Een redmiddel om voor voldoende respons te zorgen, is door te oversampelen. Men benadert dan opzettelijk veel te veel mensen. Hierin zijn twee mogelijkheden: men doet dat voor de hele steekproef, of men doet dat alleen en slechts alleen voor die groepen waar men een slechte respons verwacht.
De eerste optie heeft tot gevolg dat men te veel respons krijgt voor die groepen waar dat nodig noch gewenst is. Immers bij te grote aantallen in de analyses krijgt men veel statistisch significante resultaten die bij een minder grote steekproeftrekking niet voor zouden komen. Om dat teniet te doen zou men een deel van de respondenten moeten weglaten. De vraag is alleen welk deel. Dat zou door middel van onderzoek nog wel opgelost kunnen worden door bepaalde eisen te stellen aan de respons, en indien de behouden respons - statistisch gezien - overeenkomt met de weg te laten respons, dan levert dat geen problemen op. Het is alleen wel een verspilling van geld en energie om mensen eerst te ondervragen en daarna de gegevens van een deel van de ondervraagden weg te gooien.
De tweede optie is beter. Indien men van een bepaalde subpopulatie een grote non-respons verwacht, dan kan men dit deel van de steekproef groter nemen. Uit de tabel hieronder blijkt dat de steekproefverdeling volstrekt niet overeenkomt met de populatieverdeling, maar dat de responsverdeling perfect overeenkomt met de populatieverdeling. Deze responsverdeling is hetgeen men wilde realiseren en dat is met deze methode bereikt.
Huishoudens |
Stadsdeel of wijk |
Totaal |
1 |
2 |
3 |
4 |
5 |
Populatieverdeling |
aantal |
16.000 |
12.000 |
4.000 |
4.000 |
4.000 |
40.000
|
percentages |
40
|
30
|
10
|
10
|
10
|
100%
|
Steekproefverdeling |
aantal |
480
|
360
|
120
|
120
|
600
|
1680
|
percentages |
29
|
21
|
7
|
7
|
36
|
100%
|
Responsverdeling |
aantal |
143
|
105
|
36
|
36
|
35
|
355
|
percentage van de populatie |
40
|
30
|
10
|
10
|
10
|
100%
|
percentage van de respons |
30
|
29
|
30
|
30
|
6
|
---
|