在数据质量评估中，我们除对抽样误差进行检查外，重点是对非抽样误差和偏差的检查。
Focus in data quality assessment is non-sampling errors and variance, in addition to sampling errors.
本文研究了国内外非抽样误差测度的主要方法，将其分为两类：基于设计的方法和基于模型的方法。
This paper studies the main techniques of measuring non-sampling error and classifies them into two classes: based on designs and based on models.
本文结合调查误差分析的理论，根据网络自身的特点，分析了网络调查的非抽样误差的来源，并提出了减少误差的方法。
With theory of error analyzing and characteristics of Internet, this article analyzes the non - sampling errors of Internet surveys and comes up with some steps to reduce them.
非抽样误差又称“工作误差”。指在调查过程中由于种种人为因素所造成的代表性误差及登记性误差的总称。前者通常是指调查方案设计有缺陷，如题器或指标含义不清、有诱导性;调查员在实施调查中不遵守随机原则，有意多选较好或较差的单位，等等。后者是指在记录、汇总、计算、抄写调查数据资料时所发生的差错。人为因素所造成的代表性误差通常表现为一种系统性的偏差。它与抽样误差由于随机地观察总体中的一部分单位所造成的样本统计量的波动而产生的代表性误差有着明显的不同。抽样误差是围绕分布中心所表现出的没有方向性的非系统性的误差，工作误差则是稳定的、有方向性的系统性偏差。避免非抽样误差的主要措施是：(一)严格遵守随机原则，规定应抽选作为样本的调查对象都必须一一调查，不能随便更换、减少或增加，避免有意多选较好或较坏的调查对象来达到自己原定要说明某个问题的目的;(二)搞好问卷设计，严守客观公正的原则，避免题器设计所产生的诱导性因素，并努力使调查项目所涉及的概念指标尽可能地操作化到清晰、明确、唯一的程度; (三)认真培训调查登记人员，做好一切必要的准备工作，尽量不发生填表、登记之类过程中的差错。
应用推荐