6.3: Компоненти дизайну - відбір проб

Last updated
Save as PDF

Page ID: 86054

\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)

Цілі навчання

До кінця цього розділу ви зможете:

Зрозумійте логіку вибірки
Диференціювати вибірки та чисельність популяції
Визначте різницю між імовірнісною та неімовірнісною вибіркою

Хоча ми надали вам основні конструкції, важливо мати можливість зрозуміти додаткові компоненти дослідницького дизайну. Розуміння цих компонентів допоможе вам побудувати на існуючих проектах, щоб ви могли створювати креслення, специфічні для ваших досліджень. Вибірка є важливим компонентом, який слід враховувати, оскільки отримати дані про кожен окремий випадок у популяції може бути важко. Як створюється ваш зразок і хто є частиною вашого зразка, мають наслідки для висновків, які ви можете зробити про свої результати.

Важливою складовою дизайну дослідження є визначення того, хто буде частиною дослідження, кількість випадків і як кейси будуть відібрані в дослідження. Насамперед необхідно визначити, яке населення вас цікавить. Населення відноситься до всіх випадків, які можуть бути частиною дослідження. Наприклад, якщо вас цікавить, чому люди голосують за певних кандидатів, зацікавлене населення - це всі дорослі люди, які старше 18 років і зареєстровані для голосування.

Для вашого населення не було б сенсу включати тих, хто не зареєстрований для голосування, оскільки ваше запитання специфічне для поведінки виборців. Випадком буде окрема одиниця населення, ідентифікована, або дорослий, який старше 18 років і зареєстрований для голосування. Якби кожен, хто є частиною цієї популяції, також міг би бути частиною дослідження, докази для висунутої теорії були б досить переконливими; однак це було б важко отримати. Мало того, що це буде дуже дорого, це не обов'язково може бути здійсненним через часові обмеження, оскільки в Сполучених Штатах налічується понад 130 мільйонів виборців. Хоча існує спокуса спробувати включити всі можливі випадки, одна річ, яку слід враховувати, полягає в тому, що це все ще лише знімок часу. Що ми маємо на увазі під знімком у часі? Усі випадки можуть бути включені протягом одного виборчого року, але є кілька виборів на рік разом з багатьма роками! Зрештою, населення може бути просто дійсно зразком у контексті часу.

Наступним кроком буде спробувати з'ясувати кількість випадків, які слід включити, які все одно нададуть переконливий аргумент на підтримку теорії. Відповідно до закону великих чисел, нам не обов'язково включати кожен окремий випадок, щоб надати переконливий аргумент. Замість усього населення дослідження, швидше за все, базуватиметься на вибірці. Нам потрібно надати вибірку або добірку випадків із населення, яка є достатньо великою, щоб ми могли наблизити значення населення, які ми шукаємо. Закон великих чисел говорить нам, що коли ми надамо досить велику вибірку, яка також є репрезентативною для населення, це призведе до результатів, близьких до результатів, якщо ми зібрали дані про всі випадки в популяції.

При вибірці ще однією характеристикою, яку ми можемо шукати, є репрезентативність. Можна стверджувати, що значення вибірки має сенс лише тим, що може допомогти нам зробити висновки про населення, про яку ми хочемо дізнатися більше. Щоб з'ясувати репрезентативність, нам знадобиться рамка для вибірки. Повна рамка вибірки - це список усіх тих, хто в популяції. Цей список може містити інформацію про особливості населення, яке нас цікавить. Щоб наша вибірка надала нам результати, які можуть розповісти нам про населення, нам потрібно, щоб вибірка була репрезентативною або була схожа на вибірку населення. Якщо вам цікаво дізнатися про виборців у Сполучених Штатах, лише включення виборців з Каліфорнії не буде дуже корисним. Цей зразок може надати вам інформацію про виборців у Каліфорнії, але не обов'язково про виборців у Сполучених Штатах. Щоб забезпечити репрезентативність, ви можете вибрати з кадру вибірки, хто саме, який повинен бути включений у ваш зразок.

Існує два способи вибірки випадків, один з яких, якщо це зроблено належним чином, буде виробляти репрезентативні зразки, а той, який не відображатиме репрезентативності. Вірогідність вибірки буде виробляти зразки, які, швидше за все, будуть репрезентативними для популяції, на відміну від неймовірності вибір Вірогідність вибірки вимагає використання випадкового відбору для розміщення випадків у вибірці. Прикладами ймовірності вибірки є проста випадкова вибірка, стратифікована вибірка і кластерна вибірка Вибірка неймовірності використовує невипадкові процеси для вибору випадків, які будуть частиною вибірки. Приклади неймовірності вибірки включають зручність відбору проб, вибірку квот та вибірку сніжної кулі.

Імовірність вибірки

Проста випадкова вибірка вважається найкращим підходом у виборі зразка. У простій випадковій вибірці кожен випадок має рівні шанси бути вибраним для участі в дослідженні. Завдяки простому випадковому вибірці ваш зразок набагато більше шансів відображати ваше населення. Простий спосіб думати про випадкову вибірку - це покласти імена в капелюсі і малювати імена з капелюха. Це означає, що якби ви були зацікавлені у вивченні політології студентів і було 1,000 студентів політології, кожен студент мав би 1 до 1,000 шанс бути обраним для участі у вашому дослідженні.

Стратифікована вибірка схожа на випадкову вибірку, але може існувати занепокоєння щодо того, як виглядає зразок. Може виникнути занепокоєння з приводу включення або виключення певних характеристик. Для забезпечення пропорційного представлення або забезпечення того, щоб вибірка мала аналогічні характеристикам у популяції, стратифікована вибірка враховуватиме такі характеристики та забезпечить, щоб вибірка виглядала як популяції. Тому нам потрібно знати ці характеристики щодо популяції перед відбором вибірки.

Наприклад, якщо недостатньо людей, які є расово представниками населення, викликає занепокоєння, при вибірці ви гарантуєте, що двадцять відсотків вибірки є афроамериканцями, а двадцять відсотків вибірки ідентифікують як латиноамериканці, оскільки це частка, яку вони складають у популяції інтерес. Це відомо як пропорційний стратифікований зразок. Непропорційний стратифікований зразок перепробовує певні групи, які в іншому випадку складають меншу частину зразка. Перевибірка дозволяє дослідникам надати більше розуміння цих груп і може не бути в змозі зробити це, якщо мало хто є частиною вибірки.

Кластерна вибірка враховує, що проста випадкова вибірка може бути нездійсненною, оскільки популяція може бути досить розсіяною. Якщо ваше населення - це всі дорослі США, які зареєстровані для голосування, може бути важко отримати список кожного зареєстрованого виборця, а потім випадковим чином вибрати осіб, які будуть частиною вашого опитування. Якщо вводити особисто, уявіть, як важко було б летіти з однієї частини країни в іншу все на співбесіду! Замість цього дослідник звузить його, вибравши області або кластери, а потім випадковим чином вибірки з цих областей. Наприклад, дослідник може випадковим чином вибирати штати і всередині цих штатів, вибрати округи, потім міста, а потім дільниці. Після того, як дільниці будуть обрані випадковим чином, будуть виміряні всі ті, хто знаходиться в цих дільницях.

Вибірка ймовірності

Хоча випадкова вибірка була відзначена раніше як ідеальний спосіб створення вибірки, зразки неймовірності також служать меті. Вибірка неймовірності може бути обрана через невелику кількість наявних випадків. Вибірка неймовірності включає зручність, квоту та вибірку сніжної кулі. Зручність відбору проб відноситься до вибору випадків, які доступні. Це майже як не вибірка взагалі, оскільки немає критеріїв, щоб бути частиною вибірки, крім того, щоб бути частиною обраної популяції та готовності бути частиною вибірки. Прикладом вибору випадків, які будуть частиною вибірки зручності, є прохання осіб, які виходять з виборчого місця, відповісти на питання.

Квота вибірка відноситься до вибору випадків відповідно до квоти або встановленої кількості випадків. Дослідники можуть встановити фіксоване число і йти про створення зразка, який буде відповідати цьому числу. Вибірка квоти також може бути подібною до стратифікованої вибірки, коли дослідник намагається забезпечити зразок схожий на популяцію, тобто ті, що знаходяться у вибірці, схожі за характеристиками на популяції.

У зразку сніжної кулі початкові випадки ідентифікуються як частина зразка. Це може бути один випадок, а може бути і більше. Ці початкові особи потім нададуть вам направлення інших осіб, які можуть бути частиною вибірки. Врешті-решт, кількість справ, які ви маєте, збільшиться через рефералів осіб, яких ви можете отримати, щоб бути частиною вибірки. Розмір вибірки набере обертів, оскільки ви зможете накопичувати більше рефералів, набираючи більше маси та збираючи більше справ на цьому шляху. Використання цього методу відбору проб особливо корисно при роботі з важкодоступним населенням. Наприклад, якби ви зрозуміли обставини, за яких люди стають бездомними, зразок сніжної кулі був би корисним, особливо тому, що список бездомних людей не існує.

Вірогідність і невигідність вибірки є методами вибору випадків, які будуть частиною дослідження. Зазвичай ми використовуємо зразки, оскільки спроба зібрати інформацію від населення може бути важкою. Закон великих чисел говорить нам, що нам не обов'язково включати кожен випадок, щоб надати нам дані, які ми шукаємо, коли розмір нашої вибірки досить великий. При створенні нашого зразка існують додаткові емпіричні правила, яких слід дотримуватися. Одне загальне правило полягає в тому, що якщо населення, яке вивчається, невелике - дорівнює або менше 100, найкраща стратегія полягає в тому, щоб включити всі випадки. Іншим загальним правилом є завжди прагнення до більшої вибірки, оскільки невідповідь або не отримання відповіді від справи є ймовірною можливістю.