Optimalus pavyzdys: apibrėžimas ir veiksniai

Perskaitę šį straipsnį, sužinosite apie apibrėžimą ir veiksnius, turinčius įtakos optimaliam tyrimui.

Optimalaus pavyzdžio apibrėžimas:

Optimalus tyrimo pavyzdys gali būti apibrėžiamas kaip pavyzdys, atitinkantis efektyvumo, reprezentatyvumo, patikimumo ir lankstumo reikalavimus. Tai reiškia, kad mėginys turėtų būti pakankamai mažas, kad užkirstų kelią nereikalingoms išlaidoms ir pakankamai didelėms, kad padėtų tyrėjui išvengti klaidų, viršijančių tolerancijos ribą.

Ji turėtų būti pakankamai didelė, kad gautų statistiškai reprezentatyvius ir reikšmingus rezultatus visose importo lentelėse, tačiau ji neturi būti tokia didelė, kad sukeltų lėšų švaistymą, lėtina projektą ir būtų pasiektas nereikalingas didelis tikslumas. Mėginys turėtų duoti norimus įvertinimus su reikiamu patikimumo lygiu ir minimaliomis sąnaudomis.

Reikėtų nepamiršti, kad praktiškai efektyvus mėginių ėmimas apima didžiausią turimų išteklių panaudojimą technikos ir statistinių duomenų organizavimo požiūriu ir kuo geriau pritaikant laiko, lėšų ir personalo apribojimus, kurie iš pradžių buvo skirti tyrimui.

Be to, tam tikrais atvejais turėtų būti įmanoma išplėsti ar sutarčių pavyzdį, kad būtų patenkinti nenumatyti poreikiai, atsirandantys tyrimo metu. Tam tikromis aplinkybėmis patikimumas ir efektyvumas gali būti patobulinti atliekant norimus mėginio dydžio pokyčius.

Praktikos lygmeniu šiuos idealus galima pasiekti, bet retai realizuoti, todėl negalima tikėtis, kad pasirinks teisingą imties dydį.

Veiksniai, turintys įtakos optimaliam mėginiui:

Mėginio dydžio pasirinkimui tam tikram tyrimui įtakos turi keli veiksniai. Šie veiksniai yra tarpusavyje susiję ir labai skiriasi įvairiuose tyrimuose, atsižvelgiant į jų santykinę svarbą nustatant imties dydį.

(1) Gyventojų pobūdis (homogeniškas-heterogeninis):

Mėginio dydis tyrime priklausys nuo gyventojų homogeniškumo laipsnio. Kuo homogeniškesni gyventojai, mažiau atvejų, reikalingų patikimam mėginiui gauti, ir, atvirkščiai, kuo heterogeniškesni gyventojai turi daugiau atvejų, reikalingų patikimam jos pavyzdžiui sudaryti.

Mėginių, reikalingų patenkinamai heterogeniškos populiacijos tyrimui, dydį galima sumažinti klasifikuojant populiacijas į sluoksnius. Kai kurie iš šių sluoksnių bus homogeniškesni ir kiti mažiau. Homogeniškesni sluoksniai gali būti reprezentuojami mažesniais mėginiais nei palyginti heterogeniniai.

Taip yra todėl, kad kuo homogeniškesnis sluoksnis, tuo geriau gali būti tam tikro dydžio atsitiktinis mėginys, ty panašiau bus pavyzdžiai, taigi, mažiau kintantys jų vidurkiai.

(2) Lentelių sudėtingumas:

Priimant sprendimą dėl imties dydžio taip pat reikia atsižvelgti į kategorijų ir klasių, į kuriuos turi būti grupuojami ir analizuojami rezultatai, skaičių. Kuo didesnis kategorijų skaičius, tuo didesnis būtų bendras mėginys, kurio reikia norint gauti patikimas statistines priemones.

Nors pavyzdys gali atrodyti gana tinkamas pagrindinei lentelės sudarymui, tikėtina, kad šis skaičius labai greitai sumažės, kai bus parengtos išsamios lentelės.

Pavyzdžiui, 1000 studentų pavyzdys gali atrodyti kaip tinkamas skaičius apklausai, kuria siekiama išsiaiškinti mokinių, besidominčių bendruoju švietimu, dalį. Sakykime, kad tik 25% pritaria (250 studentų).

Jei tyrėjas norėtų eiti toliau ir žino, kokio tipo studentai palankiai vertino bendrą mokymą, jis turėtų toliau klasifikuoti šiuos respondentus, pavyzdžiui, ar jie turėjo ankstesnę koedukcinės institucijos patirtį? Kokią socialinę klasę jie gauna? Kokios šeimos yra jų kilmės? Kokia buvo jų patirtis (jei buvo) kooperatyvo institucijoje? Ir taip toliau.

Tokiu būdu tyrėjas galiausiai gali rasti tik 10 ar 15 konkrečios rūšies atvejų (pvz., Nėra ankstesnės bendro švietimo, viduriniosios klasės, stačiatikių šeimų patirties ir pan.). Toks pavyzdys gali suteikti tik labai nedidelį pagrindą pasiekti reikšmingų ir apibendrinamų išvadų apie kintamųjų ryšį.

Pasirinkto mėginio dydis turėtų būti pakankamai didelis, kad būtų galima patikimai įvertinti mažiausių svarbių kategorijų pavyzdžius. Kai duomenys suskirstomi į mažesnes ir mažesnes subklases, atvejų, kai į skirtingas ląsteles patenka atvejai, netrukus tampa tokia maža, kad iš ląstelių įrašų apskaičiuotos statistinės priemonės gali būti nepatikimos.

Taigi, lentelių sudarymo intensyvumas yra svarbus veiksnys sprendžiant su imties dydžiu susijusius sprendimus.

(3) Su duomenų rinkimu susijusios problemos:

Paprastai imties dydis turi būti laikomas skaičiaus ribose, kurios gali būti užtikrintos tam tikromis lėšomis ir laiku. Duomenų apimtis priklauso nuo klausimyno / tvarkaraščio trukmės, lauko darbuotojų skaičiaus, atvejų sklaidos ar koncentracijos geografinėje vietovėje, atsisakymo normos, atvejų praradimo, naudojamo atrankos tipo ir galiausiai, duomenų rinkimo metodą.

Nustatant mėginio dydį, reikia atsižvelgti į transportavimo išlaidas, susijusias su vieno adreso persiuntimu į kitą ir skambinimo atgal (antrojo arba trečiojo skambučio). Planuodamas imties dydį, tyrėjas visada turi numatyti, kad jis gali trūkti apklausai skirto numerio rinkimo.

Žmonės migruoja, miršta, negali pateikti informacijos dėl ligos, atostogų ar verslo, negali būti, atsisakyti atsakyti, adresai yra neteisingi ir pan.

Gera politika yra suplanuoti gauti informaciją iš kiekvieno pavyzdžio, jei tai įmanoma žmogui. Tai reiškia, kad reikės daug daugiau laiko, nei būtų reikalaujama, jei būtų gauti tik prieinami ir bendradarbiaujantys atvejai. Tačiau geriau turėti mažesnį pavyzdį be šališkumo, nei didelis pavyzdys, kuris gali būti neatstovaujantis visatui dėl šališkumo.

(4) Mėginių ėmimo tipas:

Paprastai, naudojant stratifikaciją, pakaks mažesnio mėginio. Taip yra todėl, kad stratifikacijos poveikis yra išspręsti santykinai nevienalytę visumą į daugybę atskirai vienalyčių mėginių. Daugiau heterogeniška gyventojų dalis, tuo didesnė atvejų ekonomika, kurią galima pasiekti per stratifikaciją.

Mėginių ėmimas, vadinamas dvigubu mėginių ėmimu, tyrėjas sujungia didelį atsitiktinį mėginį (kai kurie pagrindiniai informacijos rinkiniai) su labai maža kontroliuojama arba stratifikuota imtimi (iš kurios išsami arba sudėtinga informacija yra užtikrinta).

Reikalaujama, kad atsitiktinės atrankos dydis būtų pakankamai didelis, kad būtų galima gauti patikimus svorius įvairiems sluoksniams. Sluoksniuotasis mėginys pats tiria mažiau atvejų, palyginti su paprastu atsitiktiniu mėginiu, nes kiekviename sluoksnyje mėginys turi būti reprezentatyvus to sluoksnio, o ne „visatos“.

Vienas svarbus veiksnys nustatant būtiną atvejų skaičių yra mėginių ėmimo vienetų dydis. Iš tiesų, didesnis mėginių ėmimo vienetas, tuo didesnis atvejų skaičius, kurio reikės atskirai lentelėms.