Campionamento non probabilistico

La conduzione di un'indagine su larga scala può essere un compito complicato. Da un lato, i risultati devono essere rappresentativi di un'intera popolazione, dall'altro è difficile sottoporre a indagine tutte le persone da cui vorresti ricevere una risposta.

Una soluzione usata nel mondo reale è il campionamento non probabilistico, che SurveyMonkey conosce molto bene. Grazie al panel Audience, che in ogni momento può contare su oltre mezzo milione di persone disposte a rispondere a questionari, SurveyMonkey ha il più ampio campione non probabilistico negli Stati Uniti.

Nel campionamento non probabilistico, viene selezionato un gruppo di rispondenti da una popolazione più estesa, sapendo che alcuni membri di quella popolazione non avranno alcuna possibilità di essere sondati. Questo non è consentito nel campionamento probabilistico, il quale prevede che tutti nella popolazione prescelta abbiano una probabilità diversa da zero di essere selezionati.

Che sia un panel come SurveyMonkey Audience o qualsiasi altro modello di campionamento non probabilistico, il metodo di selezione dei rispondenti prevede sempre l'esclusione di alcuni membri della popolazione.

A volte, queste esclusioni sono ovvie, come quando le persone hanno la facoltà di scegliere se partecipare o meno a un'indagine. Ad esempio, potresti chiedere ai tuoi clienti di fornire i propri indirizzi e-mail per consentire loro di esprimere il proprio feedback. Alcuni probabilmente rifiuteranno, il che significa che non avranno l'opportunità di essere inclusi nel campione.

Altre volte, queste esclusioni sono più sottili. Supponiamo che tu voglia sondare le prime 100 persone che entrano nel tuo negozio in una giornata specifica. Potrebbe sembrare un progetto di campionamento probabilistico randomizzato. Tuttavia, bisogna tenere presente che probabilmente le persone che possono venire in negozio di mattina presto sono diverse dalle persone che si presentano in un orario successivo.

Se il tuo negozio apre alle 9 di mattina, la probabilità che i primi clienti della giornata abbiano un impiego è forse minore rispetto ai clienti che vengono alle 19 o alle 20. Poiché una parte della popolazione non ha alcuna possibilità di essere inclusa tra i primi 100 clienti della giornata, i risultati possono essere distorti e in realtà si tratta di un campionamento non probabilistico.

Ecco alcune progettazioni di campionamento non probabilistico usate comunemente, anche se non sono adatte a tutte le indagini:

Gli esperti di statistica prediligono il campionamento probabilistico, ma per chi conduce indagini nel mondo reale il campionamento non probabilistico è una soluzione più pratica. Se svolto bene, il campionamento non probabilistico può fornire dati di qualità pari (se non superiore) a quelli che ci si aspetta di ottenere da un campione realmente probabilistico.

La maggior parte delle indagini mira a una popolazione molto specifica e non necessita del livello di diversità e rappresentatività offerto dal campionamento probabilistico. In una ricerca di mercato sulle madri con bambini piccoli, non c'è bisogno di un campione probabilistico che includa uomini, persone senza figli o genitori di figli adulti.

Anche quando il campione non probabilistico non rappresenta perfettamente la popolazione di interesse, l'adozione di questo metodo offre comunque notevoli vantaggi.

Normalmente con il campionamento non probabilistico si ottengono risposte più rapidamente e a un costo inferiore rispetto al campionamento probabilistico, poiché i membri del campione sono più motivati a rispondere rispetto ai soggetti contattati a caso. Le persone appartenenti a una mailing list, ad esempio, sono probabilmente più fedeli a un'azienda rispetto alle persone scelte al di fuori di questa cerchia.

Il più grande svantaggio del campionamento non probabilistico è ottenere lo stesso livello di obiettività dei risultati offerto dal campionamento probabilistico.

Bisogna sempre fare attenzione al metodo di reclutamento dei rispondenti, in modo da evitare la distorsione dei dati. In alcuni panel on-line, i rispondenti sono pagati, il che può portare a distorsione causata da informazioni non accurate e risposte fornite da "professionisti" motivati solo dal denaro.

Nelle indagini non probabilistiche, bisogna assicurarsi di prendere in considerazione le potenziali fonti di distorsione. Non è sempre facile prevedere ciò che può distorcere i risultati, ma è essenziale iniziare con un gruppo diversificato di partecipanti con caratteristiche corrispondenti alla popolazione di interesse. I dati avranno un livello di accuratezza pari a quello del campionamento probabilistico e potranno essere ottenuti con un notevole risparmio di denaro e di tempo.