আমি মনে করি তারা কী পিটার এলিসের উত্তরে রয়েছে: "চেষ্টা"। আপনি যখন নমুনাটি সঠিকভাবে করেন, আপনি প্রতিক্রিয়াবিহীনতার বিশদটি ঘামান, স্তরগুলি বের করে এগুলি সন্ধান করেন ইত্যাদি you যখন আপনি একটি আদমশুমারি করার সিদ্ধান্ত নেন, তখন এই বিষয়গুলি উপেক্ষা করা সহজ, যেহেতু আপনি "সবাই" পাচ্ছেন। সমস্যাটি হ'ল, আপনি সম্ভবত সবাই পাচ্ছেন না, তবে আপনি আসলে কারা পাচ্ছেন না তা নিয়ে ভাবছেন না।
অত্যন্ত বড় নমুনা (নমুনা জনসংখ্যার অনুপাত হিসাবে) সহ পরিসংখ্যানগত সমস্যাগুলিও রয়েছে। এগুলি বোঝার জন্য আমি যথেষ্ট পরিশীলিত নই, তবে সর্বনিম্ন আপনার বৈকল্পিক গণনা নিয়ে সমস্যা আছে have (আর এর মতো প্যাকেজগুলি surveyজরিপের বৃহত উপ-জনগোষ্ঠীর মধ্যে এই জাতীয় জিনিসগুলির ক্ষতিপূরণ দেয় এবং আমি এখানেই প্রথম শিখেছি))
গৌণ সমস্যা হিসাবে, যদি নন-স্যাম্পল ত্রুটিটি প্রক্রিয়াটির বিভিন্ন পদক্ষেপে গুণমান নিয়ন্ত্রণের কারণে সমস্যাগুলি অন্তর্ভুক্ত করে, প্রচুর পরিমাণে আরও ডেটা (আদমশুমারি) থাকার কারণে আপনার কাছে থাকা মান নিয়ন্ত্রণের স্তরটি (এটি একই সাথে) করা আরও শক্ত করে তুলবে সংস্থানসমূহ) ডেটার একটি ছোট সেট (নমুনা) এ।
ভাবুন যে মার্কিন সেন্সাস ব্যুরো একটি আদমশুমারির জন্য আপনার যে সংস্থানগুলি (আর্থিক এবং কর্মী) ব্যবহার করেছে আপনি যদি তা রেখেছিলেন তবে আপনি কেবল 1000 এলোমেলো প্রাপ্তবয়স্কদের জন্য একটি সমীক্ষা করছেন। আমি মনে করি আপনি জড়িত সমস্যাগুলি এবং ডেটা নিজেই আরও ভাল মানের নিয়ন্ত্রণ এবং আরও ভাল বিশ্লেষণ করতে চাইবেন।