據完整的學生名冊，從這一萬人裡隨機抽出N個人來訪問。這是隨機抽樣。但如果我們只是在校內學生經常出入的幾個路口，連續幾天從路過的學生裡隨機抽出共N個人來訪問，那得到的頂多是以近似隨機方法獲得的，有代表性的樣本，而非真正的隨機樣本──因為並非每個學生那幾天一定會經過那幾個路口，所以每個學生被抽到的機率並不完全相同。
嚴格來說，只要不是完全以隨機程序取得的樣本，就是非機率樣本（non-probability sample）──無論樣本是否具代表性。要判斷非機率樣本的代表性，首先可看抽樣的程序。例如，如果你採用上述多路口、多天的抽樣，你的樣本「大概」會有不錯的代表性。但如果你只用一個白天的時間在學校的大門進行抽樣，那樣本肯定沒代表性（至少很難令人相信那有代表性），因為許多學生都不會在那時間、那地點進出校園。其次，可以用統計方法檢驗樣本的代表性；通常的做法是比較樣本與母體在一些人口變項的分布上是否「夠接近」。例如，樣本裡的男女比例、年齡分布是否和母體裡的相近。
如果抽樣真是「完全」隨機的，並且樣本夠大（例如七八百人以上），大概不必擔心它的代表性。而且，隨機樣本（或稱機率樣本）除了具有代表性以外，它還可以讓我們依據統計原理計算抽樣誤差，也就是從樣本得出的統計數字（例如樣本裡有運動習慣者的百分比）和母體裡數字（母體裡有運動習慣者的百分比）之間的差距。至於前述的非機率樣本，無論它們有多大的代表性，我們都無法估算抽樣誤差。
但抽樣真的可以做到完全隨機嗎？很難。抽樣的過程必須是自始至終都是隨機的，才是完全隨機。即使研究者有足夠的線索與資源，從母體裡隨機抽人訪問，但也要人們願意受訪才成。如果只有極少的人拒訪或聯絡不到，樣本的隨機性大概沒有問題；但如果有高達25%的人拒訪或聯絡不到，樣本便很可能有偏差，不是隨機的。例如，生活忙碌的人既難找到時間運動，也不願意花時間受訪，這會使一個看似隨機的調查高估有運動習慣者的比例。
你或許會覺得上述的想像情境過於誇張。你可能會這樣想：「25%？怎麼可能，只要我好好做，拒訪率一定會遠低於25%。」讓我們來看一下現實吧。十年前（2002年10月），聯合報進行了一項有關退休規畫的調查，拒訪率是25%。今年（2021年）6月，TVBS針對民眾對蔡英文的滿意度進行調查，拒訪率是21%；今年7月，TVBS針對民眾對高端疫苗的信心做調查，拒訪率是25%。2013年9月，聯合報針對民眾有關兩岸互動的態度進行調查，拒訪率更高達40%。那其他媒體或民調機構的調查又如何呢？答案是「無可奉告」，因為他們都乾脆不提拒訪人數或拒訪率了。甚至是聯合報，最近都似乎不提了。如果你是一個研究生，你相信自己的研究資源會比這些媒體和機構更多更好，可以有更低的拒訪率嗎？
沒有留言:
張貼留言