3.13 Apkopojums par nevarbūtīgās izlases metodi un varbūtības izlases metodi
Varbūtību izlases teorija ir labi izveidota un balstīta uz pamatotiem matemātiskiem principiem, turpretī nevarbūtīgā - nav. Lai gan ir iespējams pamatojums secinājumu izdarīšanai no neprobibilitātes paraugiem, daudzu pētījumu pamatojums joprojām nav precīzi formulēts, un nevarbūtīgās izlases apsekojumu secinājumi parasti prasa stingrākus modelēšanas pieņēmumus, nekā tas ir nepieciešams varbūtības izlasēm. Šo modelēšanas pieņēmumu pamatproblēma joprojām ir tā, ka tos nevar pārbaudīt.
Literatūras pārskats rāda, ka pat samazinoties atbildes biežumam, varbūtības izlases apsekojumu precizitāte parasti ir augstāka nekā nevarbūtīgās izlases aptaujās. Nav empīriska atbalsta apgalvojumam, ka ir ieteicams pāriet uz nevarbūtīgās izlases apsekojumiem, jo vienmērīgi samazinātais atbildes līmenis visā pasaulē apdraud varbūtības izlases apsekojuma datu kvalitāti. Pamatojoties uz uzkrātajiem empīriskajiem pierādījumiem, galvenais ieteikums ir turpināt paļauties uz varbūtības izlases apsekojumiem.
Gadījumā, ja ir pieejami tikai nevarbūtīgās izlases apsekojuma dati, labāk būtu rūpīgi izvēlēties starp dažādām modelēšanas pieejām, pamatojoties uz to pamatā esošajiem pieņēmumiem. Lai pētnieki varētu pamatot izmantotās modelēšanas pieejas, būtu jāiegūst pēc iespējas vairāk informācijas par datu ģenerēšanas procesu.
Lai varētu novērtēt, vai un kad nevarbūtīgās izlases apsekojumus var izmantot kā alternatīvu varbūtības izlases apsekojumiem, ir nepieciešams vairāk ieskatu nevarbūtīgās izlases apsekojumu panākumos, lai iegūtu precīzus aprēķinus divdimensiju un daudzfaktoru analīzēs, garenvirziena analīzēs un eksperimentālajos pētījumos . Turklāt ir nepieciešams vairāk pētījumu par dispersijas novērtēšanu un progresīvām svēršanas metodēm, jo īpaši attiecībā uz svērto mainīgo lielumu savākšanu un izmantošanu, kas ir saistīti ar galvenajiem apsekojuma mainīgajiem un datu ģenerēšanas procesu .
…