Campionamento e disegno del campione

Parte del nostro: Metodi di ricerca biblioteca.

Quando raccogli dati di qualsiasi tipo, in particolare dati quantitativi , che siano osservativi, attraverso sondaggi o da dati secondari, è necessario decidere quali dati raccogliere e da chi.

Questo è chiamato campione .

Esistono diversi modi per selezionare il tuo campione e per assicurarti che fornisca risultati affidabili e credibili.



La differenza tra popolazione e campione


Idealmente, la ricerca raccoglierebbe informazioni da ogni singolo membro della popolazione che stai studiando. Tuttavia, la maggior parte delle volte ciò richiederebbe troppo tempo e quindi è necessario selezionare un campione adatto: un sottoinsieme della popolazione.


Principi alla base della scelta di un campione

L'idea alla base della selezione di un campione è essere in grado di generalizzare i tuoi risultati all'intera popolazione, il che significa che il tuo campione deve essere:

come diventare un insegnante di inglese internazionale
  • Rappresentante della popolazione. In altre parole, dovrebbe contenere proporzioni di sottogruppi simili a quelle dell'intera popolazione e non escludere alcun gruppo particolare, né per metodo di campionamento o per progettazione, né per chi sceglie di rispondere.
  • Abbastanza grande da darti informazioni sufficienti per evitare errori . Non è necessario che sia una percentuale specifica della tua popolazione, ma deve essere almeno di una certa dimensione in modo da sapere che è probabile che le tue risposte siano ampiamente corrette.



Se il tuo campione non è rappresentativo, puoi presentare pregiudizio nello studio. Se non è abbastanza grande, lo studio lo sarà impreciso .

Tuttavia, se ottieni una relazione corretta tra campione e popolazione, puoi trarre conclusioni forti sulla natura della popolazione.

Misura del campione: quanto è lungo un pezzo di corda?


Quanto dovrebbe essere grande il tuo campione? Dipende dalla precisione con cui vuoi la risposta. I campioni più grandi generalmente danno risposte più precise.

La dimensione del campione desiderata dipende da ciò che stai misurando e dalla dimensione dell'errore che sei disposto ad accettare. Per esempio:

Per stimare una percentuale in una popolazione:

x è quale percentuale di x

Dimensione del campione = [(punteggio z) ² × p (1-p)] ÷ (margine di errore) ²

  • Il margine di errore è ciò che sei disposto ad accettare (di solito tra l'1% e il 10%);
  • Lo z-score, chiamato anche valore z, si trova nelle tabelle statistiche e dipende dall'intervallo di confidenza scelto (si usa comunemente 90%, 95% e 99%, quindi scegli quello che preferisci);
  • p è la tua stima di quale sarà probabilmente la proporzione. Puoi spesso stimare p dalla ricerca precedente, ma se non puoi farlo, usa 0,5.



Per stimare una popolazione significa:

Margine di errore = t × (s ÷ radice quadrata della dimensione del campione).

  • Il margine di errore è ciò che sei disposto ad accettare (di solito tra l'1% e il 10%) ;;
  • Finché la dimensione del campione è maggiore di circa 30, t è equivalente al punteggio z ed è disponibile dalle tabelle statistiche come prima;
  • s è la deviazione standard, che di solito viene indovinata, sulla base di precedenti esperienze o altre ricerche.

Se non sei molto sicuro di questo genere di cose, il modo migliore per affrontarle è trovare uno statistico amichevole e chiedere aiuto. La maggior parte di loro sarà lieta di aiutarti a dare un senso alla loro specialità.


È meglio avere ragione in modo impreciso che avere torto.

Come interagiscono bias e precisione:

Bias
Alto Basso
Precisione Alto Proprio sbagliato Proprio così
Basso Imprecisamente sbagliato Imprecisamente giusto

Fonte: Management Research (4a edizione), Easterby-Smith, Thorpe e Jackson

Imprecisamente giusto significa che sai ampiamente qual è la risposta corretta. Esattamente sbagliato significa che pensi di conoscere la risposta, ma non la conosci. In altre parole, se puoi preoccuparti solo di uno, preoccupati dei pregiudizi.


Selezione di un campione

Il campionamento di probabilità è dove si conosce la probabilità che ogni persona o cosa faccia parte del campione. Il campionamento non probabilistico è dove non lo è.

Probability Sampling

I metodi di campionamento probabilistico consentono al ricercatore di essere preciso sulla relazione tra il campione e la popolazione.

mostrami come scrivere una lettera

Ciò significa che puoi essere assolutamente sicuro che il tuo campione sia rappresentativo o meno, e puoi anche mettere un numero su quanto sei sicuro dei tuoi risultati (questo numero è chiamato significato , ed è discusso ulteriormente nella nostra pagina su Significato e intervalli di confidenza ).



Nel semplice campionamento casuale , ogni membro della popolazione ha le stesse possibilità di essere scelto. Lo svantaggio è che il campione potrebbe non essere realmente rappresentativo. Piccole ma importanti sottosezioni della popolazione potrebbero non essere incluse.

I ricercatori hanno quindi sviluppato un metodo alternativo chiamato campionamento casuale stratificato . Questo metodo divide la popolazione in gruppi omogenei più piccoli, chiamati strati, e quindi prende un campione casuale da ciascuno strato.

Campionamento casuale stratificato proporzionale prende la stessa proporzione da ogni strato, ma ancora una volta soffre dello svantaggio che i gruppi rari saranno mal rappresentati. Il campionamento stratificato non proporzionale quindi preleva un campione più grande dagli strati più piccoli, per garantire che vi sia un campione abbastanza grande da ciascuno strato.



Campionamento casuale sistematico si basa sull'avere un elenco della popolazione, che idealmente dovrebbe essere ordinato in modo casuale. Il ricercatore quindi prende ogni n esimo nome dalla lista.

Avvertimento!


Esistono molti metodi diversi per selezionare 'campioni casuali'. Se sei il ricercatore capo di un progetto e istruisci gli altri a 'prendere un campione casuale', o addirittura ti viene chiesto di prendere un 'campione casuale', assicurati di utilizzare tutti lo stesso metodo!


Campionamento a grappolo è progettato per affrontare i problemi di una popolazione geografica diffusa. È probabile che il campionamento casuale da un'ampia popolazione comporti costi di accesso elevati. Questo può essere superato dividendo la popolazione in gruppi, selezionando solo due o tre gruppi e campionando da questi. Ad esempio, se desideri conoscere l'uso dei trasporti nelle aree urbane del Regno Unito, puoi selezionare casualmente solo due o tre città e quindi campionare completamente da queste.

Ovviamente è possibile combinare tutto ciò in più fasi, cosa che spesso viene eseguita per studi su larga scala.


Campionamento non probabilistico

Utilizzando metodi di campionamento non probabilistici, non è possibile dire qual è la probabilità che un particolare membro della popolazione venga campionato. Sebbene ciò non renda il campione 'cattivo', i ricercatori che utilizzano tali campioni non possono essere così sicuri di trarre conclusioni sull'intera popolazione.

Praticità di campionamento seleziona un campione in base alla facilità di accesso. Tali campioni sono estremamente facili da organizzare, ma non c'è modo di garantire che siano rappresentativi.

come scrivere una cara lettera

Campionamento delle quote divide la popolazione in categorie, quindi seleziona dall'interno delle categorie fino a ottenere un campione della dimensione scelta all'interno di quella categoria. Alcune ricerche di mercato sono di questo tipo, motivo per cui i ricercatori spesso chiedono la tua età: stanno verificando se li aiuterai a rispettare le loro quote per particolari fasce d'età.

Campionamento intenzionale È qui che il ricercatore si rivolge solo a persone che soddisfano determinati criteri e quindi verifica se soddisfano altri criteri. Ancora una volta, i ricercatori di mercato in giro con gli appunti utilizzano spesso questo approccio: ad esempio, se stanno cercando di esaminare le abitudini di acquisto degli uomini di età compresa tra i 20 ei 40 anni, si rivolgono solo agli uomini e poi chiedono la loro età.

Campionamento a palle di neve è il punto in cui il ricercatore inizia con una persona che soddisfa i propri criteri e quindi utilizza quella persona per identificare gli altri. Funziona bene quando il tuo campione ha criteri molto specifici: ad esempio, se vuoi parlare con lavoratori con un particolare insieme di responsabilità, potresti avvicinare una persona con quel set e chiedere loro di presentarti agli altri.

AVVERTIMENTO!


I metodi di campionamento non probabilistico sono stati generalmente sviluppati per affrontare problemi molto specifici. Ad esempio, il campionamento a palla di neve si occupa di popolazioni difficili da trovare e il campionamento pratico consente velocità e facilità.

Tuttavia, sebbene alcuni metodi di campionamento non probabilistico, in particolare il campionamento a quote e mirato, assicurino che il campione attiri da tutte le categorie della popolazione, i campioni prelevati utilizzando questi metodi potrebbero non essere rappresentativi.


Una parola in conclusione

Quasi tutta la ricerca è un compromesso tra l'ideale e il possibile.

Idealmente, studieresti l'intera popolazione; in pratica, non hai tempo o capacità. Ma la cura nella selezione del campione, sia delle dimensioni che del metodo, garantirà che la tua ricerca non cada nelle trappole dell'introduzione di pregiudizi o della mancanza di precisione. Questo, a sua volta, gli darà quella credibilità vitale.

Continuare a:
Metodi di ricerca quantitativa e qualitativa
Sondaggi e progettazione di sondaggi