Arbetssätt - Mäta - Urval vid mätning

Vid kvalitetsundersökningar drar man ofta ett urval av objekt för att skatta tematisk noggrannhet, lägesnoggrannhet och övertalighet. Här ges därför en allmän beskrivning av vissa aspekter vid urvalsundersökningar.

Det finns flera motiv till att dra ett urval istället för att undersöka hela populationen. Den kanske viktigaste orsaken är kostnadsaspekten. Genom att dra ett urval minskar kostnaderna, ofta dramatiskt, jämfört med att göra en totalundersökning. I och med att samtliga objekt inte undersöks introduceras dock en osäkerhet; en urvalsosäkerhet. Storleken på urvalsosäkerheten kan dock kvantifieras, ofta med hjälp av ett konfidensintervall.

Ett exempel kan vara följande: andelen objekt med fel tematisk klassning skattas till 2,3 % ± 1,4 %. Talet 2,3 kallas för punktskattning och 1,4 för felmarginal. Intervallet blir 0,9 % till 3,7 %. Tolkningen av intervallet är att med en stor säkerhet (ofta 95 procents säkerhet[1]) är den sanna andelen objekt med fel tematisk klassning inom intervallet 0,9 % till 3,7 %.

Exempel hur man skriver punktskattning med felmarginal

Ofta vill man ha skattningar med hög precision, dvs. en liten felmarginal och ett snävt konfidensintervall. Precisionen i skattningen beror till största del av hur många objekt som väljs ut: d.v.s. urvalets absoluta storlek, inte dess relativa. Om populationen exempelvis består av 10 000 objekt och ett slumpmässigt urval på 300 objekt dras erhålls i princip samma precision som om populationen hade bestått av 100 000 eller 10 000 000 objekt . Detta upplevs ibland som en paradox. Om populationen dock är relativt liten, säg 200 objekt, så spelar den relativa urvalsstorleken stor roll på precisionen. För stora populationer, säg över 5 000 objekt, är det i princip endast urvalets absoluta storlek som påverkar precisionen.

Hur stort urval ska man då dra? Det är ingen enkel fråga att svara entydigt på. Det beror på faktorer som önskad precision i resultat, arbetsinsats för att samla in data, huruvida resultaten ska presenteras uppdelat på redovisningsgrupper, pedagogiska aspekter för att nämna några. En allmän princip som kan nyttjas för val av urvalsstorlek är balansgången mellan önskad precision och arbetsinsats för att genomföra kontrollerna.

Ofta kan man med hjälp av en smart design uppnå en bättre precision än om ett helt (obundet) slumpmässigt urval dras. Ett sätt är att använda metoden att skapa separata urvalsgrupper, benämnda strata (stratum i singularis), vid många objekttyper. Därefter dras separata urval i varje urvalsgrupp (stratum). Om man kan skapa strata där objekten inom varje stratum är homogena och mellan strata är heterogena kan (betydande) precisionsvinster uppnås. Dessutom kan man via stratifiering kontrollera att tillräckligt många objekt från olika grupper väljs. Anta exempelvis att ett objekt har ett obligatoriskt attribut med två kategorier, A och B, och att kategori A utgör 87 procent av alla objekt. Om ett urval på 200 slumpmässigt valda objekt dras kommer vi att förvänta oss att 87 procent av urvalet består av kategori A vilket medför att ca 26 av de 200 tillhör kategori B. Detta kan vara ett för litet antal för att kunna presentera resultat för kategori B. Man kan därför via stratifiering med avseende på kategori A och B säkerställa att tillräckligt många väljs ut ur respektive kategori.

Se dessa för ytterligare information om skattningar och urval:
SS-EN ISO 19157:2013
SS 20130 Statistisk acceptanskontroll – Metoder och provtagningsplaner för attributkontroll
HMK-Geodatakvalitet 2017


[1] Grad av säkerhet väljs av undersökaren