การสุ่มตัวอย่างโดยไม่ได้อาศัย ทฤษฏีความน่าจะเป็น (Non-probability sampling) 

ในบางครั้งการเลือกกลุ่มตัวอย่างโดย อาศัยความน่าจะเป็น โดยวิธีการสุ่มอาจจะไม่สามารถทำได้หรือทำได้ยาก การเลือกกลุ่มตัวอย่างโดยไม่อาศัยความน่าจะเป็นจึงถูกนำมาใช้ซึ่งการเลือก กลุ่มตัวอย่างแบบนี้จะมีลักษณะเป็นอัตวิสัย (subjective)  ซึ่งมักจะทำให้การประมาณค่าพารามิเตอร์ขาดความแม่นยำ  ดังนั้นในการเลือกกลลุ่มตัวอย่างแบบนี้มักจะใช้เมื่อไม่ต้องการอ้างอิงถึง ลักษณะประชากร ส่วนใหญ่จะใช้กับงานวิจัยสำรวจข้อเท็จจริง (Exploration research) กับกลุ่มที่มีลักษณะเฉพาะและไม่ต้องการเปรียบเทียบกับกลุ่มอื่นๆ นอกจากนี้ยังมีเหตุผลทางด้านค่าใช้จ่ายและเวลา เพราะการเลือกตัวอย่างโดยไม่อาศัยความน่าเป็นจะมีค่าใช้จ่ายและเวลาน้อยกว่า อาศัยความน่าจะเป็น            

  1. การสุ่มโดยบังเอิญ (Accidental sampling)

 เป็นการสุ่มจากสมาชิกของประชากรเป้าหมายที่เป็นใครก็ได้ที่สามารถให้ข้อมูลได้ครบถ้วน การสุ่มโดยวิธีนี้ไม่สามารถรับประกันความแม่นยำได้ ซึ่งการเลือกวิธีนี้เป็นวิธีที่ด้อยที่สุด เพราะเป็นการเลือกตัวอย่างที่มีลักษณะสอดคล้องกับนิยามของประชากรที่สามารถ พบได้และใช้เป็นอย่างได้ทันที 

  1. การสุ่มแบบโควตา (Quota sampling) 

เป็นการสุมตัวอย่างโดยจำแนกประชากรออกเป็นส่วนๆก่อน (strata)โดยมีหลักจำแนกว่าตัวแปรที่ใช้ในการจำแนกนั้นควรจะมีความสัมพันธ์ กับตัวแปรที่จะรวบรวม หรือตัวแปรที่สนใจ และสมาชิกที่อยู่แต่ละส่วนมีความเป็นเอกพันธ์  ในการสุ่มแบบโควตา นี้มีขั้นตอนการดำเนินการดังนี้

  • พิจารณาตัวแปรที่สัมพันธ์กับลักษณะของประชากรที่คำถามการวิจัยต้องการที่จะ ศึกษา เช่น เพศ ระดับการศึกษา
  • พิจารณาขนาดของแต่ละส่วน(segment)ของประชากรตามตามตัวแปร
  • คำนวณค่าอัตราส่วนของแต่ละส่วนของประชากร กำหนดเป็นโควตาของตัวอย่างแต่ละกลุ่มที่จะเลือก
  • เลือกตัวอย่างในแต่ละส่วนของประชากรให้ได้จำนวนตามโควตา
  1. การสุ่มตัวอย่างเฉพาะเจาะจง (purposive  sampling) 

หรือบางครั้งเรียกว่าการสุ่มแบบพิจารณา (judgment sampling) เป็นการสุ่มตัวอย่างโดยใช้ดุลพินิจของผู้วิจัยในการกำหนดสมาชิกของประชากร ที่จะมาเป็นสมาชิกในกลุ่มตัวอย่าง ว่ามีลักษณะสอดคล้องหรือเป็นตัวแทนที่จะศึกษาหรือไม่  ข้อจำกัดของการสุ่มตัวอย่างแบบนี้คือไม่สามารถระบุได้ว่าตัวอย่างที่เลือก จะยังคงลักษณะดังกล่าวหรือไม่เมื่อเวลาเปลี่ยนไป

  1. การสุมกลุ่มตัวอย่างตามสะดวก (convenience sampling) 

การเลือกกลุ่มตัวอย่างโดยถือเอาความสะดวกหรือความง่ายต่อการรวบรวมข้อมูล  ข้อจำกัดของการสุ่มแบบนี้จะมีลักษณะเหมือนกับการสุ่มโดยบังเอิญ

  1. การสุมตัวอย่างแบบสโนว์บอลล์  (snowball sampling) 

เป็นการเลือกตัวอย่างในลักษณะการสร้างเครือข่ายข้อมูล เรียกว่า snowball sampling โดยเลือกจากหน่วยตัวอย่างกลุ่มแรก และตัวอย่างกลุ่มนี้เสนอบุคคลอื่นที่มีลักษณะใกล้เคียงต่อๆไป

การสุ่มตัวอย่างโดยอาศัย ทฤษฏีความน่าจะเป็น (Probability Sampling)

  1. การสุ่มอย่างง่าย (Simple random sampling)
    สมาชิกทั้งหมดของประชากรเป็นอิสระซึ่งกันและกัน  แล้วสุ่มหน่วยของการสุ่ม (Sampling unit) จนกว่าจะได้จำนวนตามที่ต้องการ  โดยแต่ครั้งที่สุ่ม สมาชิกแต่ละหน่วยของประชากรมีโอกาสถูกเลือกเท่าเทียมกัน  ซึ่งก่อนที่จะทำการสุ่มนั้น จะต้องนิยามประชากรให้ชัดเจน ทำรายการสมาชิกทั้งหมดของประชากร สุ่มตัวอย่างโดยใช้วิธีที่ทำให้โอกาสในการของสมาชิกแต่ละหน่วยในการถูกเลือก มีค่าเท่ากัน ซึ่งสามารถทำได้ 2 วิธี คือ การจับฉลากและการใช้ตารางเลขสุ่ม  (table of random number) ซึ่งตัวเลขในตารางได้มาจากการอาศัยคอมพิวเตอร์กำหนดค่า หรือบางครั้งสามารถใช้วิธีการดึงตัวอย่างโดยอาศัยโปรแกรมสำเร็จรูป ในการสุ่มอย่างง่าย มีข้อจำกัดคือ ประชากรต้องนับได้ครบถ้วน (Finite population) ซึ่งบางครั้งอาจสร้างปัญหาให้กับนักวิจัย
  2. การสุ่มแบบเป็นระบบ (systematic sampling)   

ใช้ในกรณีที่ประชากรมีการจัดเรียงอย่างไม่ลำเอียง
                      1. ประชากรหารด้วยจำนวนกลุ่มตัวอย่าง (K = N/n)
                      2. สุ่มหมายเลข 1 ถึง K  (กำหนดสุ่มได้หมายเลข  r )
                      3. r จะเป็นหมายเลขเริ่มต้น ลำดับต่อไป r + K, r +2K, r + 3K,
การสุ่มแบบเป็นระบบ โอกาสถูกเลือกของตัวอย่างไม่เป็นอิสระจากกัน เพราะเมื่อตัวอย่างแรกถูกสุ่มแล้ว  ตัวอย่างหน่วยอื่นก็จะถูกกำหนดให้เลือกตามมาโดยอัตโนมัติ โดยไม่มีการสุ่ม

  1. การสุ่มแบบแบ่งชั้น (stratified random sampling)

             เป็นการสุ่มกลุ่มตัวอย่างที่แบ่งกลุ่มประชากรออกเป็นกลุ่มย่อย (subgroup or strata) เสียก่อนบน พื้นฐานของตัวแปรที่สำคัญที่ส่งผลกระทบต่อตัวแปรตาม โดยมีหลักในการจัดแบ่งกลุ่มแต่ละกลุ่มมีความเป็นเอกพันธ์ (Homogeneous) หรือกล่าวได้ว่า ในกลุ่มเดียวกันจะมีลักษณะคล้ายคลึงกันตามกลุ่มย่อยของตัวแปร  แต่จะมีความแตกต่างระหว่างกลุ่ม  จำนวนสมาชิกในกลุ่มย่อยจะถูกกำหนดให้เป็นสัดส่วน (proportion) ตามสัดส่วนที่ปรากฏในประชากร ซึ่งเรียกว่า การสุ่มแบบแบ่งชัดโดยใช้สัดสัด (proportion stratified sampling)  การสุ่มแบบแบ่งชั้นจะมีความเหมาะสมกับงานวิจัยที่สนใจความแตกต่างของลักษณะ ประชากรในระหว่างกลุ่มย่อย

  1. การสุ่มตัวอย่างแบบกลุ่ม (cluster sampling)

ในกรณีที่ประชากรมีขนาดใหญ่ การสุ่มกลุ่มตัวอย่างโดยจัดกระทำกับรายการสมาชิกทุกๆหน่วยของประชากรอาจทำ ได้ยากหรือทำไม่ได้เลย ดังนั้นแทนที่จะใช้วิธีการสุมจากทุกหน่วย นักวิจัยสามารถสุ่มจากกลุ่มที่ถูกจัดแบ่งไว้อยู่แล้ว ซึ่งวิธีการแบบนี้เรียกว่าการสุ่มแบบกลุ่ม (cluster sampling)  สิ่งที่ควรคำนึงถึงการสุ่มแบบกลุ่ม มีดังนี้

  • ความแตกต่างของลักษณะที่จะศึกษาระหว่างกลุ่ม (cluster) มีไม่มาก หรือเรียกว่ามีความเป็นเอกพันธ์ (homogeneous)
  • ขนาดของแต่ละกลุ่ม เท่ากันหรือแตกต่างกันไม่มากนัก เพราะเมื่อเลือกกลุ่มมาเป็นตัวอย่างแล้ว  การประมาณค่าพารามิเตอร์ จะมีลักษณะไม่อคติ (unbias estimation)  มากกว่า กรณีที่กลุ่มตัวอย่างในแต่กลุ่มมีขนาดแตกต่างกันมาก
  • ขนาดของกลุ่ม (cluster) ไม่มีคำตอบแน่นอนวาจำนวนหน่วยตัวอย่างที่ศึกษาในแต่ละกลุ่ม จะเป็นเท่าใด ขึ้นอยู่กับคำถามการวิจัยและความยากง่ายในการเก็บข้อมูล
  • การใช้วิธีการสุ่มแบบ multistage cluster sampling แท่นการใช้ single – stage
  • ขนาดขอกลุ่มตัวอย่างหรือจำนวนกลุ่ม (cluster) ที่ต้องการในการเทียบเคียงจากการเลือกแบบการสุ่มอย่างง่าน (simple random sampling) ในการคำนวณขนาดกลุ่มตัวอย่าง โดยใช้จำนวนทั้งหมดของกลุ่ม ที่จัดแบ่งเป็นประชาการที่นำมาใช้ในการคำนวณ 
  1. การสุ่มตัวอย่างแบบหลายขั้นตอน (Multi – stage Random Sampling)

มีวิธีการสุ่ม 4 แบบที่อธิบายไว้แล้ว คือ การสุ่มอย่างง่าย การสุ่มอย่างมีระบบ การสุ่มแบบแบ่งชั้น และการสุ่มแบบแบ่งกลุ่ม ในการทำวิจัยจริง ๆ เราอาจจะใช้วิธีการสุ่มที่ซับซ้อนมากกว่านี้ โดยหลักแล้วจะต้องพิจารณาวิธีการสุ่มทั้ง 4 แบบนี้มาใช้ให้ได้ประโยชน์สูงสุดเพื่อให้ได้กลุ่มตัวอย่างที่ผู้วิจัยต้องการอย่างแท้จริง เรียกว่าการสุ่มแบบหลายขั้นตอน