Определяне на извадка при изследване

Определянето на извадка при изследване е процес, предшестващ всяко изследване, свързан с проучване и анализ, определяне на целите на изследването, формата на данните за обработка и др.

Същност

Проучванията са полезни и мощни източници, но те могат повече да навредят, отколкото да направят добро, ако не бъдат правилно ориентирани, насочени (тагертирани). В известен смисъл, това правилно насочване е това, което набирането на информацията означава. (To sample - да избереш няколко хора от по-голяма група с цел да им зададеш въпроси или да получиш някаква информация от тях.)

Набирането на информация включва два метода - избор на извадка от общата съвкупност и избор на големината на извадката, която е необходима, за да можем да обобщим резултатите от извадката към генералната съвкупност.

Важни термини

Генерална съвкупност - тя се отнася до цялата група от хора, събития или неща, които ни интересуват и изследователят иска да изследва.

Елемент (единица) – елемента е отделен член (единица) на генерална съвкупност.

Рамка на генералната съвкупност - това е списък на всички елементи (единици) на съвкупността, от която ще бъде направена извадката.

Извадка - тя е подмножество на генералната съвкупност. Тя се състои от някои от членовете на съвкупността. Някои, но не всички елементи на генералната съвкупност ще формират извадката. Изучавайки извадката, изследователят ще бъде в състояние да направи изводи, които да обобщи за интересуваната ни генерална съвкупност.

Обект - той е отделен член на извадката, също както елемента бе отделен член на генералната съвкупност.

'Получаването на данни (Sampling) е процес на подбор на достатъчен брой елементи от генералната съвкупност, така че чрез изучаването на извадката и разбирането на свойствата или характеристиките на обектите (на извадката), ние да бъдем в състояние да обобщим тези свойства или характеристики към генералната съвкупност.

Характеристиките на генералната съвкупност като средната аритметична, стандартното отклонение и дисперсията са параметрите на генералната съвкупност. Средните тенденции, дисперсиите и други статистически величини на извадката се възприемат като приблизителни резултати на средните, дисперсиите и другите параметри на генералната съвкупност. Всички статистически данни, получени за извадката се използват за оценка и параметрите на генералната съвкупност. (именно затова е много важно извадката да бъде избрана по такъв научен начин, така че да сме достатъчно сигурни че тя е представителна за генералната съвкупност).

Нормално разпределение

Много признаци или характеристики на съвкупността обикновено са нормално разпределени. Типичен пример са стойностите на височината и теглото, които на повече хора ще бъдат групирани около средната стойност и ще има няколко души в крайните точки, които ще са или много високи/тежки или много ниски/слаби. Извадката трябва да бъде избрана по такъв начин, че разпределението на интересуваните ни характеристиките да следват същия вид нормално разпределение както в извадката, така и в съвкупността.

По този начин чрез подходящо проектиране на вземането на информация ние ще можем да гарантираме, че обектите на извадката не са избрани от крайностите (тези с твърде високите или ниски стойности), а са представители на истинските стойности на съвкупността.

Правдоподобност, вероятност - случайни и неслучайни извадки

Има два основни вида дизайна на получаване на данните: случайни (вероятностни) и неслучайни. При случайните извадки елементите от генералната съвкупност имат някакъв известен шанс или вероятност да бъдат избрани като извадкови обекти. При неслучайните извадки, елементите не разполагат с известен или предварително определен шанс да бъдат избрани за обекти. Случайния дизайн се използва, когато представителността на извадката е от значение за целите на по-детайлно и широка обобщаване. Когато времето или други фактори са по-важни и критични се използват неслучайния дизайн.

Решенията свързани с получаването на данните включват план за вземане на данните, който ще се използва и големината на извадката, от която ще се нуждаем. Случайните извадки ни позволяват да обобщаваме информация, за разлика от неслучайните, при които не можем и те са често полезни за получаване на определен тип информация бързо и сравнително евтино.

Случайните (вероятностни) извадки могат да бъдат два вида - неограничени (прости случайни извадки) - всяка единица от съвкупността има равен шанс да попадне в извадката, да стане обект. Дават по-малки отклонения и по-добра обобщимост, но са тромави, скъпи и невинаги може да имаме напълно актуализиран списък на цялата съвкупност и затова някои предпочитат другите) или ограничени (сложни извадки - те предлагат по-голяма осъществимост, приложимост и понякога са по-ефективна алтернатива на другите. Ефективността се изразява в това, че повече информация може да бъде получена за определена извадка. При тях се налагат някакви ограничения при избора на извадка - по район, брой, пол и прочие…).
- Систематичната сложна извадка - при нея процедурата по прилагането на модела включва определянето на извадкова стъпка (отношението N/n,е големината на където N е големината на съвкупността, а n- изискваната големина на извадката) и стартово число (определя се по случаен принцип). Основните й предимства са опростеността и гъвкавостта.
- Стратифицирана сложна извадка - изследваните съвкупности са силно разнородни и могат да бъдат разглеждани като съставени от няколко или повече съвкупности (страти). Чрез стратифицирането се повишава статистическата ефективност и осигурява адекватни данни за анализирането на различните подсъвкупности поотделно. Този метод е по-ефективен, отколкото простата случайна извадка, защото за същата големина на извадката, получаваме повече представителност от всеки важен сегмент от съвкупността и получаваме по-ценна и диференцирана информация по отношение на всяка група.
- Клъстерна (гнездова) извадка - предмет на подбор на първа стъпка са съставните единици на съвкупността, които представляват групировки от първични единици.
При неслучайните извадки се ограничава избора на респонденти поради някакви причини, конкретни цели или заради по-голямо удобство, тези които са на разположение в конкретния момент, място или тези, които могат да дадат желаната информация (с определена цел - искаме специфична информация или даваме минимална квота за определена група хора, които искаме да участват). Това са извадки, при които за подбора на единиците изследователят се намесва в една или друга степен и насока. Те не са в състояние да осигуряват голяма представителност на резултатите, но в редица случаи се оказват единствено възможни или оправдани. От своя страна неслучайните извадки се делят на:
- целеви - изследователите се ръководят от някакви предварителни ограничения (типологична, квотна);
- нецелеви - не са наложени никакви предварителни ограничения при подбора на единиците (според отзовалите се).

Обобщение

Има два основни вида случайни извадки: неограничени или прости случайни извадки, както и ограничени или сложни случайни извадки. В простата случайна извадка, всеки елемент от съвкупността има известен и равен шанс да бъде избран като обект. При сложните вероятностни извадки имаме пет различни вида. От тези пет, клъстерният дизайн е може би най-евтиният, както и най-малко надежден. Стратифицирана случайна извадка е може би най-ефективните в смисъл, че за същия брой примерни обекти (извадка), предлага по-точна и подробна информация. Систематичната извадка има вътрешно присъща опасност от възможно системно ограничение. Районирана извадка е форма на клъстерна извадка, а двойната анкета се извършва, когато подгрупа на извадката се използва за втори път, за да се получи повече информация.

Има два основни вида неслучайни (невероятностни) извадки: нецелеви (по удобство) и целеви. Нецелевите извадки (по удобство, на отзовалите се) са най-малко надеждни от всички извадки що се отнася до обобщимост, но понякога може да бъдат единствената налична алтернатива, когато е необходимо бърза и навременна информация. Целевите извадки попадат в две категории: преценъчни извадки, както и квотни извадки. Преценъчните макар и ограничена от към обобщимост, може понякога да бъде най-добрият избор за извадка, особено когато е налице ограничена съвкупност, която могат да предоставят необходимата информация. (категоризация, типилогизация на определена група, която може да ни свърши работа) Квотните извадки, макар и не много надеждни за обобщение, често се използват при съображение свързани с разходи и време. Обобщимостта на невероятностните (неслучайни) извадки е много ограничена, но те имат и други предимства, а понякога са единствената реална алтернатива за изследователя.

Прецизност, точност и увереност при определяне големината на извадката

Прецизност, точност и увереност при определяне големината на извадката - важно място тук заемат интервала на доверителност и ниво на доверие. Колкото е по-тесен този интервал, толкова по-голяма е прецизността.

Поради това, че точковата оценка не измерва възможна грешка, ние правим интервална оценка t, която да осигури относителна точна оценка на параметъра на съвкупността. Интервалът на доверителност, в който с възприетата гаранционна вероятност (ниво на доверие 95% примерно) следва да се твърди че се намира действителната стойност на параметъра (коефициента) в рамките на цялата генерална съвкупност. (с риск за грешка (стандартна) 5%). Докато прецизността показва колко близо сме при оценката на параметъра на съвкупността въз основа на статистиката на извадката, то увереността, доверието обозначава до колко сигурни сме, че нашите оценки наистина са верни за генералната съвкупност. Нивото на доверие се определя като степента на увереност, че даден доверителен интервал съдържа параметър на генералната съвкупност.

Колкото е по-голяма големината на извадката, толкова по-ниска е стандартната грешка и е по-голяма прецизността, а и увереността. Ако големината не може да бъде увеличена, единственият начин да се запази същото ниво на прецизност е чрез предоставяне на увереност, с която можем да прогнозираме, че нашите оценки ще бъдат точни. (т.е. близо до целта).

Прекалено големия размер на извадката обаче (примерно над 500) може също да се превърне в проблем, тъй като ние ще бъдем склонни да направим грешка от втори род. Това е, когато ние приемем резултатите от нашето изследване за верни, а всъщност трябва да ги отхвърлим. С други думи, с твърде голяма извадка, дори слаби връзки могат да достигнат значителни нива, и ние ще сме склонни да вярваме, че тези значителни връзки установени в извадката наистина са верни и за съвкупността, когато в действителност те могат да не бъдат. Така че нито твърди голямата, нито твърде малката извадка са препоръчителни в изследователските проекти. (между 30 и 500 е препоръчително). Ефективността се постига, когато за дадено ниво на точност (стандартна грешка), обема на извадката може да бъде намалена, или за даден размер на извадката (N), ниво на прецизност може да се увеличи.

Големина на извадката

Големината на извадката се определя от нивото на прецизност и точност, която изискваме при оценяването на параметрите на съвкупността, също така и от променливостта в самата съвкупност. Обобщимостта на резултатите от изследването на извадката към генералната съвкупност зависи от сложността на използвания план, който включва големината на използваната извадка. Във всички изследвания, трябва да се внимава да се избегне прекалено обобщаване, т.е. да не се обобщят резултати от изследването към съвкупността, които не са представени от извадката.

Фактори

Факторите, които влияят върху решения свързани с размера на извадката са:

нивото на прецизност, което желаем (интервала на доверителност) (маржът на грешката, която можем да си позволим;
размерът на риска, допустим при прогнозирането на това ниво на точност (ниво на доверие - какъв шанс да сме направили грешка при оценката даваме);
размера на изменчивост в самата съвкупност (степен на променливост, вариативност относно изследваните характеристики на съвкупността); (4) ограниченията за време и разходи, както разходи и ползи при увеличаване на размера ;
големината на генералната съвкупност.

Данните от извадката се използват, както при оценяването на параметрите на съвкупността така и при тестването на хипотезите. Процедурата е сходна, както при оценяването на параметрите и отново имаме интервална оценка.

Данни, които са събрани от извадката на респонденти от съвкупността, подлежат на анализ, за да се тестват генерирани хипотези и да се отговори на въпросите на изследването.

Вижте още

Източници

Uma Sekaran, Research methods for business

Външни препратки