Dobry projekt badań ankietowych dąży do zmniejszenia błędu próbkowania
Co to jest przedział ufności?
Przedział ufności to margines błędu, którego doświadczałby badacz, gdyby mógł zadać konkretne pytanie badawcze , powiedzmy, każdego członka populacji docelowej i otrzymać tę samą odpowiedź, którą otrzymali członkowie próby w badaniu.
Na przykład, jeśli badacz zastosował przedział ufności 4 i 60% uczestników badania próbki odpowiedział "Poleciłbym znajomym", mógł być pewien, że od 54% do 64% członków całej populacji docelowej również powiedz "polecam znajomym", gdy zadano to samo pytanie. Przedział ufności w tym przypadku wynosi +/- 4.
Czym jest poziom zaufania?
Poziom ufności jest wyrazem pewności, że naukowiec może być z danych uzyskanych z próbki. Poziomy zaufania są wyrażone w procentach i wskazują, jak często ten odsetek populacji docelowej dałby odpowiedź mieszczącą się w przedziale ufności. Najczęściej stosowanym poziomem ufności jest 95%. Powiązana koncepcja nosi nazwę istotności statystycznej.
Pewność badacza co do prawdopodobieństwa, że jego próbka jest prawdziwie reprezentatywna dla populacji docelowej, zależy od wielu czynników.
Wiarygodność badacza w zakresie projektowania i wdrażania badań - oraz świadomość jego ograniczeń - w dużej mierze opiera się na trzech ważnych zmiennych: wielkości próby, częstotliwości odpowiedzi i wielkości populacji. Badacze od dawna zgadzali się, że te zmienne muszą być dokładnie rozważone podczas fazy planowania badań.
- Rozmiar próbki Ogólnie rzecz biorąc, większe próbki dostarczają danych, które rzeczywiście odzwierciedlają populację docelową. Szeroki przedział ufności wskazuje na mniejsze zaufanie do danych, ponieważ istnieje większy margines błędu . Szeroki przedział ufności jest jak zabezpieczenie twoich zakładów. Chociaż istnieje związek między przedziałem ufności a rozmiarem próby, ale nie jest to relacja liniowa . Naukowiec nie może obniżyć poziomu ufności o połowę, podwajając wielkość próby.
- Częstotliwość odpowiedzi Dokładność, z jaką dane przykładowe odzwierciedlają populację docelową, zależy również od odsetka respondentów, którzy udzielili określonej odpowiedzi lub odpowiedzieli w określony sposób . Im większa liczba respondentów, którzy udzielili konkretnej odpowiedzi, powiedzmy: "Bardzo szczęśliwy", pewien badacz może być tego zdania. Wystąpi pewna zmienność w procentach w środkowych obszarach krzywej normalnej. Oznacza to, że jeśli badacz ma 50% pewności, że członkowie populacji docelowej odpowiedzą (w ramach przedziału ufności) jak członkowie populacji próbnej, prawdopodobnie wystąpi pewna zmiana w stosunku do tego poziomu 50%.
Warto pamiętać, że wartości odstające (dane znajdujące się na odległych krańcach lub ogonach krzywej normalnej) częściej występują w przybliżeniu w takim samym tempie w populacji, jak w próbce - tutaj występuje mniejsza zmienność , ponieważ jest niższa częstotliwość . (Zastanów się, jak kule w pudełku Galtona mają tendencję do układania się w środku na wystawie Pacific Science Center? Tylko kilka piłek odbija się w ogonach.) Z tego powodu łatwiej jest być pewnym częstotliwości ekstremalnych odpowiedzi .
- Wielkość populacji nie jest istotnym czynnikiem wielkości próby, chyba że badacz pracuje z bardzo małą i znaną mu populacją (np. Wystarczająco małą, aby badacz mógł zidentyfikować wszystkich członków populacji).
Creative Research Systems zwraca uwagę, że:
Matematyka prawdopodobieństwa dowodzi, że wielkość populacji jest nieistotna, chyba że wielkość próby przekracza kilka procent ogółu badanej populacji. Oznacza to, że próba 500 osób jest równie przydatna w badaniu opinii o stanie 15 000 000, ponieważ byłoby to miasto 100 000.
Generowanie reprezentatywnej próbki może być kosztownym i czasochłonnym procesem. Badacze zawsze mierzą się z kompromisem między poziomem pewności, jaki chcieliby osiągnąć - lub stopniem dokładności, jaki muszą osiągnąć - i poziomem ufności, na jaki mogą sobie pozwolić.
Wielkość próby w badaniach jakościowych
Badania jakościowe mają charakter eksploracyjny lub opisowy i nie koncentrują się na liczbach ani pomiarach. Jednak obawy związane z błędem pobierania próbek w badaniach jakościowych są nadal aktualne. Zgodnie z ogólną zasadą, jeśli próbka jest reprezentatywna dla docelowego wszechświata, tematy lub wzorce, które wyłonią się z badania, będą odzwierciedlać większą populację, która jest przedmiotem zainteresowania badacza. Jeżeli próbka jest reprezentatywna i składa się z dużego procentu populacji docelowej, wówczas pewność co do dokładności danych pochodzących z tej próbki będzie zazwyczaj wysoka.
Określanie rozmiaru próbki w badaniach ankiet
W przypadku badań ilościowych i jakościowych stosuje się różne zasady dotyczące określania wielkości próby. Ogólnie rzecz biorąc, aby mieć pewność co do danych generowanych przez jakościowe badania ankietowe, badacz musi mieć jasne wyobrażenie o tym, w jaki sposób dane będą wykorzystywane. Dane mogą stanowić podstawę opisowej narracji (jak w przypadku studium przypadku lub niektórych badań etnograficznych) lub mogą służyć w sposób eksploracyjny w celu zidentyfikowania odpowiednich zmiennych, które mogą później zostać przetestowane pod kątem korelacji w badaniu ilościowym.
Wielkość próby w badaniach ilościowych
Badania ilościowe często obejmują porównania między segmentami rynku lub podgrupami rynku docelowego. Ponieważ badania ilościowe opierają się na liczbach, określenie wygodnej wielkości próby może być dość łatwe - dla każdej ważnej grupy lub segmentu w badaniu naukowiec ma nadzieję na badanie 100 uczestników. Ta liczba jest zaleceniem, a nie absolutem. Badacz rynku rozważy szereg istotnych zmiennych, aby określić wielkość próby w badaniach ankietowych.
Podczas przeprowadzania badań rynku ankietowego celem jest wyprowadzenie z próbki, co może być prawdą w odniesieniu do docelowego wszechświata. Próbka dostarcza danych, które można zaobserwować lub poznać. Na podstawie tych obserwowanych lub znanych danych naukowiec może oszacować stopień, w jakim nieznana wartość lub parametr może znaleźć się w populacji docelowej.
Badania ilościowe opierają się na pojęciu normalnej , symetrycznej krzywej, która reprezentuje w umyśle badacza docelowy wszechświat - populację, o której naukowiec musi oszacować, a nie rzeczywiste parametry. Reprezentatywna próbka pozwala badaczowi obliczyć - na podstawie danych z próbki - szacunkowy zakres wartości , które mogą zawierać nieznaną wartość lub parametr, który jest przedmiotem zainteresowania. Ten szacowany zakres wartości reprezentuje obszar na krzywej normalnej i jest zwykle wyrażany jako dziesiętny lub procentowy.
Normalna krzywa i prawdopodobieństwo
Normalna, symetryczna krzywa jest wizualnym wyrazem prawdopodobieństwa. Spójrzmy na prostą heurystykę: Aktywność w centrum nauki pozwala wielu kulom spaść między dwoma akrylowymi arkuszami, po jednym na raz. Każda piłka wpada przez ten sam otwór na górze ekranu, a następnie opada pomiędzy pionowymi, równoległymi przegrodami, które oddzielają stosy piłek, gdy się zatrzymają. Po kilku godzinach kulki uformowały kształt normalnej krzywej. Krzywa zmienia się trochę, ponieważ każda nowo wprowadzona piłka uderza w masę kulek, które dotarły jako pierwsze. Ale ogólnie rzecz biorąc, symetryczna krzywa jest oczywista i pojawiła się naturalnie, niezależnie od jakichkolwiek działań obserwatorów lub personelu Centrum Naukowego. Zakrzywiony kształt, jaki tworzą kulki, odzwierciedla prawdopodobieństwo, że większość kulek spadnie do środka i pozostanie tam. Mniejsza liczba piłek spowoduje, że znajdzie się na odległych krańcach krzywej - niektóre nieuchronnie będą, ale są nieliczne.
Ta normalna krzywa jest podobna do pojęcia próbki. Za każdym razem, gdy wyświetlacz zostanie opróżniony, a kule ponownie wpadną do pudełka Galton, konfiguracja stosów piłek będzie tylko trochę inna. Ale z biegiem czasu kształt krzywej nie zmieni się wiele, a wzór będzie prawdziwy.