usikkerhed på stikprøver

Jeg orker ikke at skrive formler ind her.

Men læs: www.berg-marketing.dk/stat_usikkerhed.htm

Mange tak, desværre besvarede den læsning ikke mit spørgsmål, så andre er meget velkommen til at forsøge at svare

Hvis man taler meningsmålinger, så er 1.000 ikke noget lavt tal, det er sådan set et ganske pænt tal. Det er klart, at hvis man har for mange missing, så skader det validiteten. En svarprocent på 50 % er meget alvorligt, specielt af den grund, at man ikke ved, hvem der har svaret og hvem der ikke har. Usikkerheden afhænger vel af, hvad det er, du vil beregne. Usikkerheden i en meningsmåling vil ikke være den samme for hvert parti, altså i procentpoint. Et større parti vil have større usikkerhed i procentpoint.

nu ved jeg godt at repræsentativitet normalt forbindes med data indsamlingsmetode, men kan man sige at man med en lav validitet også får en undersøgelse, som ikke er repræsentativ?

tror at jeg spørger om, om ekstern validitet handler om repræsentativitet i større perspektiv end blot om data er indsamlet simpelt tilfældigt?

Altså om der er andre faktorer end indsamlingsmetoden, som kan forringe repræsentativiteten? Så skulle de jo netop ligge i databehandlingsprocessen. Jeg har tit undret mig over, at man erklærer 'Ved ikke' som missing, for man kan jo ikke vide, om de vil fordele sig som resten. I hvert fald er det vigtigt at oplyse, hvor mange, man har erklæret missing, men 50 % vil jeg mene er ret alvorligt, og det vil skade repræsentativiteten, fordi man ikke ved, hvem det er, der ikke har svaret. I øvrigt kan selve den praktiske del af indsamlingen give problemer. Hvis man eksempelvis kun har indsamlet via telefon eller internet, så begrænser man sig jo til den del af befolkningen, som gør brug af hhv. telefon og internet.
Men hvis man har indsamlet sin data korrekt og der ikke er for mange missing, så kan jeg ikke umiddelbart se, hvad der skulle forringe repræsentativiteten. Så længe altså, at man ikke misbruger tallene ved at fjerne bestemte befolkningsgrupper eller lignende.