¿Es mi muestra representativa de la población que estoy tratando de medir?

Question

Hemos completado una encuesta de empresas FTSE350, pero solo recibimos 49 respuestas. Asumimos que esta tasa de respuesta significa que nuestros resultados no son representativos de todo el FTSE350, pero queríamos demostrarlo de manera más científica.

Estoy seguro de que este es un cálculo muy sencillo, ¿podría alguien explicármelo por favor? ¡Gracias!

Answer 1

Este problema está lejos de ser simple. Mi respuesta es un poco más amplia que tu pregunta.

1. No es imposible que lo que tienes sea una muestra representativa, pero en general no tienes medios para comprobar eso ni para medir cuán no representativa puede ser la muestra. Desafortunadamente, la mayoría de la experiencia indica que una mala respuesta a las encuestas va de la mano con una respuesta sesgada, es decir, lo que tienes no es "representativo", pero no puedes decir exactamente cómo.

2. En tu caso, hay una posible excepción parcial. Deberías poder utilizar datos publicados de todas las empresas y obtener algunas indicaciones de dónde se encuentra tu muestra dentro de esa población. Naturalmente, es muy probable que las variables publicadas no sean las que querías medir; de lo contrario, no habrías querido o necesitado hacer una encuesta. Sin embargo, algo de información debería ser mejor que nada para situar tu muestra en contexto.

3. El término "muestra representativa" se utiliza mucho en la literatura no técnica, pero eso no lo hace bien definido o fácil de trabajar. En 1979 y 1980, W.H. Kruskal y F. Mosteller publicaron una larga serie de artículos en la International Statistical Review que siguen siendo valiosos. Las dificultades comienzan con lo trillado pero crucial: asegurar o comprobar que una muestra es representativa en un sentido no hace más que eso. Por ejemplo, podrías encontrar fácil equilibrar hombres y mujeres en una muestra, pero equilibrar una muestra según, por ejemplo, los patrones de ingresos de la población es enormemente más difícil. Ver #2 de nuevo.

4. Las personas que saben mucho sobre cómo compensar la baja respuesta de muestra trabajan para organizaciones de encuestas o agencias de censo, pero sus protocolos, según entiendo, tienden a ser complicados, en gran parte o totalmente no publicados y en parte ad hoc a medida que aprenden de la experiencia.

5. Imputar datos faltantes del resto del conjunto de datos es una estrategia muy utilizada en la ciencia estadística, pero imputar datos faltantes cuando la mayoría de los datos están faltantes y tienes una muestra sesgada es casi tan difícil como no tener datos en absoluto.