3. Экономия времени и соображения всегда

Контрольный образец размером. Хотя исследователи

могут пожелать использовать образец 1000 на

опроса, экономика такого образца

Обычно непомерно высокой. Исследования с 1000

респондентов может легко стоить больше, чем

$ 75 000. Большинство исследований проводится с использованием

Размер выборки, которая соответствует проекту

бюджета. Если меньшая выборка навязывается исследователю

кто-то другой (клиента или проекта

менеджер) результаты должны интерпретироваться

с осторожностью. Однако, учитывая, что снижение

Размер выборки от 1000 до 400 (для

например) снижает погрешность выборки только

небольшой процент, исследователей может быть мудрым

рассмотреть вопрос об использовании меньших образцов для большинства

проектов.

4. Многомерного исследования требуют больших

Образцы, чем одномерный исследованиям, потому что

они включают анализ множественных ответов

данных (несколько измерений на ту же тему).

Один руководство рекомендуется для

многомерного исследования заключается в следующем: 50 5 очень

Плохо, 100 5 бедным; 200 5 справедливыми; 300 5 хороших;

500 5 очень хорош; 1000 5 отлично (Комри

& Lee, 1992). Другие исследователи предполагают,

с использованием образца из 100 плюс один предмет для каждого

зависимой переменной в анализе (Gorsuch,

1983).

5. Для панельного исследования, центральное расположение тестирования,

фокус-группы, и другие проекты prerecruit,

Исследователи должны всегда выбирать больший

образца, чем на самом деле требуется. Чем больше

образца компенсирует тех субъектов, которые

выпадают из исследований по одной причине

или иначе, и пособия должны быть сделаны для

это при планировании выборки. высокий

отсева особенно распространены в

Панель исследований, где те же самые группы субъектов

будет тестировать или измерять часто более

длительного периода времени. Обычно исследователи могут

ожидаем 10-25% выборки, чтобы выйти из

исследования до его завершения, а 50% или

более не является редкостью.

6. Использованием информации, имеющейся в опубликованных

исследований. Консалтинг Другие исследования дают

отправной точки. Если обследование планируется и

Похожие исследования показывают, что представитель

образце 400 была использована регулярно

надежные результаты, то образец большего

чем 400 может быть ненужным.

7. Вообще говоря, чем больше

образце, тем лучше. Тем не менее, большая нерепрезентативным

образца (закон больших

Числа) столь же бессмысленно, как небольшой нерепрезентативным

образца, так исследователи должны

не считают цифры. качество образца

всегда важнее в выборки

чем просто размер. Во время нашего 35-плюс

лет исследований, мы обнаружили, что

образец размером менее 30 в данной соте

(например, женщины, 18-24) производит нестабильные

результаты.

Ошибка выборки

Поскольку исследователи дело с образцами от

населения, должен быть какой-то путь для

им сравнить результаты (или делать выводы

о), что было обнаружено в образце

к тому, что существует в целевой группе населения.

Однако, как отмечалось ранее, всякий раз, когда

выборки из совокупности изучается,

Результаты образца (наблюдаемых измерений)

будет в определенной степени от того, что

Теоретически существует в популяции (ожидается

измерений). Вычисление ошибки

за счет отбора проб обеспечивает оценку Разница между наблюдаемыми и ожидаемыми

измерениями и является основой всех

исследования интерпретации.

Есть два важных терминов, относящихся

к вычислительным ошибкам из-за выборки:

(1) стандартная ошибка (обозначенные как SE) и

(2) ошибки выборки, которая также упоминается

как погрешности или доверительный интервал

(обозначенные как таковые или м или ДИ). стандартный

Ошибка относится к населению и

как образцы относятся к этой популяции. Если

большое количество образцов, выбирают из

населения, данные (или статистической информации)

от тех образцов попадет в

некоторый тип узора.Стандартная ошибка

Статистика это стандартное отклонение (среднее

разница очков населения

среднее) выборочного распределения этого

статистика. Стандартные ошибки тесно связано

Размер выборки при увеличении размера выборки,

Стандартная ошибка уменьшается.

Ошибка выборки обеспечивает индикацию

как близко данных из выборки должны

Население имею в виду. Низкий ошибка выборки указывает

что там меньше или диапазон изменчивости в

выборочное распределение.

Например, предположим, что мы хотим измерить

отношений 18-24-летнего зрителя

в Денвере, штат Колорадо, к новому телевидению

программы. Кроме того, предполагается, что все

зрителей производят средний балл 6.0 на

из 10 пунктов программе обращение измерения

масштабе. Некоторые люди могут не любить программы

Скорость и шоу 1, 2, или 3, а некоторые могут найти

это посредственный и оценить 4, 5, 6 или 7, и

Остальные зрители могут, как показывают много

и оценить 8, 9, или 10. Различия между

18 - 24-летнего зрителя привести пример

о том, как ошибка выборки может произойти. если

мы попросили каждого зрителя, чтобы оценить шоу в

Отдельное исследование и каждый из них оценили программу

6, то никакие ошибки не существует. Тем не менее,

безошибочную образца маловероятно.

Ответчик различия существуют, а некоторые

не нравится программа и другие подобные ему.

Хотя средний рейтинг программы

6,0 в гипотетического примера можно

на выборку из популяции

, что не соответствует средний рейтинг.

Образец может быть выбран, который включает

Только зрители, которым не нравится программа. это

будет искажать населения из-за

Средняя оценка апелляция была бы ниже

чем средний балл. Вычисление процента

ошибки выборки позволяет исследователям

для оценки риска, связанного с принятием

результаты исследований как "реальные".

Вычислительные ошибки выборки соответствующих

лишь с вероятностью образцов. ошибка выборочного исследования

не может быть вычислен с исследований, которые

использует образцы nonprobability потому что не все

имеет равные шансы быть выбранным.

Это одна причина образцы nonprobability

используются только в предварительных исследований или

В исследованиях, в которых ошибки не считается

важно.

Ошибка выборки вычисления необходимы

в области исследований и основаны на концепции

центральной предельной теоремы. В своей простейшей

форме, теорема утверждает, что сумма

Большое количество независимых одинаково

распределенные случайные величины (или отбора проб распределений) имеет приблизительный нормальной

распределения.Теоретическое распределение выборки

является множество всех возможных выборок

заданного размера. Такое распределение значений

описывается колоколообразной кривой нормального или

кривой (также известный как распределение Гаусса,

после того, как Карл Ф. Гаусс, немецкий математик

и астронома, который использовал

концепция для анализа ошибок наблюдений).

нормальное распределение играет важную роль в вычислительной

Ошибка выборки, потому что ошибки выборки

(выборочного распределения), которые выполнены в

повторных измерений, как правило, обычно

распределены.

Вычислительные ошибки выборки представляет собой процесс

определение, с определенной долей уверенности,

разница между образцом и

целевых групп населения. Ошибка может произойти

случайно или через некоторые вине исследований

процедуры. Однако, когда вероятностной выборке

используется, частота ошибки может быть

определяется с учетом взаимосвязи между

образцом и нормальной кривой.

нормальной кривой, как показано на рисунке 4.3, симметрично

относительно среднего или средней, которая

показывает, что равное число баллов лежит

по обе стороны от средней точки.

Уровень доверия и

доверительный интервал

Ошибка выборки включает в себя два понятия: уверенность

уровне и доверительного интервала. После

Исследовательский проект проводится, исследователь

оценивает достоверность результатов в плане

уровня доверия, что результаты лежат

в течение заданного интервала.уверенность

уровень указывает степень уверенности (в процентах)

что, что результаты исследования, падение

в пределах заданного диапазона значений. Типичные доверия

Уровни 95% и 99%.уверенность

интервал (погрешность или отбора образцов

ошибки) плюс-минус процент, который

диапазон, в пределах уровня доверия. Так, например,

если 5% доверительный интервал используется,

и 50% выборки дает конкретный

ответ на вопрос, фактический результат для

этот вопрос находится между 45% и 55%

(50 6 5).

При использовании уровня доверия и уверенности

Интервал вместе, исследователей, использующих

уровне достоверности 95% с 65% доверительный

Интервал можно сказать, что они являются 95%

что их результаты с точностью до 65%.

В каждом нормальном распределении, стандартная

отклонение определяет стандартный (или среднего) блока

расстояния от средних значений распределения

к внешним пределам распределения. эти

Стандартное отклонение интервала единиц (Z-значений) используются в создании доверительный интервал , который принимается в исследовательском проекте. Кроме того, в единицах стандартного отклонения указывают количество стандартная ошибка. Так, например,

использованием уровнем достоверности 11 или -1 Стандартная единица-1 стандартное отклонение ошибок

говорит, что вероятность того, что 68%

проб, отобранных от населения

получения оценок в пределах этого расстояния от

населения и качество (1 стандартное отклонение

блок, см. рисунок 4.3).

Исследователи используют ряд различных

уровня доверия. Большую уверенность в результатах

достигается, когда данные испытывают при

более высокого уровня, например, 95% или 99%. Исследование проекты, которые носят предварительный характер или

результаты которых не предназначено для использования в

значительное принятия решений можно и нужно

использовать более консервативные уровни доверия,

такие, как 68%. Проведение исследований, который занимается с человека в качестве субъекта достаточно сложно на самостоятельно, без еще более усложняет

работы с весьма ограничительные уровни доверия.

Исследователь должен сбалансировать необходимость

с практичностью. Например, исследователь

возможно, необходимо спросить, есть ли свое расследование

о вкусах и предпочтениях в музыке

должна быть проверена при доверительной

95% или 99%. Ответ на этот вопрос нет. В самом деле,

Необходимость уровня доверия и уверенности

интервалами в поведенческих исследований находится под

дискуссии. Исследования часто судят как хорошее

или плохим в зависимости от того, исследование

"Статистически значимым", а не от того

Исследование способствовало ничего в развитие

знания. Статистическая значимость

сам по себе не помазать исследовательском проекте в

научные; недостоверный вывод так же важно,

к знаниям как исследование, что "находит"

статистической значимости.

Площадь под кривой нормального распределения в таблице

3 Приложения 1 используются для определения других уровня доверия. Например, 68%

уровне достоверности (0,34 по обе стороны

имею в виду) соответствует 1,00 стандартная ошибка;

95% уровень соответствует 1,96 стандартным

ошибок, и 99% интервал соответствует

2,576 стандартные ошибки. Если статистические данные

из образца выходят за установленный диапазон

исследователя, результаты считаются

значительным.