Dobar istraživački istraživački dizajn namjerava smanjiti grešku uzorkovanja
Šta je interak povjerenja?
Interval povjerenja je granica greške koju bi istraživač mogao iskusiti ako on ili ona može postaviti određeno istraživačko pitanje , recimo, o svakom članu ciljne populacije i primiti isti odgovor koji su članovi uzorka dali u anketi.
Na primjer, ako je istraživač koristio interval pouzdanosti od 4 i 60% ispitanika u uzorku anketiranja odgovorio je "Preporučio prijateljima", mogao je biti siguran da bi između 54% i 64% članova cijele ciljne populacije takođe kažu "Preporučite prijateljima" na pitanje istog pitanja. Interval pouzdanosti, u ovom slučaju, je +/- 4.
Šta je nivo pouzdanosti?
Nivo pouzdanosti je izraz koliko je pouzdan istraživač može dobiti podatke dobijene iz uzorka. Nivoi povjerenja izraženi su u procentima i ukazuju na to koliko će često taj procenat ciljne populacije dati odgovor koji leži u intervalu pouzdanosti. Najčešće korišćeni nivo pouzdanosti je 95%. Srodni koncept se zove statistička značajnost.
Istraživanje poverenja u verovatnoću da je njegov uzor zaista reprezentativan ciljnoj populaciji pod utjecajem je više faktora.
Povjerenje istraživača o njihovom dizajnu i implementaciji studija - i svjesnost njegovih ograničenja - u velikoj mjeri se zasnivaju na tri važne varijable: veličina uzorka, učestalost odgovora i veličina populacije. Istraživači su se dugo složili da ove varijable moraju biti pažljivo razmatrane tokom faze planiranja istraživanja.
- Veličina uzorka Uopšteno posmatrano, veći uzorci isporučuju podatke koji stvarno odražavaju ciljanu populaciju. Veliki interval pouzdanosti ukazuje na manje poverenje u podatke, jer postoji veća marža za grešku . Veliki interval pouzdanosti je kao što štiti vašu opkladu. Iako postoji veza između intervala poverenja i veličine uzorka, ali to nije linijski odnos . Istraživač ne može smanjiti nivo pouzdanosti na pola, udvostručući veličinu uzorka.
- Učestalost odgovora Tačnost kojom podaci uzorka odražavaju ciljanu populaciju zavise i od procenta ispitanika koji su dali konkretan odgovor ili odgovorili na određeni način . Što je veći broj ispitanika koji su dali konkretan odgovor, recimo "Veoma srećno", taj istraživač može biti od odgovora. Postoji određena varijabilnost procenta u srednjim područjima normalne krive. To jest, ako je istraživač 50% uvjeren da će članovi ciljne populacije reagirati (u intervalu pouzdanosti) kao članovi populacije uzoraka, verovatno će biti neke varijacije sa tog 50% nivoa.
Dobro je zapamtiti da su izlazi (podaci koji se nalaze na daljim krajevima ili repama normalne krive) verovatnije da se javljaju sa približno jednakom stopom u populaciji, kao što to rade u uzorku - tu je manje varijabilnost , jer je niža frekvencija . (Razmotrite kako se loptice u Galton Box-u nagoveštavaju u sredini na izložbi Pacific Science Center-a? Samo nekoliko loptica odbija se u repu.) Iz tog razloga je lakše biti siguran u učestalost ekstremnih odgovora .
- Veličina stanovništva nije važan faktor u veličini uzorka, osim ako istraživač ne radi sa populacijom koja je vrlo mala i poznata njemu (npr. Dovoljno mali da bi svi članovi populacije mogli da identifikuju istraživač).
Kreativni istraživački sistemi ističu da:
Matematika verovatnoće dokazuje da je veličina populacije irelevantna, osim ako veličina uzorka prelazi nekoliko procenata ukupne populacije koju ispitujete. To znači da je uzorak od 500 ljudi jednako koristan za ispitivanje mišljenja države od 15.000.000, jer bi to bio grad od 100.000.
Generisanje reprezentativnog uzorka može biti skup i dugotrajan proces. Istraživači se uvek suočavaju sa kompromisom između nivoa pouzdanosti koji bi želeli da postignu - ili stepena tačnosti koju trebaju postići - i nivo pouzdanosti koji oni mogu priuštiti.
Veličina uzorka u istraživanju kvalitativnih istraživanja
Kvalitativno istraživanje je istražno ili opisno po prirodi i ne fokusira se na brojeve ili merenje. Međutim, brige o uzorkovanju uzoraka u istraživanju kvalitativnih istraživanja i dalje važe. Kao opšte pravilo, ako je uzorak reprezentativan za ciljni univerzum, teme ili obrasci koji proizilaze iz istraživanja odražavaće veću populaciju koja je od interesa za istraživača. Ako je uzorak reprezentativan i sastoji se od velikog procenta ciljne populacije, onda će pouzdanost u tačnost podataka dobijenih iz tog uzorka biti velika.
Određivanje veličine uzorka u istraživanjima istraživanja
Različita pravila važe za kvantitativno istraživanje i kvalitativno istraživanje kada je u pitanju određivanje veličine uzorka. Uopšteno govoreći, da bi bili sigurni u podatke generisane kvalitativnim istraživačkim istraživanjima, istraživač mora imati jasnu predstavu o tome kako će se podaci koristiti. Podaci mogu biti osnova za deskriptivni narativ (kao u studiji slučaja ili nekom etnografskom istraživanju) ili može služiti na istraživački način da identifikuje relevantne varijable koje bi kasnije mogle biti testirane na korelacije u kvantitativnoj studiji.
Veličina uzorka u istraživanju kvantitativnih istraživanja
Kvantitativno istraživanje često uključuje upoređivanje tržišnih segmenata ili podgrupa ciljnog tržišta. S obzirom na to da kvantitativno istraživanje vodi brojem, određivanje udobne veličine uzorka može biti prilično lako - za svaku važnu grupu ili segment u studiji, istraživač se nadam da će istražiti 100 učesnika. Ovaj broj je preporuka a ne apsolutna. Istraživač tržišta će razmotriti niz relevantnih varijabli kako bi odredio veličinu uzorka u istraživanjima istraživanja.
Kada sprovode anketno istraživanje tržišta, cilj je iz uzorka zaključiti šta je verovatno da je tačno za ciljni univerzum. Uzorak pruža podatke koji se mogu posmatrati ili poznati. Iz ovih posmatranih ili poznatih podataka, istraživač može procijeniti stepen do kojeg se nepoznata vrijednost ili parametar mogu naći u ciljnoj populaciji.
Istraživanje kvantitativnih istraživanja zasnovano je na pojmu normalne , simetrične krivine koja u umu istraživača predstavlja ciljani univerzum - populaciju o kojoj istraživač mora procijeniti, a ne zapravo znati parametre. Reprezentativni uzorak dozvoljava istraživaču da izračunava - iz podataka o uzorku - procenjeni opseg vrednosti koji verovatno uključuju nepoznatu vrednost ili parametar koji je od interesa. Ovaj procijenjeni opseg vrijednosti predstavlja područje na normalnoj krivini i generalno je izraženo kao decimalni ili procentualni.
Normalna krivulja i verovatnoća
Normalna, simetrična krivina je vizuelni izraz verovatnoće. Hajde da pogledamo jednostavan heuristički: aktivnost u naučnom centru omogućava velikom broju kuglica pada između dva akrilna ploča, jedan po jedan. Svaka lopta pada kroz isti otvor na vrhu displeja, a zatim se ispusti između bilo kog od vertikalnih, paralelnih pregrada koji odvajaju stackove loptica kada dođu do odmora. Posle nekoliko sati, loptice su formirale oblik normalne krivine. Kriva se menja malo, jer svaka nova lopta udari masa loptica koja je stigla prvi. Ali u celini, simetrična krivulja je očigledna i prirodno se dogodila, nezavisno od bilo kakvih aktivnosti posmatrača ili osoblja Centra za nauku. Zakrivljeni oblik koji formiraju loptice odražava verovatnoću da će većina loptica pasti u centar i ostati tamo. Manje kugle će to učiniti u daleke krajeve krivine - neke neizbežno će biti, ali ih je malo u broju.
Ova normalna krivulja je slična konceptu uzorka. Svaki put kada se displej isprazni i loptama još jednom dozvoljeno da padnu u polje Galton, konfiguracija štapova loptica bit će samo malo različita. Ali vremenom, oblik krive se neće mnogo promeniti, a obrazac će biti istinit.