Échantillonnage probabiliste et non probabiliste

Après avoir lu cet article, vous en apprendrez davantage sur les combinaisons d'échantillonnage probabiliste et non probabiliste.

Si l'échantillonnage est effectué en une série d'étapes, il est possible de combiner les principes de probabilité et de non-probabilité dans un même plan d'échantillonnage. Une ou plusieurs étapes d'échantillonnage peuvent être effectuées selon le principe de probabilité et les étapes restantes selon le principe de non probabilité.

Pour prendre un exemple, l'investigateur peut commencer par sélectionner des grappes à l'aide d'une stratégie d'échantillonnage en grappes (probabilité), puis, au stade final, sélectionner des classes d'éléments comme échantillons de quota.

Ainsi, l’échantillonneur peut sélectionner un échantillon probabiliste de districts dans un État; Dans chacun de ces districts, il peut choisir un échantillon de probabilité de blocs de développement et, finalement, dans chaque bloc, il peut sélectionner des échantillons de quota contrôlés pour les stades de développement de la communauté, à savoir I, II, III, etc.

L’avantage d’une telle conception est que l’échantillonnage par quotas permet de réaliser des économies considérables en obtenant les cas particuliers de l’échantillon. Il est relativement moins coûteux de choisir, en utilisant le principe de probabilité, les zones dans lesquelles se déroulera la dernière étape de l’échantillonnage.

Il existe certaines preuves qui prouvent que les échantillons de quota prélevés dans des zones sélectionnées permettent de mieux contrôler certaines variables que lorsque le contrôle de ces variables dépend du jugement des enquêteurs ou des observateurs. La combinaison de procédures probabilistes et non probabilistes dans certains cas peut impliquer une stratégie opposée.

L’enquêteur peut prélever un échantillon probabiliste d’éléments dans un échantillon non probabiliste de zones; les zones sont sélectionnées en tant qu'échantillon de choix ou de jugement. Les districts (dans l'exemple ci-dessus) peuvent être sélectionnés au motif qu'ils ont particulièrement bien réussi à atteindre les objectifs de développement (ou l'inverse) et que dans chacun de ceux-ci, l'échantillonneur sélectionne ensuite un échantillon de probabilité des blocs de développement.

Les districts typiques choisis à dessein peuvent être considérés comme définissant une population. Si un échantillonnage probabiliste est tout à fait applicable et que l'on peut donc estimer le degré de confiance que l'on peut accorder à l'hypothèse selon laquelle les résultats de l'échantillon sont une bonne représentation des rendements de la «population».

Le chercheur peut ensuite généraliser les déductions fondées sur cette sous-population restreinte à la population nationale, en supposant que les districts types restent typiques de leurs stades respectifs. Tant que et dans la mesure où cette hypothèse est valable.

Discutons maintenant assez longuement des applications spéciales de l’échantillonnage non probabiliste. Il a été suggéré précédemment que les principaux avantages des procédures d'échantillonnage non probabilistes sont la commodité et l'économie. Les enquêteurs continuent à utiliser des méthodes d'échantillonnage non probabilistes et justifient leur utilisation par des raisons d'expérience pratique, d'opportunité et de facilité.

Bien entendu, ils peuvent concéder simultanément la supériorité théorique de l’échantillonnage probabiliste. Cependant, de nombreux échantillonneurs pratiques affirment que, dans de nombreux cas, la supériorité de l'échantillonnage probabiliste est uniquement "sur papier" ou "théorique". Ils soulignent que, maintes fois, dans la mise en œuvre des plans d'échantillonnage probabiliste, les avantages théoriques de l'échantillonnage probabiliste sont quasiment annulés.

Le plan d’échantillonnage probabiliste peut comporter de nombreuses erreurs. Par exemple, certains des cas sélectionnés dans l'échantillon peuvent refuser d'être interrogés ou ne pas être disponibles, les intervieweurs peuvent omettre certaines des questions du processus d'interview, des compromis peuvent être obtenus en permettant aux intervieweurs de remplacer d'autres répondants lorsque les cas sélectionnés à l'origine ne sont pas trouvés à la maison et ainsi de suite.

L'échantillon effectivement interrogé ne constitue donc pas nécessairement un échantillon probabiliste de l'univers au sens strict du terme.

De plus, il existe des circonstances dans lesquelles l'échantillonnage probabiliste est inutile ou inapproprié. Par exemple, dans les études exploratoires, l’objectif du chercheur est d’obtenir des idées, de nouvelles idées et des évaluations critiques expérimentées, juste pour l’aider à poser un problème ou une hypothèse de recherche.

Le chercheur effectuant de telles études ne réalise pas les études d'échantillons dans le but de pouvoir généraliser aux populations échantillonnées. Ainsi, il sélectionne un échantillon à dessein.

Les répondants sont sélectionnés précisément en raison de leur expérience, de leur exposition et de leur compétence particulières. Les spécialistes du marché se contentent généralement d’échantillons accidentels ou à dessein, sélectionnés de manière à maximiser la probabilité de différence entre les éléments de l’échantillon.

Ils cherchent peut-être des idées à transmettre, par exemple aux responsables de la publicité des produits plutôt que de faire une estimation correcte de la répartition de la population.

Parfois, il n'y a pas d'autre solution que de recourir à l'échantillonnage non probabiliste. Par exemple, si on essaie de découvrir quelque chose au sujet des expériences de personnes qui ont dû quitter le Sri Lanka, en raison de certains développements politiques, il n'a pas d'autre choix réaliste que de s'appuyer sur des informateurs disponibles, ici et maintenant.

Bien entendu, le choix du chercheur est ici entre des données ne permettant pas une évaluation statistique de la marge d'erreur, etc., et aucune donnée. Bien entendu, cela ne signifie pas que l’on ne s’intéresse pas à la possibilité d’une erreur; c'est seulement qu'il se fie à la cohérence interne des données et à sa cohérence avec d'autres informations qu'il aurait pu se procurer.

Nous devons nous rappeler qu’il existe de nombreuses considérations importantes dans la recherche, en plus du plan d’échantillonnage. Il peut donc être nécessaire d’établir un équilibre entre une considération et une autre. Parfois, la sagesse réside dans l’abandon d’un plan d’échantillonnage meilleur et plus précis au profit d’une méthode plus sensible de la collecte de données.

C’est dans cette optique que nous devons comprendre pourquoi le recours à l’échantillonnage non probabiliste peut parfois être justifié. Bien sûr, il n’est pas facile de décider s’il serait préférable de collecter des informations plus adéquates ou plus détaillées sur la base d’un échantillon peu solide ou moins pertinentes sur un échantillon plus précis.

C'est en fonction de l'objectif de la recherche que le chercheur peut prendre une telle décision.

Par exemple, dans une étude des facteurs liés à l'usage de stupéfiants par les garçons dans les gangs de rue juvéniles, Chein and Associates (1957) a utilisé un échantillon de travailleurs de groupes sociaux qui avaient passé quelque temps à gagner la confiance des garçons de gangs.

Cet échantillon était un échantillon accidentel de travailleurs du groupe et comme ils ne pouvaient donner des informations que sur les garçons de gangs avec lesquels ils avaient travaillé, l'échantillon de membres de gangs sur lesquels des informations pouvaient être obtenues était également un échantillon accidentel.

Mais, considérant la facilité avec laquelle des informations plus fiables sur le gang pourraient être obtenues de ces travailleurs du groupe, les chercheurs ont préféré un échantillon accidentel (non probabiliste) à un échantillon probabiliste de membres de gang (en supposant qu'il soit possible d'obtenir un tel échantillon probabiliste). .

Ainsi, dans sa sagesse scientifique, le chercheur doit peser avec soin les avantages et les inconvénients des différentes procédures de recherche. Il peut, dans certaines circonstances, sacrifier le principe de probabilité dans sa procédure d'échantillonnage pour acquérir une compréhension plus profonde au moyen d'instruments plus sensibles et fiables de sécurisation des informations.