jensenheyde

中英翻譯

1. 抽樣誤差：基於「機率抽樣」(probability sampling) 的樣本，是代表性的底子，而最完善的是「簡單隨機抽樣」(simple random sampling)。也就是說，不要靠人的智慧 (也就是「配額抽樣」(quota sampling)，非機率抽樣的一種)，因為人的聰明就是神的愚昧 (聖經說)，最好是將一切交給機率。這樣說來，今朝幾近所有碩博士論文的樣本都是「便當抽樣」(convenience sampling) 或是「立意抽樣」(purposive sampling)，在純潔的統計學者看來，連使用一般以常態分派為根蒂根基 (所有的分配到最後城市釀成常態分配，甚至連二項分派也是) 的統計手藝的資曆都沒有！況且代表性問題翻譯是以抽樣在量化研究傍邊是一個很主要的問題翻譯
2. 好，那麼即便你真正利用簡單隨機抽樣或是接近簡單隨機抽樣 (例如電話電腦隨機抽樣)，依然有許多變數會影響你的樣本代表性。包羅拒訪、訪談的時候可能都是哪些人會接電話 (是以會有系統化的偏誤)、受訪者撒謊的問題等等。
3. 其他就不要說，還有訪談者的問題，訪談問題設計的問題，等等這些，無一不會影響量化研究的表裏在效度翻譯

「代表性」平日被稱為「可概化程度 (或是可通用化水平)」(generalizability) 或是「外在效度」(external validity)，個中「外在效度」是相對於「內涵效度」(internal validity)，也就是因果效度─你的研究發現可以確認兩個變項之間因果關係的水平。「外在效度」則是你的研究發現可以適用於外在其他近似樣本與群體的水平。

所謂的「代表性」(representativeness) 是量化研究傍邊很主要的議題，是一個研究是不是有正當性的根本，也就是說，他這個研究的效果，他抽樣的樣本，可以代表他的母體翻譯例如說，有一千萬人有投票權，可是遵照統計理論，翻譯公司只要抽樣兩三千人就可以在一定水平的誤差局限以內具有代表性，而這就是統計利害的地方，是以也是量化研究的氣力地點。

當然，說完這些，並不主動透露表現，質化研究的抽樣就會具有代表性。其實是這樣，所有的統計數據都從平均數入手下手，也就是說，量化研究的興趣在於領會遍及的通性，整體或者是若何。它當然也接洽離散的狀態，也就是以標準差為基礎，但是離開平均數愈遠 (愈多標準差)，它産生的機率也就愈小 (面積愈小)，愈弗成能翻譯

許多學生在寫質化論文時都很心虛，指點教員或面試委員也會要肄業生在論文裡面申明並承認質化方式在概化性上的不足。這只可以或許申明，這些人都是質化研究的外行人。

當然，市場查詢拜訪是對常規有興趣，因為要去那眾多普通的人傍邊賺錢翻譯但是即使是市場查詢拜訪，目下當今不也要注厚利基市場？！

其實大可不必如斯。因為你的氣力往往也是翻譯公司的弱點。反之亦然翻譯學術的東西是不克不及脫離這些真谛的。起首是，它是不是是量化研究的氣力，還有非常十分多的身分要考量，一弄不好，別說強項了，還往往變成殘廢。在量化研究傍邊，有一些身分會威脅到研究成果的代表性的問題，包孕：

代表性一貫被視為量化研究的力量，和質化研究的弱點翻譯

質化研究的興趣地點，恰好就是那不太可能産生，然則事實上又發生的。也就是並說，非對常規有愛好 (不是大家都一樣嗎？)，而是對特例有樂趣。生命已夠死板了，為什麼還要專注在平淡上？