در واقع، نه با یک، بلکه با سه سوال شروع می کنیم: نمونه گیری چیست؟ چه زمانی نماینده است؟ او چیست؟

کلیت - این هر گروهی از افراد، سازمان ها، رویدادهایی است که به ما علاقه مند است و می خواهیم در مورد آنها نتیجه گیری کنیم و اتفاق می افتد،یا شی - هر عنصر از چنین مجموعه ای 1 .نمونه - هر زیر گروه از مجموعه ای از موارد (اشیاء) انتخاب شده برای تجزیه و تحلیل. اگر بخواهیم فعالیت‌های تصمیم‌گیری قانونگذاران ایالتی را مطالعه کنیم، می‌توانیم این گونه فعالیت‌ها را بررسی کنیم نهادهای قانونگذاریایالت های ویرجینیا، کارولینای شمالی و کارولینای جنوبی، و نه در تمام پنجاه ایالت و بر این اساس، توزیع کنیدداده هایی را در مورد جمعیتی که این سه ایالت از آن انتخاب شده اند به دست آورد. اگر می‌خواهیم سیستم ترجیح رأی‌دهندگان پنسیلوانیا را بررسی کنیم، می‌توانیم این کار را با نظرسنجی از 50 کارگر آمریکایی انجام دهیم. S. Steele» در پیتسبورگ، و نتایج نظرسنجی را به همه رأی دهندگان در ایالت تعمیم دهید. به همین ترتیب، اگر بخواهیم هوش دانشجویان کالج را بسنجیم، می‌توانیم همه بازیکنان دفاعی ثبت‌نام شده در ایالت اوهایو را در یک فصل فوتبال مورد آزمایش قرار دهیم و سپس نتایج را به جمعیتی که آنها بخشی از آن هستند تعمیم دهیم. در هر مثال به صورت زیر عمل می کنیم: یک زیر گروه را در جمعیت ایجاد می کنیم، کاملاً ما این زیر گروه یا نمونه را با جزئیات مطالعه می کنیم و نتایج خود را به کل جمعیت تعمیم می دهیم. اینها مراحل اصلی نمونه گیری هستند.

با این حال، کاملاً واضح به نظر می رسد که هر یک از این نمونه ها دارای کاستی های قابل توجهی هستند. برای مثال، اگرچه مجالس قانونگذاری ویرجینیا، کارولینای شمالی و کارولینای جنوبی بخشی از مجموعه ای از مجالس قانونگذاری ایالتی هستند، اما به دلایل تاریخی، جغرافیایی و سیاسی، احتمالاً به شیوه های بسیار مشابه و بسیار متفاوت از مجالس قانونگذاری عمل می کنند. ایالت های مختلف مانند نیویورک، نبراسکا و آلاسکا. اگرچه ممکن است پنجاه کارگر فولاد در پیتسبورگ در واقع رای دهندگان ایالت پنسیلوانیا باشند، اما آنها به دلیل موقعیت اجتماعی-اقتصادی، تحصیلات و تجربه زندگی ممکن است دیدگاه هایی متفاوت با دیدگاه های بسیاری از افراد دیگر که همچنین رای دهنده هستند داشته باشند. به همین ترتیب، اگرچه بازیکنان فوتبال ایالت اوهایو دانشجوی کالج هستند، اما ممکن است به دلایل مختلفی با سایر دانشجویان کالج متفاوت باشند. یعنی اگرچه هر یک از این زیرگروه ها در واقع یک نمونه هستند، اعضای هر یک به طور سیستماتیک با بسیاری از اعضای دیگر جامعه ای که از آن انتخاب شده اند متفاوت هستند. به عنوان یک گروه جداگانه، هیچ یک از آنها از نظر توزیع ویژگی های نظرات، انگیزه های رفتار و ویژگی ها در جمعیتی که با آن مرتبط است، معمولی نیستند. بر این اساس، دانشمندان علوم سیاسی خواهند گفت که هیچ یک از این نمونه ها نماینده نیستند.

نمونه نماینده - این نمونه ای است که در آن تمام ویژگی های اصلی جمعیت عمومی که این نمونه از آن استخراج می شود تقریباً به همان نسبت یا با همان بسامد ارائه شده است که این ویژگی در این جمعیت عمومی ظاهر می شود. بنابراین، اگر 50٪ از مجامع قانونگذار ایالتی فقط هر دو سال یک بار تشکیل جلسه می دهند، تقریباً نیمی از ترکیب نمونه نماینده مجلس های ایالتی باید از این نوع باشد. اگر 30 درصد از رای دهندگان پنسیلوانیا یقه آبی باشند، حدود 30 درصد از نمایندگان نمونه های این رای دهندگان (نه 100٪ مانند مثال بالا) باید یقه آبی باشد. و اگر 2% از کل دانشجویان کالج ورزشکار باشند، تقریباً به همان نسبت نمونه نماینده دانشجویان کالج باید ورزشکار باشند. به عبارت دیگر، یک نمونه معرف یک عالم کوچک است، یک مدل کوچکتر اما دقیق از جمعیتی که در نظر گرفته شده است منعکس شود. تا جایی که نمونه معرف است، می توان نتیجه گیری های مبتنی بر مطالعه آن نمونه را با خیال راحت فرض کرد که برای جامعه اصلی اعمال می شود. این گسترش نتایج چیزی است که ما آن را تعمیم پذیری می نامیم.

شاید یک تصویر گرافیکی به توضیح این موضوع کمک کند. فرض کنید می خواهیم الگوهای عضویت در گروه های سیاسی را در میان بزرگسالان آمریکایی مطالعه کنیم. شکل 5.1 سه دایره را نشان می دهد که به شش بخش مساوی تقسیم شده اند. شکل 5.1a کل جمعیت مورد بررسی را نشان می دهد. اعضای جمعیت بر اساس گروه های سیاسی (مانند احزاب و گروه های ذینفع) که به آن تعلق دارند طبقه بندی می شوند. در این مثال، هر فرد بالغ حداقل به یک و نه بیش از شش گروه سیاسی تعلق دارد. و این شش سطح عضویت به طور مساوی در مجموع توزیع شده اند (از این رو بخش های برابر). فرض کنید می‌خواهیم انگیزه‌های افراد برای پیوستن به یک گروه، انتخاب گروه و الگوهای مشارکت را مطالعه کنیم، اما به دلیل محدودیت منابع، از هر شش عضو جمعیت فقط یک نفر را می‌توانیم مطالعه کنیم. چه کسی باید برای تجزیه و تحلیل انتخاب شود؟

برنج. 5.1. تشکیل نمونه از جامعه عمومی

یکی از نمونه های ممکن از یک حجم معین با ناحیه سایه دار در شکل 5.1b نشان داده شده است، اما به وضوح ساختار جمعیت را منعکس نمی کند. اگر بخواهیم از این نمونه تعمیم دهیم، به این نتیجه می رسیم: (1) همه بزرگسالان آمریکایی به پنج گروه سیاسی تعلق دارند و (2) همه رفتارهای گروهی آمریکایی ها با رفتار کسانی که به طور خاص به این پنج گروه تعلق دارند مطابقت دارد. با این حال، می دانیم که نتیجه اول درست نیست و این ممکن است ما را در مورد اعتبار دومی شک کند. بنابراین، نمونه نشان داده شده در شکل 5.1b معرف نیست زیرا توزیع یک ویژگی جمعیت معین را منعکس نمی کند (که اغلب نامیده می شود پارامتر ) مطابق با توزیع واقعی آن. چنین نمونه ای گفته می شود به سمتاعضای پنج گروه یا در جهت ازهمه مدل های دیگر عضویت در گروه بر اساس چنین نمونه مغرضانه ای، معمولاً به نتایج اشتباهی در مورد جامعه می رسیم.

این را می‌توان با فاجعه‌ای که در دهه 1930 بر سر مجله Literary Digest آمد، که یک نظرسنجی عمومی در مورد نتایج انتخابات سازماندهی کرد، به وضوح نشان داد. Literary Digest مجله‌ای بود که سرمقاله‌های روزنامه‌ها و سایر مطالبی را که افکار عمومی را منعکس می‌کرد، تجدید چاپ می‌کرد. این مجله در آغاز قرن بسیار محبوب بود. در آغاز سال 1920، این مجله یک نظرسنجی سراسری در مقیاس بزرگ انجام داد که در آن برگه های رای از طریق پست برای بیش از یک میلیون نفر ارسال شد و از آنها خواسته شد نامزد مورد علاقه خود را در انتخابات ریاست جمهوری آینده نشان دهند. برای چندین سال، نتایج نظرسنجی این مجله به قدری دقیق بود که به نظر می رسید یک نظرسنجی در سپتامبر انتخابات نوامبر را بی ربط می کرد. و چگونه ممکن است خطا با چنین نمونه بزرگی رخ دهد؟ با این حال، در سال 1936 دقیقاً این اتفاق افتاد: با اکثریت زیاد آرا (60:40) پیروزی برای نامزد جمهوری خواه آلف لاندون پیش بینی می شد. لاندون در انتخابات به یک فرد معلول باخت - فرانکلین دی روزولت - تقریباً با همان نتیجه ای که باید برنده می شد. اعتبار The Literary Digest به شدت آسیب دید که مدت کوتاهی پس از آن مجله چاپ نشد. چه اتفاقی افتاد؟ این بسیار ساده است: نظرسنجی Digest از یک نمونه مغرضانه استفاده کرد. کارت پستال برای افرادی ارسال شد که نام آنها از دو منبع استخراج شده بود: فهرست تلفن و لیست ثبت نام خودرو. و اگرچه این روش انتخاب قبلاً تفاوت چندانی با روش‌های دیگر نداشت، اما اکنون اوضاع بسیار متفاوت بود، در دوران رکود بزرگ سال 1936، زمانی که رای دهندگان کمتر ثروتمند، محتمل‌ترین حامی روزولت، نمی‌توانستند تلفن داشته باشند، چه رسد به. ماشین بنابراین، در واقع، نمونه مورد استفاده در نظرسنجی دایجست به سمت کسانی که به احتمال زیاد جمهوری خواه هستند، منحرف بود، با این حال هنوز جای تعجب است که روزولت به این خوبی عمل کرد.

چگونه این مشکل را حل کنیم؟ در بازگشت به مثال خود، بیایید نمونه موجود در شکل 5.1b را با نمونه موجود در شکل 5.1c مقایسه کنیم. در مورد دوم، یک ششم از جامعه نیز برای تجزیه و تحلیل انتخاب می شود، اما هر یک از انواع اصلی جامعه به نسبتی که در کل جامعه نشان داده می شود، در نمونه نشان داده می شود. چنین نمونه ای نشان می دهد که از هر شش بزرگسال آمریکایی، یک نفر به یک گروه سیاسی تعلق دارد، از هر شش نفر یک نفر متعلق به دو گروه و غیره است. چنین نمونه ای همچنین تفاوت های دیگری را در بین اعضا نشان می دهد که ممکن است با مشارکت در تعداد گروه های مختلف مرتبط باشد. بنابراین، نمونه ارائه شده در شکل 5.1c نمونه ای نماینده برای جامعه مورد بررسی است.

البته این مثال حداقل از دو جهت بسیار مهم ساده شده است. اولاً، بیشتر جمعیت‌های مورد علاقه دانشمندان علوم سیاسی نسبت به آنچه نشان داده شد، متنوع‌تر هستند. افراد، اسناد، دولت ها، سازمان ها، تصمیمات و غیره. نه با یک، بلکه با تعداد بسیار بیشتری از ویژگی ها با یکدیگر تفاوت دارند. بنابراین، نمونه معرف باید به گونه ای باشد که هر کدامیکی از اصلی ترین زمینه هایی که با بقیه فرق داشت این بود به نسبت سهم خود در کل ارائه می شود. ثانیاً، وضعیتی که در آن توزیع واقعی متغیرها یا ویژگی‌هایی که می‌خواهیم اندازه‌گیری کنیم از قبل مشخص نیست، بسیار رایج‌تر از عکس آن است - ممکن است در سرشماری قبلی اندازه‌گیری نشده باشد. بنابراین، یک نمونه معرف باید طوری طراحی شود که بتواند به طور دقیق توزیع موجود را منعکس کند، حتی زمانی که ما قادر به ارزیابی مستقیم اعتبار آن نیستیم. روش نمونه گیری باید یک منطق درونی داشته باشد که بتواند ما را متقاعد کند که اگر بتوانیم نمونه را با سرشماری مقایسه کنیم، واقعا نماینده خواهد بود.

محققین برای ارائه توانایی ثبت دقیق سازمان پیچیده یک جمعیت معین و درجاتی از اطمینان به اینکه روش های پیشنهادی می توانند این کار را انجام دهند، به روش های آماری روی می آورند. در عین حال در دو جهت عمل می کنند. ابتدا، با استفاده از قوانین خاصی (منطق داخلی)، محققان تصمیم می گیرند که کدام اشیاء خاص را مطالعه کنند و دقیقاً چه چیزی را در یک نمونه خاص قرار دهند. دوم، با استفاده از قوانین بسیار متفاوت، آنها تصمیم می گیرند که چند شی را انتخاب کنند. ما این قواعد متعدد را به تفصیل مطالعه نخواهیم کرد، بلکه تنها نقش آنها را در تحقیقات علوم سیاسی بررسی خواهیم کرد. بیایید بررسی خود را با استراتژی هایی برای انتخاب اشیایی که یک نمونه نماینده را تشکیل می دهند آغاز کنیم.

تحقیقات آماری بسیار کار بر و پرهزینه است، بنابراین ایده جایگزینی مشاهده پیوسته با مشاهده انتخابی مطرح شد.

هدف اصلی از مشاهده غیرمستمر به دست آوردن ویژگی های جامعه آماری مورد مطالعه برای قسمت مورد بررسی است.

مشاهده انتخابیروشی از تحقیقات آماری است که در آن شاخص های عمومی جامعه تنها برای یک بخش بر اساس مفاد انتخاب تصادفی تعیین می شود.

با روش نمونه گیری، تنها بخش معینی از جامعه مورد مطالعه مورد مطالعه قرار می گیرد و جامعه آماری مورد مطالعه، جامعه عمومی نامیده می شود.

جامعه نمونه یا صرفاً نمونه را می توان بخشی از واحدهای انتخاب شده از جامعه عمومی نامید که مورد تحقیق آماری قرار می گیرد.

اهمیت روش نمونه‌گیری: با حداقل تعداد واحدهای مورد مطالعه، تحقیقات آماری در بازه‌های زمانی کوتاه‌تر و با کمترین هزینه و نیروی کار انجام می‌شود.

در یک جمعیت عمومی، نسبت واحدهایی که دارای ویژگی مورد مطالعه هستند، نسبت کلی نامیده می شود ص)و مقدار متوسط ​​صفت متغیر مورد مطالعه، میانگین کلی است (نشان داده شده است X).

در یک جامعه نمونه، نسبت مشخصه مورد مطالعه را نسبت نمونه یا بخشی (که با w نشان داده می شود) می گویند، مقدار متوسط ​​در نمونه برابر است با میانگین نمونه

اگر در طول دوره بررسی تمام قوانین سازمان علمی آن رعایت شود، روش نمونه گیری نتایج نسبتاً دقیقی به دست می دهد و بنابراین توصیه می شود از این روش برای بررسی داده های مشاهده مستمر استفاده شود.

این روش در آمارهای دولتی و غیردستگاهی رواج یافته است، زیرا هنگام مطالعه حداقل واحدهای مورد مطالعه، امکان مطالعه کامل و دقیق را فراهم می کند.

جامعه آماری مورد مطالعه شامل واحدهایی با ویژگی های متفاوت است. ترکیب جامعه نمونه ممکن است با ترکیب جامعه متفاوت باشد.

خطاهای ذاتی در مشاهده نمونه، اندازه اختلاف بین داده های مشاهده نمونه و کل جامعه را مشخص می کند. خطاهایی که در هنگام مشاهده نمونه ایجاد می شوند، خطاهای نمایندگی نامیده می شوند و به تصادفی و سیستماتیک تقسیم می شوند.

اگر جامعه نمونه به دلیل ماهیت ناپیوسته مشاهده، کل جامعه را به طور دقیق بازتولید نکند، به این خطاهای تصادفی گفته می شود و اندازه آنها با دقت کافی بر اساس قانون اعداد بزرگ و تئوری احتمال تعیین می شود.

خطاهای سیستماتیک در نتیجه نقض اصل تصادفی بودن در انتخاب واحدهای جمعیتی برای مشاهده به وجود می آیند.

اندازه خطای نمونه گیری و روش های تعیین آن به نوع و طرح انتخاب بستگی دارد.

چهار نوع انتخاب جمعیت از واحدهای مشاهده وجود دارد:

1) تصادفی؛

2) مکانیکی؛

3) معمولی؛

4) سریال (تودرتو).

انتخاب تصادفی– متداول ترین روش انتخاب در یک نمونه تصادفی، روش قرعه کشی نیز نامیده می شود که در آن برای هر واحد از جامعه آماری یک بلیت با شماره سریال تهیه می شود.

سپس تعداد واحدهای مورد نیاز جامعه آماری به صورت تصادفی انتخاب می شود. در این شرایط، هر یک از آنها احتمال یکسانی برای قرار گرفتن در نمونه را دارند، به عنوان مثال، قرعه کشی های برنده، زمانی که از تعداد کل بلیط های صادر شده، قسمت خاصی از اعدادی که برنده ها روی آنها اتفاق می افتد به طور تصادفی انتخاب می شود. در این صورت برای همه اعداد فرصت برابر برای درج نمونه در نظر گرفته شده است.

انتخاب مکانیکی- این روشی است که کل جامعه بر اساس یک معیار تصادفی به گروه هایی با حجم همگن تقسیم می شود، سپس از هر گروه فقط یک واحد گرفته می شود همه واحدهای جامعه آماری مورد مطالعه به ترتیب خاصی از قبل تنظیم شده اند، اما بسته به حجم نمونه، تعداد واحدهای مورد نیاز به صورت مکانیکی در یک بازه زمانی مشخص انتخاب می شود.

انتخاب معمولی -این روشی است که در آن جامعه آماری مورد مطالعه بر اساس یک ویژگی ضروری و معمولی به گروه‌های کیفی همگن و از یک نوع تقسیم می‌شود، سپس از هر یک از این گروه‌ها تعداد معینی واحد به‌طور تصادفی متناسب با وزن مخصوص انتخاب می‌شود. از گروه در کل جمعیت.

انتخاب معمولی نتایج دقیق تری می دهد، زیرا شامل نمایندگان همه گروه های معمولی در نمونه است.

انتخاب سریال (خوشه ای).کل گروه ها (سری ها، لانه ها) که به صورت تصادفی یا مکانیکی انتخاب شده اند در معرض انتخاب هستند. برای هر گروه یا سری، مشاهده مداوم انجام می شود و نتایج به کل جمعیت منتقل می شود.

دقت نمونه به طرح نمونه گیری نیز بستگی دارد. نمونه برداری را می توان بر اساس طرح نمونه گیری مکرر یا غیر تکراری انجام داد.

انتخاب مجددهر واحد یا سری انتخاب شده به کل جمعیت بازگردانده می شود و می توان آن را مجدداً در نمونه وارد کرد.

انتخاب غیر تکراریهر واحد بررسی شده حذف می شود و به جمعیت بازگردانده نمی شود، بنابراین در نظرسنجی مجدد لحاظ نمی شود. این طرح توپ برگشت ناپذیر نامیده می شود.

نمونه گیری غیر تکراری نتایج دقیق تری به دست می دهد زیرا با حجم نمونه یکسان، مشاهده تعداد بیشتری از واحدهای جامعه مورد مطالعه را پوشش می دهد.

انتخاب ترکیبیممکن است یک یا چند مرحله را طی کند. اگر یکبار واحدهای انتخاب شده از جامعه مورد مطالعه قرار گیرند، یک نمونه تک مرحله ای نامیده می شود.

نمونه ای چند مرحله ای نامیده می شود که انتخاب جامعه در مراحل، مراحل متوالی صورت گیرد و هر مرحله، مرحله انتخاب واحد گزینش خاص خود را داشته باشد.

نمونه گیری چند مرحله ای - در تمام مراحل نمونه گیری واحد نمونه گیری یکسان حفظ می شود، اما چندین مرحله، مراحل بررسی نمونه گیری انجام می شود که در وسعت برنامه نظرسنجی و حجم نمونه متفاوت است.

ویژگی های پارامترهای جمعیت عمومی و نمونه با نمادهای زیر نشان داده می شود:

ن- حجم جمعیت عمومی؛

n- حجم نمونه؛

X- میانگین عمومی؛

X- میانگین نمونه؛

r- سهم عمومی؛

w –سهم نمونه;

2- پراکندگی عمومی (واریانس مشخصه در جمعیت عمومی).

2 - واریانس نمونه با همان مشخصه.

- انحراف معیار در جمعیت.

? - انحراف معیار در نمونه.

هر واحد در یک مشاهده نمونه باید فرصتی برابر با دیگران برای انتخاب داشته باشد - این اساس یک نمونه تصادفی مناسب است.

نمونه گیری تصادفی مناسب انتخاب واحدها از کل جمعیت با قرعه کشی یا سایر روش های مشابه است.

اصل تصادفی بودن این است که گنجاندن یا حذف یک مورد از یک نمونه نمی تواند تحت تأثیر هیچ عامل دیگری غیر از شانس باشد.

اشتراک نمونهنسبت تعداد واحدهای جامعه نمونه به تعداد واحدهای جامعه عمومی است:

انتخاب تصادفی مناسب در شکل خالص آن اصل اصلی در میان سایر انواع انتخاب است که شامل و اجرای اصول اساسی مشاهده آماری انتخابی است.

دو نوع اصلی از شاخص های عمومی که در روش نمونه گیری استفاده می شوند عبارتند از میانگین مقدار یک مشخصه کمی و مقدار نسبی یک مشخصه جایگزین.

کسر نمونه (w) یا خاصیت، با نسبت تعداد واحدهای دارای ویژگی مورد مطالعه تعیین می شود. متربه تعداد کل واحدهای جامعه نمونه (n):

برای مشخص کردن قابلیت اطمینان شاخص‌های نمونه، بین میانگین و حداکثر خطای نمونه‌گیری تمایز گذاشته می‌شود.

خطای نمونه گیری که خطای نمایندگی نیز نامیده می شود، تفاوت بین نمونه مربوطه و ویژگی های کلی است:

?x =|x – x|;

?w =|x – p|.

فقط مشاهدات نمونه مشمول خطای نمونه گیری هستند.

میانگین نمونه و نسبت نمونه- این متغیرهای تصادفی، بسته به واحدهای جامعه آماری مورد مطالعه که در نمونه گنجانده شده است، مقادیر متفاوتی به خود می گیرد. بر این اساس، خطاهای نمونه گیری نیز متغیرهای تصادفی هستند و می توانند مقادیر متفاوتی نیز به خود بگیرند. بنابراین، میانگین خطاهای احتمالی تعیین می شود - میانگین خطای نمونه گیری.

میانگین خطای نمونه گیری با حجم نمونه تعیین می شود: هر چه تعداد آنها بزرگتر باشد، سایر موارد برابر باشند، میانگین خطای نمونه گیری کوچکتر است. با پوشش تعداد فزاینده ای از واحدهای جمعیت عمومی با یک نظرسنجی نمونه، کل جمعیت عمومی را بیشتر و دقیق تر توصیف می کنیم.

میانگین خطای نمونه گیری به درجه تنوع مشخصه مورد مطالعه بستگی دارد، درجه تنوع با پراکندگی مشخص می شود. 2 یا w (l - w)- برای علامت جایگزین هر چه تنوع و پراکندگی صفت کوچکتر باشد، میانگین خطای نمونه کوچکتر است و بالعکس.

در صورت نمونه گیری تصادفی مکرر، میانگین خطاها از نظر تئوری با استفاده از فرمول های زیر محاسبه می شود:

1) برای یک مشخصه کمی متوسط:

کجا؟ 2- مقدار متوسط ​​پراکندگی یک مشخصه کمی.

2) برای یک سهم (ویژگی جایگزین):

بنابراین واریانس یک صفت در جمعیت چیست؟ 2 دقیقاً مشخص نیست، در عمل آنها از مقدار پراکندگی S 2 محاسبه شده برای جامعه نمونه بر اساس قانون اعداد بزرگ استفاده می کنند، که طبق آن جامعه نمونه، با حجم نمونه به اندازه کافی بزرگ، کاملاً دقیق بازتولید می کند. ویژگی های جمعیت عمومی

فرمول میانگین خطای نمونه گیری برای نمونه گیری مجدد تصادفی به شرح زیر است. برای مقدار متوسط ​​یک مشخصه کمی: واریانس عمومی از طریق واریانس انتخابی با رابطه زیر بیان می شود:

که در آن S 2 مقدار پراکندگی است.

نمونه برداری مکانیکی- این انتخاب واحدها در یک جمعیت نمونه از جمعیت عمومی است که بر اساس یک معیار خنثی به گروه های مساوی تقسیم می شود. به گونه ای انجام می شود که از هر گروه فقط یک واحد برای نمونه انتخاب می شود.

در نمونه‌گیری مکانیکی، واحدهای جامعه آماری مورد مطالعه ابتدا به ترتیب معینی مرتب می‌شوند و پس از آن تعداد معینی از واحدها به صورت مکانیکی در یک بازه زمانی مشخص انتخاب می‌شوند. در این حالت، اندازه فاصله در جامعه برابر با مقدار معکوس نسبت نمونه است.

با جمعیت به اندازه کافی بزرگ، انتخاب مکانیکی از نظر دقت نتایج نزدیک به خود تصادفی است، بنابراین برای تعیین میانگین خطای نمونه‌گیری مکانیکی، از فرمول‌های نمونه‌گیری غیرتکراری خود تصادفی استفاده می‌شود.

برای انتخاب واحدها از یک جمعیت ناهمگن، از نمونه به اصطلاح معمولی استفاده می شود که همه واحدهای جمعیت عمومی را می توان با توجه به ویژگی هایی که شاخص های مورد مطالعه به آن بستگی دارد به چندین گروه از نظر کیفی همگن تقسیم کرد.

سپس، از هر گروه معمولی، انتخاب فردی واحدها در جامعه نمونه با استفاده از یک نمونه کاملا تصادفی یا مکانیکی انجام می شود.

معمولاً هنگام مطالعه جمعیت های آماری پیچیده از نمونه گیری استفاده می شود.

نمونه گیری معمولی نتایج دقیق تری می دهد. تایپ کردن جمعیت عمومی، نمایندگی چنین نمونه ای را تضمین می کند، نمایش هر گروه گونه شناسی در آن، که این امکان را فراهم می کند تا تأثیر پراکندگی بین گروهی را بر میانگین خطای نمونه برداری از بین ببریم. بنابراین، هنگام تعیین میانگین خطای یک نمونه معمولی، میانگین واریانس های درون گروهی به عنوان شاخص تغییرات عمل می کند.

نمونه‌گیری سریالی شامل انتخاب تصادفی از یک جمعیت عمومی از گروه‌های مساوی است تا همه واحدهای این گروه‌ها بدون استثنا مورد مشاهده قرار گیرند.

از آنجایی که در داخل گروه ها (سری ها) همه واحدها بدون استثنا مورد بررسی قرار می گیرند، میانگین خطای نمونه گیری (هنگام انتخاب سری های مساوی) فقط به پراکندگی بین گروهی (بین سری) بستگی دارد.

ویژگی های جامعه بر اساس نتایج نمونه، هدف نهایی مشاهده نمونه است.

روش نمونه گیری برای به دست آوردن ویژگی های جامعه با توجه به شاخص های نمونه خاص استفاده می شود. بسته به اهداف مطالعه، این کار با محاسبه مجدد مستقیم شاخص های نمونه برای جامعه عمومی یا با روش محاسبه ضرایب تصحیح انجام می شود.

روش محاسبه مجدد مستقیم این است که با آن شاخص های سهم نمونه wیا متوسط Xبا در نظر گرفتن خطای نمونه گیری، برای جمعیت عمومی اعمال شود.

روش ضرایب تصحیح زمانی استفاده می شود که هدف روش نمونه گیری شفاف سازی نتایج حسابداری مستمر باشد. این روش برای شفاف سازی داده های سرشماری سالانه دام از جمعیت استفاده می شود.

مطالعات تجربی یکی از ابزارهای اصلی مطالعه روابط و فرآیندهای اجتماعی تلقی می شود. آنها اطلاعات قابل اعتماد، کامل و نماینده ارائه می دهند.

مشخصات تکنیک ها

موارد تجربی دانش ثبت واقعیت را ارائه می دهند. آنها از طریق ثبت غیرمستقیم یا مستقیم رویدادهای مشخصه روابط، اشیاء و پدیده های مورد مطالعه به ایجاد و تعمیم شرایط کمک می کنند. روش های تجربی با روش های نظری تفاوت دارند زیرا موضوع تجزیه و تحلیل عبارت است از:

1. رفتار افراد و گروه های آنها.
2. محصولات فعالیت انسان
3. اعمال کلامی افراد، قضاوت ها، دیدگاه ها، نظرات آنها.

مطالعات نمونه

مطالعه تجربی همواره بر کسب اطلاعات عینی و دقیق و داده های کمی متمرکز است. در این راستا هنگام انجام آن باید از معرف بودن اطلاعات اطمینان حاصل شود. بر این اساس صحیح است جامعه نمونه ایناین بدان معنی است که انتخاب باید به گونه ای انجام شود که داده های به دست آمده از یک گروه محدود، روندهای رخ داده در توده عمومی پاسخ دهندگان را منعکس کند. به عنوان مثال، هنگام بررسی 200-300 نفر، داده های به دست آمده را می توان به کل جمعیت شهری تعمیم داد. شاخص های جامعه نمونه به ما این امکان را می دهد که رویکرد متفاوتی برای مطالعه فرآیندهای اقتصادی-اجتماعی در منطقه و در کل کشور داشته باشیم.

اصطلاحات

برای درک بهتر مسائل پیرامون مطالعات نمونه گیری، لازم است برخی از تعاریف روشن شوند. واحد مشاهده منبع مستقیم اطلاعات است. این می تواند یک فرد، یک گروه، یک سند، یک سازمان و غیره باشد. جمعیت عمومی استمجموعه واحدهای رصد همه آنها باید با مشکل مورد مطالعه مرتبط باشند. مشروط به تحلیل مستقیم این مطالعه مطابق با روش های توسعه یافته جمع آوری اطلاعات انجام شده است. برای تعیین این نسبت از کل آرایه پاسخ دهندگان، استفاده کنید مفهوم "جمعیت نمونه". خاصیت آن انعکاس است پارامترهای کلیدیاز کل توده مردم، نمایندگی نامیده می شود. در برخی موارد هیچ مسابقه ای وجود ندارد. سپس در مورد خطای نمایندگی صحبت می کنند.

تضمین نمایندگی

مسائل مربوط به آن در چارچوب آمار به تفصیل مورد بحث قرار می گیرد. مشکلات پیچیده هستند، زیرا از یک سو، ما در مورد ارائه یک نمایش کمی صحبت می کنیم که جمعیت عمومی اینبه‌ویژه به این معنی است که گروه‌های پاسخ‌دهندگان باید به تعداد بهینه نشان داده شوند. مقدار باید برای نمایش عادی کافی باشد. از سوی دیگر منظور ما نمایندگی کیفی نیز هست. این یک ترکیب موضوعی خاص را پیش‌فرض می‌گیرد که شکل می‌گیرد جامعه نمونه ایناین بدان معناست که مثلاً اگر فقط مردان یا زنان، افراد مسن یا جوانان مورد بررسی قرار گیرند، نمی‌توان در مورد نمایندگی صحبت کرد. مطالعه باید در تمام گروه های نمایندگی انجام شود.

مشخصات نمونه

این اصطلاح از دو جنبه مورد توجه قرار می گیرد. اول از همه، به عنوان مجموعه ای از عناصر از آرایه عمومی افرادی که نظرات آنها در حال مطالعه است تعریف می شود - این جامعه نمونه اینهمچنین فرآیند ایجاد دسته خاصی از پاسخ دهندگان در حالی که از نماینده بودن در صورت لزوم اطمینان حاصل می شود. در عمل، چندین نوع و نوع انتخاب وجود دارد. بیایید به آنها نگاه کنیم.

انواع

سه مورد از آنها وجود دارد:

1. خود به خودی جامعه نمونه اینمجموعه ای از پاسخ دهندگان بر اساس اصل داوطلبانه انتخاب شده اند. در عین حال، در دسترس بودن واحدها از کل توده افراد در یک گروه مطالعه خاص را تضمین می کند. انتخاب خود به خود اغلب در عمل استفاده می شود. به عنوان مثال، در طول نظرسنجی در مطبوعات، در اداره پست. با این حال، این تکنیک دارای یک نقص قابل توجه است. نمایش کیفی کل حجم نمونه عمومی غیرممکن است. این تکنیک با در نظر گرفتن اقتصاد استفاده می شود. در برخی نظرسنجی ها این گزینه تنها گزینه ممکن است.
2. خود به خودی جامعه نمونه اینیکی از تکنیک های اصلی مورد استفاده در مطالعه است. اصل کلیدی چنین انتخابی این است که اطمینان حاصل شود که هر واحد مشاهده ای فرصت سقوط از توده عمومی افراد به یک گروه محدود را دارد. برای این کار از تکنیک های مختلفی استفاده می شود. به عنوان مثال، این می تواند یک قرعه کشی، انتخاب مکانیکی یا جدولی از اعداد تصادفی باشد.
3. نمونه گیری طبقه ای (سهمیه). این بر اساس شکل گیری یک مدل کیفی از توده کل پاسخ دهندگان است. پس از این، واحدها در جامعه نمونه انتخاب می شوند. به عنوان مثال، بر اساس سن یا جنسیت، بر اساس بخشی از جمعیت و غیره انجام می شود.

گونه ها

نمونه های زیر وجود دارد:

علاوه بر این

نمونه ها همچنین می توانند وابسته یا مستقل باشند. در حالت اول، روش آزمایشی و نتایجی که در طی آن برای یک گروه از پاسخ دهندگان به دست خواهد آمد، تأثیر خاصی بر گروه دیگر دارد. بر این اساس، نمونه های مستقل چنین تأثیری را پیشنهاد نمی کنند. اما در اینجا باید به یکی توجه کنید نکته مهم. یک گروه از افراد، که در رابطه با آنها دو بار معاینه روانشناختی انجام شده است (حتی اگر با هدف مطالعه کیفیت ها، ویژگی ها، علائم مختلف باشد)، به طور پیش فرض وابسته در نظر گرفته می شود.

انتخاب های احتمالی

بیایید به چند نوع نمونه نگاه کنیم:

1. تصادفی. یکسانی کل جمعیت، یک احتمال در دسترس بودن همه اجزا و وجود فهرست کاملی از عناصر را فرض می کند. به طور معمول، فرآیند انتخاب از جدولی با اعداد تصادفی استفاده می کند.
2. مکانیکی. این نوع نمونه گیری تصادفی شامل ترتیب بر اساس یک معیار خاص است. مثلاً با شماره تلفن، به ترتیب حروف الفبا، تاریخ تولد و غیره. جزء اول به صورت تصادفی انتخاب می شود. در مرحله بعد، هر عنصر k با مرحله n انتخاب می شود. اندازه کل جمعیت N=k*n خواهد بود.
3. طبقه بندی شده. این نمونه زمانی استفاده می شود که کل جمعیت ناهمگن باشد. دومی به طبقات (گروه) تقسیم می شود. در هر یک از آنها، انتخاب به صورت مکانیکی یا تصادفی انجام می شود.
4. سریال. انتخاب گروه ها به صورت تصادفی انجام می شود. در داخل آنها، اشیا به صورت عمده مورد مطالعه قرار می گیرند.

انتخاب های غیر احتمالی

آنها شامل نمونه گیری نه تصادفی، بلکه تصادفی هستند ویژگی های ذهنی: نوع بودن، دسترسی، نمایندگی برابر و غیره. انتخاب های زیر در این دسته قرار می گیرند:

تفاوت های ظریف

برای اطمینان از نمایندگی، فهرست دقیق و کاملی از واحدهای جمعیتی ضروری است. اشیاء مشاهده، به عنوان یک قاعده، یک نفر است. بهتر است با شماره گذاری واحدها و استفاده از جدولی با اعداد تصادفی از لیست انتخاب کنید. اما روش شبه تصادفی نیز اغلب استفاده می شود. این شامل انتخاب هر n عنصر از یک لیست است.

عوامل موثر

حجم یک جمعیت، تعداد واحدهای آن است. به گفته کارشناسان، لزومی ندارد که بزرگ باشد. بدون شک هر چه تعداد پاسخ دهندگان بیشتر باشد، دقیق تر نتیجه. با این حال، در عین حال، حجم زیاد همیشه موفقیت را تضمین نمی کند. به عنوان مثال، این زمانی اتفاق می افتد که مجموع مجموعه پاسخ دهندگان ناهمگن باشد. اگر پارامتر کنترل شده، به عنوان مثال، سطح سواد، به طور مساوی توزیع شود، یعنی هیچ حفره یا متراکمی وجود نداشته باشد، یک جمعیت همگن در نظر گرفته می شود. در این صورت مصاحبه با چند نفر کافی خواهد بود. بر اساس نتایج نظرسنجی می توان نتیجه گرفت که بیشترمردم سطح سواد معمولی دارند. از این نتیجه می شود که نمایندگی اطلاعات نه تحت تأثیر ویژگی های کمی، بلکه تحت تأثیر ویژگی های کیفی جمعیت - به ویژه سطح همگنی آن است.

خطاها

آنها انحراف پارامترهای متوسط ​​جامعه نمونه را از مقادیر توده کل پاسخ دهندگان نشان می دهند. در عمل، خطاها با استفاده از مقایسه شناسایی می شوند. هنگام نظرسنجی از بزرگسالان معمولاً از اطلاعات سرشماری ها، آمار و نتایج نظرسنجی های گذشته استفاده می شود. پارامترهای کنترل معمولاً مقایسه مقادیر میانگین جمعیت ها (عمومی و نمونه) است که تعیین خطا مطابق با آن و کاهش این انحراف را کنترل بازنمایی می نامند.

نتیجه گیری

تحقیق نمونه راهی برای جمع آوری داده ها در مورد نگرش ها و رفتار افراد از طریق نظرسنجی از گروه های منتخب ویژه از پاسخ دهندگان است. این تکنیک قابل اعتماد و مقرون به صرفه در نظر گرفته می شود، اگرچه نیاز به تکنیکی دارد. جامعه نمونه به عنوان پایه عمل می کند. به عنوان نسبت معینی از کل توده مردم عمل می کند. انتخاب با استفاده از تکنیک های خاص انجام می شود و با هدف به دست آوردن اطلاعات در مورد کل جمعیت است. دومی، به نوبه خود، توسط همه ممکن نشان داده می شود امکانات عمومییا گروهی از آنها که مورد مطالعه قرار خواهند گرفت. اغلب جمعیت آنقدر زیاد است که مصاحبه با هر نماینده فرآیندی پرهزینه و دشوار است. بنابراین از مدل کاهش یافته آن استفاده می شود. جامعه نمونه شامل کلیه افرادی است که پرسشنامه دریافت می کنند که پاسخگو نامیده می شوند و در واقع به عنوان موضوع مطالعه عمل می کنند. به بیان ساده، از افراد زیادی تشکیل شده است که مورد بررسی قرار می گیرند.

نتیجه گیری

اهداف نظرسنجی بر اساس دسته های خاصی که در جامعه گنجانده شده اند تعیین می شود. در مورد سهم خاص از کل توده افراد، آن شامل موضوعاتی است که با استفاده از محاسبات ریاضی در گروه ها قرار می گیرند. برای انتخاب واحدها، توضیح شی در جمعیت اصلی ضروری است. پس از تعیین تعداد آزمودنی ها، نحوه یا روش تشکیل گروه ها مشخص می شود. نتایج نظرسنجی به ما امکان می دهد ویژگی مورد مطالعه را در رابطه با همه نمایندگان توده عمومی مردم توصیف کنیم. همانطور که تمرین نشان می دهد، عمدتاً مطالعات انتخابی به جای مطالعات جامع انجام می شود.

نمونه - این:

1) مجموع عناصر موضوع تحقیق که مستقیماً مورد مطالعه قرار می گیرد.

2) روش ها و روش های انتخاب عناصر موضوع تحقیق.

جمعیت - مجموعه کاملی از اشیاء مرتبط با مسئله مورد مطالعه. در تحقیقات جامعه شناختی به عنوان G.S. اغلب آنها مجموعه ای از افراد هستند - جمعیت (شهر، کشور و غیره)، یک گروه اجتماعی (جوانان، بیکاران، تجار و غیره)، مخاطبان رسانه های جمعی (MSC) و غیره. با این حال، در بسیاری از موارد G.S. ممکن است از عناصر بزرگتر (اشیاء) - خانواده ها (خانوارها)، گروه های دانشگاهی، شرکت ها، جوامع مذهبی، مناطق یا ایالت های فردی و غیره تشکیل شود.

جمعیت نمونه - بخشی از اشیاء از یک جمعیت برای مطالعه به منظور نتیجه گیری در مورد کل جمعیت انتخاب شده است.

برای اینکه نتیجه به دست آمده از مطالعه نمونه به کل جامعه تعمیم یابد، نمونه باید دارای خاصیت نمایندگی باشد.

نمایندگی توانایی یک نمونه برای نشان دادن جامعه مورد مطالعه است. هر چه ترکیب نمونه با دقت بیشتری نشان دهنده جامعه در مورد موضوعات مورد مطالعه باشد، بازنمایی آن بیشتر است.

مثال: نماینده بودن را می توان با مثال زیر نشان داد. فرض کنیم جمعیت کل دانش آموزان مدرسه باشد (600 نفر از 20 کلاس، 30 نفر در هر کلاس). موضوع مطالعه نگرش نسبت به سیگار است. نمونه ای متشکل از 60 دانش آموز دبیرستانی جامعه را بسیار بدتر از نمونه ای از همان 60 نفر است که شامل 3 دانش آموز از هر کلاس می شود. دلیل اصلی این امر توزیع نابرابر سنی در طبقات است. در نتیجه، در حالت اول، بازنمایی نمونه کم است و در حالت دوم، بازنمایی بالا (همه موارد دیگر برابر هستند).

انواع نمونه

1. نمونه گیری تصادفی.

1.1. انتخاب تصادفی ساده.

1.2 روش نمونه برداری سیستماتیک (یا مکانیکی).

1.3 نمونه برداری سریالی (خوشه ای یا خوشه ای).

1.4. نمونه برداری طبقه ای.

2. نمونه گیری غیرتصادفی (غیر احتمالی).

2.2. نمونه گیری خود به خود.

2.3. نمونه گیری چند مرحله ای و تک مرحله ای.

1. نمونه گیری تصادفی.

ویژگی یک نمونه تصادفی این است که همه واحدهای جامعه احتمال یکسانی برای قرار گرفتن در جامعه نمونه را دارند. در صورت نمونه گیری تصادفی انجام می شود اصل تصادفی. مبنای نمونه گیری می تواند لیستی از کارمندان شرکت، دایرکتوری های تلفن، لیست های ثبت نام صاحبان خودرو، لیست رای دهندگان در شعب اخذ رای، ثبت خانه ها، و همچنین لیست های مختلفی باشد که توسط خود جامعه شناس تنظیم شده است، بسته به اهداف مطالعه (فهرست از خیابان هایی که پاسخ دهندگان در آنها انتخاب می شوند).

نمونه گیری تصادفی معمولاً در نظرسنجی های عمومی قبل از انتخابات، همه پرسی و سایر رویدادهای عمومی استفاده می شود.

به علاوهاین روش برای رعایت کامل اصل تصادفی بودن و در نتیجه اجتناب از خطاهای سیستماتیک است.

معایب این روش:

– نیاز به داشتن فهرستی از عناصر جمعیت.

- مشکل در انجام نظرسنجی

- حجم نمونه نسبتاً بزرگ

عناصری که تحت پوشش آزمایش قرار می گیرند (مشاهده، بررسی).

مشخصات نمونه:

• ویژگی های کیفی نمونه - دقیقاً چه چیزی را انتخاب می کنیم و از چه روش های نمونه گیری برای این کار استفاده می کنیم.
• ویژگی های کمی نمونه - چند مورد را انتخاب می کنیم، به عبارت دیگر، حجم نمونه.

نیاز نمونه گیری:

• موضوع مطالعه بسیار گسترده است. به عنوان مثال، مصرف کنندگان محصولات یک شرکت جهانی تعداد زیادی از بازارهای پراکنده جغرافیایی هستند.
• نیاز به جمع آوری اطلاعات اولیه وجود دارد.

یوتیوب دایره المعارفی

1 / 5

✪ نمونه برداری: محاسبه حجم. قابلیت اطمینان و قدرت مطالعه. آمار زیستی.

✪ 02 - تشک. آمار فضای نمونه برداری. نمونه ها

✪ مبانی SQL برای مبتدیان | واکشی مقادیر از پایگاه داده

✪ SQL برای مبتدیان (DML): انتخاب از یک جدول (MySql)، درس 4!

✪ تولید پنل SIP. قسمت 2. برش و برش شکل. انتخاب شیارها. همه چیز در ذهن است

زیرنویس

اندازه نمونه

اندازه نمونه - تعداد موارد وارد شده در جامعه نمونه.

نمونه ها را می توان به بزرگ و کوچک تقسیم کرد، زیرا در آمار ریاضیبسته به حجم نمونه از رویکردهای متفاوتی استفاده می شود. اعتقاد بر این است که نمونه هایی با حجم بیشتر از 30 را می توان به عنوان بزرگ طبقه بندی کرد.

نمونه های وابسته و مستقل

هنگام مقایسه دو (یا بیشتر) نمونه، یک پارامتر مهم وابستگی آنها است. اگر بتوان یک جفت هممورفیک ایجاد کرد (یعنی زمانی که یک مورد از نمونه X با یک مورد از نمونه Y مطابقت دارد و بالعکس) برای هر مورد در دو نمونه (و این مبنای رابطه برای صفت مورد اندازه گیری مهم است. در نمونه ها) چنین نمونه هایی نامیده می شوند وابسته. نمونه هایی از نمونه های وابسته:

• جفت دوقلو،
• دو اندازه گیری از هر صفت قبل و بعد از قرار گرفتن در معرض تجربی،
• زن و شوهر
• و غیره

اگر چنین رابطه ای بین نمونه ها وجود نداشته باشد، این نمونه ها در نظر گرفته می شوند مستقل، به عنوان مثال:

• مردان و زنان،
• روانشناسان و ریاضیدانان

بر این اساس، نمونه های وابسته همیشه حجم یکسانی دارند، در حالی که حجم نمونه های مستقل ممکن است متفاوت باشد.

مقایسه نمونه ها با استفاده از معیارهای مختلف آماری انجام می شود:

• معیار پیرسون (χ 2 )
• آزمون تی دانشجویی ( تی )
• تست ویلکاکسون ( تی )
• معیار من ویتنی ( U )
• معیار علامت ( جی )
• و غیره

نمایندگی

نمونه ممکن است نماینده یا غیرنماینده در نظر گرفته شود. نمونه در هنگام بررسی گروه بزرگی از افراد نماینده خواهد بود، اگر در این گروه نمایندگانی از زیر گروه های مختلف وجود داشته باشد، این تنها راه برای نتیجه گیری صحیح است.

نمونه ای از نمونه غیر نماینده

1. مطالعه ای با گروه های آزمایش و کنترل که در شرایط مختلف قرار می گیرند.
   • مطالعه با گروه های آزمایش و کنترل با استفاده از راهبرد انتخاب زوجی
2. یک مطالعه با استفاده از تنها یک گروه - یک گروه تجربی.
3. مطالعه ای با استفاده از طرح ترکیبی (فاکتوریال) - همه گروه ها در شرایط مختلف قرار می گیرند.

انواع نمونه

نمونه ها به دو نوع تقسیم می شوند:

• احتمالی
• غیر احتمالی

نمونه های احتمالی

1. نمونه گیری با احتمال ساده:
   • نمونه گیری مجدد ساده استفاده از چنین نمونه ای بر این فرض استوار است که هر پاسخ دهنده به یک اندازه در نمونه گنجانده می شود. بر اساس فهرست جمعیت عمومی، کارت هایی با شماره پاسخگو تهیه می شود. آنها در یک عرشه قرار می گیرند، مخلوط می شوند و یک کارت به طور تصادفی بیرون می آید، شماره آن نوشته می شود و سپس برگردانده می شود. در مرحله بعد، این روش به اندازه حجم نمونه مورد نیاز ما تکرار می شود. عیب: تکرار واحدهای انتخابی.

روند ساخت یک نمونه تصادفی ساده شامل مراحل زیر است:

1) باید به دست آید لیست کاملاعضای جمعیت و شماره این فهرست. چنین فهرستی، به یاد آوری، یک قاب نمونه گیری نامیده می شود.

2) اندازه نمونه مورد انتظار، یعنی تعداد مورد انتظار پاسخ دهندگان را تعیین کنید.

3) به تعداد واحدهای نمونه از جدول اعداد تصادفی اعداد استخراج کنید. اگر نمونه باید 100 نفر باشد، 100 عدد تصادفی از جدول گرفته می شود. این اعداد تصادفی را می توان توسط یک برنامه کامپیوتری تولید کرد.

4) از فهرست پایه مشاهداتی را انتخاب کنید که اعداد آنها با اعداد تصادفی نوشته شده مطابقت دارد

• نمونه گیری تصادفی ساده مزایای آشکاری دارد. درک این روش بسیار آسان است. نتایج مطالعه را می توان به جامعه مورد مطالعه تعمیم داد. بیشتر رویکردهای استنتاج آماری شامل جمع آوری اطلاعات با استفاده از یک نمونه تصادفی ساده است. با این حال، روش نمونه گیری تصادفی ساده حداقل چهار محدودیت قابل توجه دارد:

1) ایجاد یک چارچوب نمونه گیری که امکان یک نمونه تصادفی ساده را فراهم کند، اغلب دشوار است.

2) نتیجه استفاده از یک نمونه تصادفی ساده می تواند یک جمعیت زیاد یا جمعیتی باشد که در یک منطقه جغرافیایی بزرگ توزیع شده است که زمان و هزینه جمع آوری داده ها را به طور قابل توجهی افزایش می دهد.

3) نتایج استفاده از یک نمونه تصادفی ساده اغلب با دقت کم و خطای استاندارد بزرگتر از نتایج استفاده از سایر روش های احتمالی مشخص می شود.

4) در نتیجه استفاده از SRS، ممکن است یک نمونه غیرنماینده تشکیل شود. اگرچه نمونه‌های به‌دست‌آمده با نمونه‌گیری تصادفی ساده، به‌طور متوسط ​​جامعه را به‌اندازه کافی نشان می‌دهند، اما برخی از آنها به شدت جامعه مورد مطالعه را نادرست معرفی می‌کنند. احتمال این به خصوص با حجم نمونه کوچک زیاد است.

• نمونه گیری ساده و غیر تکراری. روش نمونه گیری یکسان است، فقط کارت های دارای شماره پاسخگو به عرشه بازگردانده نمی شوند.

1. نمونه گیری احتمال سیستماتیک این یک نسخه ساده شده از نمونه گیری احتمالی ساده است. بر اساس فهرست جمعیت عمومی، پاسخ دهندگان در یک بازه زمانی معین (K) انتخاب می شوند. مقدار K به طور تصادفی تعیین می شود. قابل اطمینان ترین نتیجه با یک جمعیت همگن به دست می آید، در غیر این صورت اندازه گام و برخی الگوهای چرخه ای داخلی نمونه ممکن است مطابقت داشته باشند (اختلاط نمونه). معایب: مانند نمونه احتمالی ساده.
2. نمونه گیری سریالی (خوشه ای). واحدهای انتخاب مجموعه های آماری (خانواده، مدرسه، تیم و غیره) هستند. عناصر انتخاب شده در معرض بررسی کامل قرار دارند. انتخاب واحدهای آماری را می توان به صورت تصادفی یا سیستماتیک سازماندهی کرد. عیب: امکان همگنی بیشتر نسبت به جمعیت عمومی.
3. نمونه گیری منطقه ای در مورد جمعیت ناهمگن، قبل از استفاده از نمونه‌گیری احتمالی با هر تکنیک انتخابی، توصیه می‌شود که جامعه را به بخش‌های همگن تقسیم کنید، به چنین نمونه‌ای، نمونه‌گیری ناحیه‌ای گفته می‌شود. گروه‌های پهنه‌بندی می‌توانند هم سازندهای طبیعی (مثلاً نواحی شهر) و هم هر ویژگی که اساس مطالعه را تشکیل می‌دهد، باشد. مشخصه ای که بر اساس آن تقسیم بندی انجام می شود، مشخصه طبقه بندی و پهنه بندی نامیده می شود.
4. نمونه "راحتی". روش نمونه گیری آسان شامل تماس با واحدهای نمونه گیری مناسب - گروهی از دانش آموزان، یک تیم ورزشی، دوستان و همسایگان است. اگر می خواهید اطلاعاتی در مورد واکنش افراد به یک مفهوم جدید به دست آورید، این نوع نمونه گیری کاملا منطقی است. نمونه گیری آسان اغلب برای پیش آزمون پرسشنامه ها استفاده می شود.

نمونه های غیر احتمالی

انتخاب در چنین نمونه ای نه بر اساس اصول تصادفی، بلکه بر اساس معیارهای ذهنی - در دسترس بودن، معمول بودن، نمایندگی برابر و غیره انجام می شود.

1. نمونه گیری سهمیه ای - نمونه به عنوان مدلی ساخته می شود که ساختار جمعیت عمومی را در قالب سهمیه (نسبت) ویژگی های مورد مطالعه بازتولید می کند. تعداد عناصر نمونه با ترکیب های مختلف از ویژگی های مورد مطالعه به گونه ای تعیین می شود که با سهم (نسبت) آنها در جامعه عمومی مطابقت داشته باشد. به عنوان مثال، اگر جمعیت عمومی ما 5000 نفر باشد که از این تعداد 2000 نفر زن و 3000 نفر مرد هستند، در نمونه سهمیه ای 20 زن و 30 مرد یا 200 زن و 300 مرد خواهیم داشت. نمونه های سهمیه اغلب بر اساس معیارهای جمعیت شناختی هستند: جنسیت، سن، منطقه، درآمد، تحصیلات و موارد دیگر. معایب: معمولاً چنین نمونه هایی نماینده نیستند، زیرا چندین پارامتر اجتماعی را نمی توان همزمان در نظر گرفت. مزایا: مواد به راحتی در دسترس است.
2. روش گلوله برفی. نمونه به صورت زیر ساخته می شود. از هر پاسخ دهنده، با اولی شروع می شود، از دوستان، همکاران، آشنایانش خواسته می شود که با شرایط انتخاب مناسب باشند و بتوانند در مطالعه شرکت کنند. بنابراین به استثنای مرحله اول، نمونه با مشارکت خود موضوعات تحقیق تشکیل می شود. این روش اغلب در مواقعی استفاده می‌شود که نیاز به یافتن و مصاحبه با گروه‌های غیرقابل دسترس از پاسخ‌دهندگان باشد (به عنوان مثال، پاسخ دهندگان با درآمد بالا، پاسخ دهندگان متعلق به همان گروه حرفه ای، پاسخ دهندگانی که هر گونه سرگرمی/علاقه مشابهی دارند و غیره)
3. نمونه گیری خود به خود - نمونه برداری از به اصطلاح "اولین فردی که ملاقات می کنید". اغلب در نظرسنجی های تلویزیونی و رادیویی استفاده می شود. اندازه و ترکیب نمونه های خود به خودی از قبل مشخص نیست و تنها با یک پارامتر تعیین می شود - فعالیت پاسخ دهندگان. معایب: نمی توان تعیین کرد که پاسخ دهندگان چه جمعیتی را نمایندگی می کنند و در نتیجه تعیین نماینده بودن غیرممکن است.
4. بررسی مسیر - اغلب اگر واحد مطالعه خانواده باشد استفاده می شود. در نقشه محلی که بررسی در آن انجام می شود، تمام خیابان ها شماره گذاری شده اند. با استفاده از جدول (مولد) اعداد تصادفی، اعداد بزرگ انتخاب می شوند. هر کدام تعداد زیادیاز 3 جزء تشکیل شده است: شماره خیابان (2-3 شماره اول)، شماره خانه، شماره آپارتمان. به عنوان مثال، شماره 14832: 14 شماره خیابان روی نقشه، 8 شماره خانه، 32 شماره آپارتمان است.
5. نمونه برداری منطقه ای با انتخاب اشیاء معمولی. اگر پس از منطقه بندی، یک شی معمولی از هر گروه انتخاب شود، یعنی شی ای که از نظر اکثر ویژگی های مورد مطالعه در مطالعه به میانگین نزدیک باشد، به چنین نمونه ای منطقه بندی شده با انتخاب اشیاء معمولی گفته می شود.
6. نمونه گیری مودال
7. نمونه گیری تخصصی
8. نمونه ناهمگن

استراتژی های گروه سازی

انتخاب گروه‌ها برای شرکت در یک آزمایش روان‌شناختی با استفاده از استراتژی‌های مختلف انجام می‌شود تا اطمینان حاصل شود که اعتبار درونی و بیرونی تا بیشترین حد ممکن حفظ می‌شود.

تصادفی سازی

تصادفی سازی، یا انتخاب تصادفی، برای ایجاد نمونه های تصادفی ساده استفاده می شود. استفاده از چنین نمونه ای بر این فرض استوار است که هر یک از اعضای جامعه به یک اندازه در نمونه گنجانده می شوند. به عنوان مثال، برای ایجاد یک نمونه تصادفی از 100 دانشجوی دانشگاه، می توانید تکه های کاغذی را با نام همه دانشجویان در یک کلاه قرار دهید و سپس 100 تکه کاغذ را از آن خارج کنید - این یک انتخاب تصادفی خواهد بود (گودوین جی .، ص 147).

انتخاب دوتایی

انتخاب دوتایی- راهبردی برای ساختن گروه‌های نمونه‌گیری که در آن گروه‌هایی از آزمودنی‌ها از آزمودنی‌هایی تشکیل می‌شوند که از نظر پارامترهای ثانویه که برای آزمایش مهم هستند، معادل هستند. این استراتژی برای آزمایش با استفاده از گروه های آزمایش و کنترل با بهترین گزینه- جذب جفت های دوقلو (تک و دو تخمکی).

نمونه برداری استراتومتری

نمونه برداری استراتومتری- تصادفی سازی با تخصیص طبقات (یا خوشه ها). با این روش نمونه‌گیری، جمعیت عمومی به گروه‌هایی (اقشار) با ویژگی‌های معین (جنس، سن، ترجیحات سیاسی، تحصیلات، سطح درآمد و...) تقسیم می‌شوند و آزمودنی‌هایی با ویژگی‌های مربوطه انتخاب می‌شوند.

مدلسازی تقریبی

مدلسازی تقریبی- ترسیم نمونه های محدود و تعمیم نتیجه گیری در مورد این نمونه به جامعه وسیع تر. به عنوان مثال، با شرکت دانشجویان سال دوم دانشگاه در مطالعه، داده های این مطالعه برای افراد 17 تا 21 ساله اعمال می شود. پذیرش چنین تعمیم هایی بسیار محدود است.

مدل‌سازی تقریبی، شکل‌گیری مدلی است که برای یک کلاس (فرآیند) به وضوح تعریف شده، رفتار (یا پدیده‌های مورد نظر) خود را با دقت قابل قبولی توصیف می‌کند.