在没有抽样框架的情况下生成样本的一种方法（但还有其他方法）是选择所谓的实证方法。这通常涉及在现场进行简单、快速的样本选择，这相对便宜。对应的是缺乏对抽样概率框架的掌握。这些方法主要涵盖“配额”调查、志愿者抽样和标准单位的选择。配额调查所依据的原则是，根据某些变量产生与实地总体具有相同结构的样本 - 例如，按性别采用相同的结构，按年龄组采用相同的结构 - 但调查人员根据一般指示在实地对单位进行抽样，旨在尽可能“随机化”选择。
可能会产生潜在的显著抽样偏差：这就是为什么 INSEE 不使用它们而坚持使用概率 赌博数据 方法。事实上，所产生的主要风险是一种有害的机制，它会导致调查人员根据所收集的信息来选择或多或少明显的个人，并且我们从技术上证实，在无法控制个人选择概率的情况下，这种联系会导致偏见。例如，如果我们想进行一项面对面的配额就业调查，我们很可能会冒险采访那些白天在家里或公共场所更容易找到、因此就业频率较低的人，这将导致“就业率”参数的平均低估。此外，用这种方法很难确保所有个体参与调查的概率都不为零。主要通过在线方式进行的志愿者调查面临更大的这种风险，因此 INSEE 从未进行过此类调查。
相反，通过在概率框架内注册调查并从抽样框架中进行选择，可以控制所选样本与真实总体之间的差异的数量级。因此，对于就业调查样本而言，根据抽取样本时进行的评估，从为整个人口选择的样本推断出的法国失业人数（领取失业救济金的个人）与（如果可以从抽样框架中获得）“真实”失业人数之间的相对差距约为 0.1%（参见“ 家庭调查主样本和 INSEE 就业调查样本的更新 ”，第 150 页。