Optimale steekproef: definitie en factoren

Na het lezen van dit artikel leert u over de definitie en factoren die van invloed zijn op optimale steekproef voor een studie.

Definitie van een optimale steekproef:

Een optimale steekproef voor een onderzoek kan worden gedefinieerd als die steekproef die voldoet aan de eisen van efficiëntie, representativiteit, betrouwbaarheid en flexibiliteit. Dat wil zeggen, het monster moet klein genoeg zijn om overbodige kosten te voorkomen en groot genoeg zijn om de onderzoeker te helpen bij het voorkomen van fouten in de steekproef die verder gaan dan de limiet voor tolerantie.

Het moet groot genoeg zijn om statistisch representatieve en significante resultaten op te leveren in alle tabellen van elke import, maar het hoeft niet zo groot te zijn dat het leidt tot verspilling van fondsen, het project vertraagt ​​en onnodig hoge precisie bereikt. Het monster moet de gewenste schattingen opleveren met het vereiste betrouwbaarheidsniveau tegen minimale kosten.

Er dient aan te worden herinnerd dat efficiënte bemonstering in de praktijk inhoudt dat de beschikbare middelen optimaal worden benut in termen van techniek en organisatie van statistische gegevens en dat zo goed mogelijk rekening wordt gehouden met de beperkingen van tijd, middelen en personeel die oorspronkelijk aan het onderzoek waren opgelegd.

Daarnaast moet het in sommige gevallen mogelijk zijn om de steekproefomvang uit te breiden of te contracteren om te voldoen aan onvoorziene omstandigheden die zich in de loop van het onderzoek voordoen. In bepaalde situaties kunnen de betrouwbaarheid en efficiëntie worden verbeterd door de gewenste veranderingen in de grootte van het monster te bewerkstelligen.

Op het niveau van de praktijk kunnen deze idealen worden benaderd, maar worden ze zelden gerealiseerd en kan niet worden verwacht dat de juiste steekproefomvang wordt gekozen.

Factoren die het optimale monster beïnvloeden:

De keuze van de steekproefgrootte voor een bepaald onderzoek wordt beïnvloed door verschillende factoren. Deze factoren zijn onderling gerelateerd en variëren sterk in verschillende onderzoeken met betrekking tot hun relatieve belang bij het bepalen van de steekproefomvang.

(1) De aard van de bevolking (homogeen en heterogeen):

De grootte van de steekproef in een onderzoek zal afhangen van de mate van homogeniteit van de populatie. Hoe homogener de populatie, hoe minder gevallen er nodig zijn om er een betrouwbaar staal van te krijgen en omgekeerd, des te heterogener de populatie meer de gevallen zijn die nodig zijn om er een betrouwbaar staal van te vormen.

De omvang van het monster dat nodig is voor een bevredigende studie van een heterogene populatie kan worden verminderd door de populatie in lagen in te delen. Sommige van deze lagen zijn homogener en andere minder. Meer homogene lagen kunnen worden weergegeven door kleinere steekproeven dan de relatief heterogene.

Dit is zo omdat hoe homogener een stratum, des te beter een willekeurige steekproef van een gegeven grootte het vertegenwoordigt, dat wil zeggen, meer gelijk zullen de gevallen in de steekproef zijn, vandaar minder variabel hun gemiddelde.

(2) Complexiteit van tabellen:

Bij het nemen van een beslissing over de grootte van de steekproef, moet men ook rekening houden met het aantal categorieën en klassen waarin de bevindingen moeten worden gegroepeerd en geanalyseerd. Hoe groter het aantal categorieën, des te groter is de totale steekproef die nodig is om betrouwbare statistische metingen ervan te verkrijgen.

Hoewel een steekproef voor de hoofdtabellering waarschijnlijk voldoende lijkt, zal het aantal waarschijnlijk snel afnemen wanneer gedetailleerde tabellen worden opgesteld.

Een voorbeeld van 1.000 studenten lijkt bijvoorbeeld een voldoende aantal voor een enquête die is opgezet om na te gaan welk percentage studenten de voorkeur geven aan co-educatie. Laten we zeggen dat slechts 25% voorstander is (250 studenten).

Als de onderzoeker verder wilde gaan en het type studenten wilde kennen dat de voorkeur gaf aan co-educatie, zou hij deze respondenten verder moeten indelen, op de dimensies zoals of ze al eerder ervaring hadden met de universitaire instelling? Van welke sociale klasse komen ze? Wat voor soort familieachtergrond hebben ze? Wat was de aard van hun ervaring (als die er was) van de universitaire instelling? Enzovoorts.

Op die manier kan de onderzoeker uiteindelijk slechts 10 of 15 gevallen van een bepaald type vinden (namelijk geen eerdere ervaring van co-educatie, middenklasse, orthodoxe familieachtergrond, enz.). Zo'n monster kan slechts een zeer dunne basis bieden om te komen tot significante en generaliseerbare conclusies over de relatie tussen variabelen.

De grootte van het gekozen monster moet groot genoeg zijn om betrouwbare meetresultaten te geven voor de kleinste belangrijke categorieën. Wanneer gegevens worden onderverdeeld in kleinere en kleinere subklassen, wordt het aantal gevallen dat in verschillende cellen valt snel zo klein dat statistische metingen die worden berekend op basis van de celinvoer waarschijnlijk onbetrouwbaar zijn.

De intensiteit van de tabelvorming is dus een factor die van belang is voor de beslissing met betrekking tot de steekproefomvang.

(3) Problemen met betrekking tot het verzamelen van gegevens:

Meestal moet de omvang van het monster binnen de numerieke limiet van gevallen worden gehouden die kunnen worden beveiligd met opgegeven geldmiddelen en tijd. De hoeveelheid gegevens wordt beïnvloed door de lengte van de vragenlijst / het tijdschema, het aantal veldwerkers, de spreiding of concentratie van gevallen in een geografisch gebied, de weigering, het aantal zakenverlies, het type steekproef dat wordt gebruikt en ten slotte, de methode van gegevensverzameling.

De transportkosten die gemoeid zijn met het ophalen van het ene adres naar het andere en in callbacks (tweede of derde oproep) moeten worden overwogen bij het bepalen van de grootte van het monster. Bij het plannen van de steekproefgrootte moet de onderzoeker altijd anticiperen op het feit dat hij tekortschiet in de verzameling van het nummer dat is toegewezen voor ondervraging.

Mensen migreren, sterven, kunnen geen informatie geven door ziekte, gaan op vakantie of voor zaken, kunnen niet gelokaliseerd worden, weigeren te antwoorden, adressen blijken fout te zijn, enzovoort.

Het is een goed beleid om, indien menselijk mogelijk, informatie te verzamelen uit alle gevallen in de steekproef. Dit betekent dat er aanzienlijk meer tijd nodig is dan nodig zou zijn als alleen toegankelijke en coöperatieve zaken werden verkregen. Het is echter beter om een ​​kleinere steekproef zonder vooroordeel te hebben dan een grote steekproef die waarschijnlijk niet representatief is voor het universum vanwege de vooringenomenheid.

(4) Samplingtype:

Over het algemeen is een kleiner monster voldoende wanneer stratificatie wordt toegepast. Dit komt omdat het effect van stratificatie is om de relatief heterogene totaliteit op te lossen in een aantal individueel homogene submonsters. Hoe heterogener de bevolking, hoe groter de economie van gevallen die mogelijk is door stratificatie.

Bij monsterneming die bekend staat als dubbele bemonstering, combineert de onderzoeker een groot willekeurig monster (voor de verzameling van een paar elementaire gegevensitems) met een zeer klein, gecontroleerd of gestratificeerd monster (waaruit gedetailleerde of gecompliceerde informatie is beveiligd).

De vereiste hier is dat de grootte van de willekeurige steekproef groot genoeg moet zijn om betrouwbare gewichten voor de verschillende lagen op te leveren. De gestratificeerde steekproef zelf vraagt ​​minder gevallen vergeleken met een eenvoudige willekeurige steekproef, omdat de steekproef in elke stratum representatief moet zijn voor die stratum en niet voor het 'universum'.

Een belangrijke factor bij het bepalen van het benodigde aantal gevallen is de grootte van de bemonsteringseenheden. Hoe groter de steekproefeenheid, hoe groter het aantal gevallen dat nodig is voor afzonderlijke tabellen.