Ankiety badają przedziały ufności i poziomy

Ankiety badają przedziały ufności i poziomy

W badaniach badań stosuje się statystyki do randomizowanych próbek. Statystyki te reprezentują stopień, w jakim badacz może być pewny, że próbka badania jest dość ważna i wiarygodna.

Przedział ufności

A przedział ufności jest marginesem błędu, którego badacz doświadczyłby, gdyby mógł zadać konkretne pytanie badawcze, powiedzmy, każdego członka populacji docelowej i otrzymać tę samą odpowiedź, którą członkowie próby podali w ankiecie. Na przykład, jeśli badacz zastosował przedział ufności 4 i 60% uczestników w próbie ankiety, odpowiedział: „Poleciłby znajomym”, mógłby być Jasne że od 56% do 64% członków całej populacji docelowej powiedziałoby również „poleciłoby znajomym”. W tym przypadku przedział ufności wynosi +/- 4.

Poziom zaufania

A poziom zaufania jest wyrazem tego, jak pewny może być badacz z danych uzyskanych z próbki. Poziomy ufności są wyrażone jako procent i wskazują, jak często ten odsetek populacji docelowej udziela odpowiedzi, która leży w przedziale ufności. Najczęściej stosowany poziom ufności wynosi 95%. Powiązana koncepcja nazywa się istotnością statystyczną.

Badacza zaufanie do prawdopodobieństwa że ich próbka jest naprawdę reprezentatywna dla populacji docelowej, ma wpływ wiele czynników. Zaufanie badacza do projektu i wdrożenia badań-i świadomość jego ograniczeń-jest w dużej mierze oparta na trzech ważnych zmiennych: wielkość próby, częstotliwość odpowiedzi i wielkość populacji. Naukowcy od dawna zgodzili się, że zmienne te muszą być starannie rozważane podczas fazy planowania badań.

Wielkość próby ankiety

Ogólnie rzecz biorąc, większe próbki dostarczają danych, które naprawdę odzwierciedlają populację docelową. Szeroki przedział ufności wskazuje na mniejszą pewność danych, ponieważ istnieje większy margines błędu. Szeroki przedział ufności jest jak zabezpieczenie zakładów. Chociaż istnieje związek między przedziałem ufności a wielkością próby, nie jest to związek liniowy. Badacz nie może obniżyć poziomu ufności na pół, podwajając wielkość próby.

Częstotliwość odpowiedzi

Dokładność, z jaką dane przykładowe odzwierciedlają populację docelową, zależy również od odsetka respondentów, którzy udzielili konkretnej odpowiedzi lub odpowiedzieli w określony sposób. Im większa liczba respondentów, którzy udzielili konkretnej odpowiedzi, powiedz „bardzo szczęśliwy”, tym badacz może być tej odpowiedzi. Będzie pewna zmienność odsetka w środkowych obszarach normalnej krzywej. Oznacza to, że jeśli badacz jest w 50% przekonany, że członkowie populacji docelowych zareagują (w przedziale ufności), podobnie jak członkowie populacji próbki, prawdopodobnie nastąpi pewna różnice od tego poziomu 50%.

Pamiętaj o wartościach odstających

Dobrze jest pamiętać, że wartości odstające (dane, które są na dalekich końcach lub ogonie normalnej krzywej), częściej występują w mniej więcej takim samym tempie w populacji, jak w próbce-jest tutaj mniejsza, ponieważ jest mniej zmienność, ponieważ jest mniej zmienność, ponieważ jest mniej zmienność, ponieważ jest mniej zmienność istnieje niższa częstotliwość. Z tego powodu łatwiej jest być pewnością częstotliwości ekstremalnych odpowiedzi.

Wielkość populacji nie jest ważnym czynnikiem wielkości próby, chyba że badacz pracuje z populacją, która jest bardzo mała i znany do nich (e.G., wystarczająco małe, aby wszyscy członkowie populacji mogli zidentyfikować badacz).

Kreatywne systemy badań wskazują, że:

Matematyka prawdopodobieństwa dowodzi, że wielkość populacji jest nieistotna, chyba że wielkość próbki przekroczy kilka procent całkowitej populacji, którą badasz. Oznacza to, że próbka 500 osób jest równie przydatna w badaniu opinii stanu 15 000 000.

Generowanie reprezentatywnej próbki może być kosztownym i czasochłonnym procesem. Naukowcy zawsze stają w obliczu kompromisu między poziomem ufności, który chcieliby uzyskać lub stopień dokładności potrzebnej do osiągnięcia-poziomu pewności siebie, na jaki mogą sobie pozwolić.

Wielkość próby w badaniach jakościowych badań

Badania jakościowe mają charakter eksploracyjny lub opisowy i nie koncentrują się na liczbach ani pomiarach. Ale obawy dotyczące błędu próbkowania w badaniach badań jakościowych są nadal ważne. Zasadniczo, jeśli próbka jest reprezentatywna dla wszechświata docelowego, tematy lub wzorce wynikające z badań będą odzwierciedlać większą populację interesującą dla badacza. Jeśli próbka jest zarówno reprezentatywna i składa się z dużego odsetka populacji docelowej, wówczas zaufanie do dokładności danych uzyskanych z tej próbki będzie zwykle wysokie.

Określenie wielkości próby w badaniach badań

Różne zasady mają zastosowanie do badań ilościowych i badań jakościowych, jeśli chodzi o określanie wielkości próby. Ogólnie rzecz biorąc, aby być pewnym siebie w danych generowanych przez badanie jakościowe, badacz musi mieć jasny wyobrażenie o tym, w jaki sposób zostaną wykorzystane dane. Dane mogą stanowić podstawę opisowej narracji (jak w studium przypadku lub niektórych badaniach etnograficznych) lub w sposób eksploracyjny może służyć identyfikacji odpowiednich zmiennych, które mogą być później przetestowane pod kątem korelacji w badaniu ilościowym.

Wielkość próbki w badaniach ilościowych badań

Badania ilościowe często obejmują porównania segmentów rynkowych lub podgrup na rynku docelowym. Ponieważ badania ilościowe są oparte na liczbach, określanie wygodnej wielkości próbki może być dość łatwe. W przypadku każdej ważnej grupy lub segmentu w badaniu badacz miałby nadzieję zbadać 100 uczestników. Ta liczba jest zaleceniem, a nie absolutnym. Badacz rynku rozważy szereg istotnych zmiennych w celu ustalenia wielkości próbki w badaniach badań.

Podczas przeprowadzania badań rynku badań celem jest wnioskowanie z próby, co może być prawdziwe w przypadku docelowego wszechświata. Próbka zawiera dane, które mogą być zauważony lub znane. Na podstawie tych obserwowanych lub znanych danych badacz może oszacować stopień, w jakim nieznana wartość lub parametr można znaleźć w populacji docelowej.

Badania badań ilościowych oparte są na pojęciu normalna, krzywa symetryczna, która reprezentuje, w umyśle badacza, docelowego wszechświata - populacji, na którą badacz musi oszacować, a nie faktycznie wiedzieć parametry. Reprezentatywna próbka pozwala badaczowi obliczyć z przykładowego oszacowanego zakresu danych, które mogą uwzględnić nieznaną wartość lub parametr, który jest interesujący. Ten szacowany zakres wartości reprezentuje obszar na krzywej normalnej i jest ogólnie wyrażany jako dziesiętny lub procentowy.

Normalna krzywa i prawdopodobieństwo

Normalna, symetryczna krzywa jest wizualnym wyrażeniem prawdopodobieństwa. Spójrzmy na prostą heurystykę: aktywność w centrum naukowym pozwala duża liczba piłek między dwoma arkuszami akrylowymi, jeden na raz. Każda piłka spada przez ten sam otwór na górze wyświetlacza, a następnie spada między dowolnym pionowym, równoległym dzielnikami, które oddzielają stosy piłek. Po kilku godzinach kulki utworzyły kształt normalnej krzywej.

Krzywa zmienia się nieco, ponieważ każda nowo wprowadzona piłka uderza w masę piłek, które przybyły pierwsze. Ale ogólnie krzywa symetryczna jest widoczna i miała miejsce naturalnie, niezależnie od jakichkolwiek działań obserwatorów lub personelu Centrum Science. Zakrzywiony kształt, który tworzą kulki, odzwierciedla prawdopodobieństwo, że większość piłek wpadnie na środek i pozostanie tam. Mniej piłek dotrze na odległe końce krzywej, ale niektóre nieuchronnie, ale są nieliczni.

Ta normalna krzywa jest podobna do koncepcji próbki. Za każdym razem, gdy wyświetlacz jest opróżniany, a kulki po raz kolejny mogą wpaść do pudełka Galton, konfiguracja stosów piłek będzie tylko nieco inna. Ale z czasem kształt krzywej niewiele się zmieni, a wzór będzie prawdziwy.