Corso di Campionamento

Lezione 1 • Panoramica dei tipi di disegno di campionamento

Delinea il panorama dei disegni probabilistici e non probabilistici ad alto livello. Prepara gli studenti a scegliere metodi appropriati nei capitoli successivi.

Lezione 2 • Popolazioni e campioni definiti

Chiarisce la distinzione tra popolazione target e campione estratto. Stabilisce il vocabolario utilizzato in tutte le successive decisioni di campionamento.

Lezione 3 • Errore di campionamento e distorsione

Differenzia l'errore di campionamento casuale dalla distorsione sistematica e spiega il loro impatto sulle conclusioni. Fornisce una base per valutare la qualità del campione durante il corso.

Lezione 1 • Stima dei parametri da CCS

Deriva gli stimatori della media, della proporzione e del totale sotto CCS e calcola i loro errori standard. Collega le formule di stima al concetto di distribuzioni campionarie.

Lezione 2 • Costruire una base di campionamento

Spiega cos'è una base di campionamento, come costruirla e gli errori comuni della base. Una base solida è il prerequisito per tutti i metodi di campionamento probabilistico.

Lezione 3 • Confronto tra l'efficienza del CCS e del campionamento sistematico

Valuta l'efficienza relativa, i costi e i vincoli pratici di ciascun metodo. Gli studenti scelgono tra SRS e campionamento sistematico per scenari dati.

Lezione 4 • Meccanica del campionamento casuale semplice

Copre i metodi di selezione tramite lotteria, tavola dei numeri casuali e software. Gli studenti eseguono procedure CCS e verificano la selezione con pari probabilità.

Lezione 1 • Post-stratificazione e ponderazione

Affronta l'aggiustamento dei pesi dopo la raccolta dati quando la pre-stratificazione era incompleta. Introduce il raking e la calibrazione come strumenti pratici di correzione.

Lezione 2 • Principi di stratificazione

Spiega perché dividere una popolazione in strati omogenei riduce la varianza complessiva. Collega la logica della stratificazione ai guadagni di precisione rispetto al CCS.

Lezione 3 • Allocazione proporzionale e ottimale

Contrappone l'allocazione proporzionale all'allocazione ottimale di Neyman e alle varianti con vincoli di costo. Gli studenti calcolano le dimensioni campionarie per strato sotto ciascuna regola.

Lezione 1 • Effetto del disegno e aggiustamento della dimensione campionaria

Quantifica l'effetto del disegno (DEFF) e lo usa per aumentare i requisiti di dimensione campionaria del CCS. Gli studenti ricalcolano le dimensioni campionarie richieste per i disegni a grappolo.

Lezione 2 • Campionamento con probabilità proporzionale alla dimensione

Descrive in dettaglio i metodi di selezione PPS, inclusi il PPS sistematico e il metodo di Lahiri. Dimostra come il PPS ottenga campioni autoponderanti in disegni con grappoli disuguali.

Lezione 3 • Disegni a due stadi e multistadio

Estende il campionamento a grappolo a due o più stadi con sottocampionamento all'interno dei grappoli selezionati. Affronta la complessità della stima e la scomposizione della varianza tra gli stadi.

Lezione 4 • Logica e compromessi del campionamento a grappolo

Spiega perché il raggruppamento riduce i costi di spostamento e di elencazione aumentando la varianza. Contrappone concettualmente il campionamento a grappolo al campionamento stratificato.

Lezione 1 • Campionamento a valanga e di rete

Copre le catene di referral guidate dagli intervistati per popolazioni difficili da raggiungere. Introduce il campionamento guidato dagli intervistati (RDS) come estensione probabilistica dei metodi a valanga.

Lezione 2 • Campionamento teorico e mirato nella ricerca qualitativa

Affronta le strategie della massima variazione, dei casi devianti e della saturazione teorica. Collega la logica non probabilistica agli standard di validità della ricerca qualitativa.

Lezione 3 • Valutare la qualità del campione non probabilistico

Fornisce criteri per valutare il rigore quando il campionamento probabilistico è assente. Gli studenti applicano standard di trasparenza e idoneità allo scopo ai disegni non probabilistici.

Lezione 4 • Campionamento di convenienza e mirato

Descrive la selezione basata sulla disponibilità e sul giudizio e i loro rischi intrinseci di distorsione. Identifica i contesti di ricerca in cui questi metodi sono difendibili.

Lezione 1 • Dimensione campionaria per proporzioni

Adatta la formula della dimensione per esiti binari e affronta l'assunzione conservativa p=0,5. Gli studenti calcolano le dimensioni per proporzioni singole e multiple.

Lezione 2 • Aggiustamenti per disegni complessi

Applica i moltiplicatori dell'effetto del disegno e l'inflazione per mancata risposta ai calcoli di base della dimensione campionaria. Integra gli aggiustamenti per stratificazione e raggruppamento dai capitoli precedenti.

Lezione 3 • Analisi della potenza per la verifica delle ipotesi

Collega la dimensione campionaria alla potenza statistica, alla dimensione dell'effetto e ai tassi di errore di Tipo I e II. Gli studenti usano le curve di potenza per giustificare le dimensioni campionarie per studi comparativi.

Lezione 4 • Dimensione campionaria basata sulla precisione per medie

Deriva la formula della dimensione campionaria per stimare una media della popolazione entro un margine di errore specificato. Richiede la conoscenza della stima della varianza dai capitoli precedenti.

Lezione 1 • Modalità di raccolta dati

Confronta le modalità di persona, telefonica, postale e basata sul web in termini di costo, copertura e qualità della risposta. Gli studenti selezionano le modalità appropriate alla loro base di campionamento e alla popolazione.

Lezione 2 • Strategie per la mancata risposta e il follow-up

Identifica le fonti di mancata risposta di unità e parziali e progetta protocolli di follow-up per ridurle. Collega i tassi di mancata risposta al rischio di distorsione stabilito nel Capitolo 1.

Lezione 3 • Principi di progettazione del questionario

Copre la formulazione delle domande, la costruzione delle scale di risposta e gli effetti dell'ordine. Collega la qualità dello strumento all'accuratezza dei dati campionati.

Lezione 4 • Formazione degli intervistatori e controllo di qualità

Stabilisce protocolli per la formazione degli intervistatori e il monitoraggio della qualità della raccolta dati. Affronta gli effetti dell'intervistatore come fonte di errore di misurazione.

Lezione 1 • Gestire i dati mancanti e l'imputazione

Distingue i meccanismi di dati mancanti casualmente da quelli non casuali e applica i metodi di imputazione hot-deck e multipla. Valuta l'impatto dell'imputazione sulle stime.

Lezione 2 • Costruire i pesi di indagine

Deriva i pesi base dalle probabilità di selezione e applica gli aggiustamenti per mancata risposta e calibrazione. Si basa sui concetti di stratificazione e raggruppamento dei capitoli precedenti.

Lezione 3 • Stima della varianza per campioni complessi

Copre i metodi di linearizzazione di Taylor, replicazione bilanciata ripetuta e jackknife per la stima della varianza. Gli studenti selezionano il metodo appropriato per il loro disegno.

Lezione 4 • Rendicontare e comunicare i risultati

Struttura i rapporti di indagine con appropriate dichiarazioni di precisione, limitazioni e divulgazione del disegno. Traduce le stime tecniche in risultati accessibili per pubblici diversi.