什么是非抽样误差(a non-sampling error)？

非抽样误差是一个统计术语，指的是在数据采集过程中产生的误差，导致数据与真实值不同。非采样误差不同于采样误差。采样误差仅限于由于样本大小有限而产生的样本值和宇宙值之间的任何差异(整个宇宙不能在调查或普查中取样。）

关键要点

• 非抽样误差是统计中使用的一个术语，指的是在数据收集过程中发生的错误，导致数据与真值不同。 
• 非抽样误差是指随机或系统误差，这些误差在调查、抽样或普查中很难发现。 
• 系统非抽样误差比随机非抽样误差更严重，因为系统误差可能导致研究、调查或普查不得不取消。
• 错误的数量越多，信息的可靠性就越低。
• 当出现非抽样误差时，研究或调查中的偏差率就会上升。 

即使没有任何类型的错误，也可能导致采样错误。这些“错误”仅仅是因为一个样本中的数据不太可能与从中获取样本的宇宙中的数据完全匹配。这种“错误”可以通过增加样本大小来最小化。

非抽样误差涵盖了所有其他差异，包括因抽样技术差而产生的差异。

非采样错误的工作原理

非抽样误差可能出现在抽样和普查中，在整个人口进行调查。非抽样误差分为两类：随机误差和系统误差。

随机误差被认为是相互抵消的，因此，大多数情况下，很少有人关心。另一方面，系统误差会影响整个样本，因此提出了一个更重要的问题。一般来说，随机错误不会导致取消抽样或普查，而系统性错误则极有可能导致所收集的数据无法使用。

非抽样误差是由外部因素引起的，而不是调查、研究或普查中的问题。

出现非采样错误的方式有很多种。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、不回答、不恰当的分析结论以及受访者提供的虚假信息。

特别注意事项

虽然增加样本量有助于减少抽样误差，但对减少非抽样误差没有任何影响。这是因为非抽样误差通常很难检测，而且几乎不可能消除它们。

非抽样错误包括非回答错误、报道错误、访谈错误和处理错误。例如，如果一个人在一次调查中被数到两次，或者他们的答案在调查中被重复，就会出现覆盖率错误。如果面试官在抽样过程中存在偏差，非抽样错误将被视为面试官错误。

此外，很难证明调查中的受访者是错误地或故意提供虚假信息。无论哪种方式，被调查者提供的错误信息都算作非抽样错误，它们被称为回答错误。

技术错误属于另一类。如果有任何与数据相关的条目⁠—例如编码、收集、输入或编辑它们被认为是处理错误。