什么是非采样错误？
非采样错误是一个统计术语，是指在数据收集期间导致数据与真实值不同的错误。 非采样误差与采样误差不同。 采样误差仅限于由于样本量有限而引起的样本值与Universe值之间的任何差异。 （无法在调查或人口普查中对整个宇宙进行抽样。）
重要要点
- 非采样错误是统计中使用的术语，是指在数据收集期间发生的错误，导致数据与真实值不同。 非抽样误差是指随机误差或系统误差，这些误差可能难以在调查，样本或普查中发现。 系统性非抽样误差比随机性非抽样误差更严重，因为系统性误差可能导致必须放弃研究，调查或人口普查。 错误数越高，信息越不可靠。当发生非抽样错误时，研究或调查中的偏见率会上升。
即使没有发生任何类型的错误，也可能导致采样错误。 “错误”仅是因为样本中的数据不可能与样本来源中的数据完全匹配。 可以通过增加样本大小来最大程度地减少这种“错误”。
非采样错误涵盖了所有其他差异，包括由于不良采样技术而导致的那些差异。
非采样错误的工作原理
在对整个人口进行调查的样本和普查中，都可能出现非抽样误差。 非抽样误差分为两类：随机误差和系统误差。
随机误差被认为可以相互抵消，因此，大多数情况下，它们无关紧要。 另一方面，系统误差会影响整个样本，因此会带来更严重的问题。 通常，随机错误不会导致报废样本或普查，而系统性错误很可能使收集的数据无法使用。
非抽样误差是由外部因素引起的，而不是由调查，研究或普查中的问题引起的。
发生非采样错误的方式有很多。 例如，非抽样错误可以包括但不限于数据输入错误，有偏见的调查问题，有偏见的处理/决策，无答复，不适当的分析结论以及受访者提供的虚假信息。
特别注意事项
虽然增加样本数量可以最大程度地减少采样误差，但对减少非采样误差没有任何影响。 这是因为非采样错误通常很难检测，并且几乎不可能消除它们。
非抽样错误包括不答复错误，覆盖范围错误，采访错误和处理错误。 例如，如果某人在调查中被计数两次或在调查中重复了他们的答案，则会发生覆盖错误。 如果访问员的抽样有偏差，则非抽样错误将被视为访问员错误。
此外，很难证明调查中的受访者提供了错误的信息，无论是出于错误还是有意。 无论哪种方式，受访者提供的错误信息都被视为非抽样错误，并被描述为响应错误。
技术错误属于另一个类别。 如果存在任何与数据相关的条目，例如编码，收集，条目或编辑，则将其视为处理错误。
