فرایند نمونه گیری

فرایند نمونه گیری:

برای جمع آوری داده ها باید جامعه آماری را مطالعه کنیم که به دلایلی چون ضیق وقت، هزینه و … امکان مطالعه ی تمام جامعه (سرشماری) را نداریم، پس از استراتژی نمونه گیری استفاده می کنیم. نمونه گیری باید منطقی باشد تا آماره های آن پارامترهای جامعه را به درستی مشخص کند.

1. تعریف جامعه آماری: جامعه آماری در عنوان (Topic) مشخص می شود. مثلا اگر عنوان تحقیق “بررسی عوامل موفقیت دانشجویان تحصیلات تکمیلی دانشگاه تهران” باشد، جامعه آماری “دانشجویان تحصیلات تکمیلی دانشگاه تهران” می باشد.
2. تعیین چهارچوب نمونه گیری: به عنوان مثال برای بررسی لیست دانشجویان تحصیلات تکمیلی دانشگاه تهران باید لیست تمامی دانشجویان دانشکده را به صورت کدگذاری شده داشته باشیم. چارچوب نمونه در این مثال عبارتست از لیست جامعه (مثلا از ۱ تا ۲۰۰۰) که با کد واسم که در کامپیوتر موجود است.
3. مشخص کردن طرح نمونه گیری (احتمالی ، غیراحتمالی): این مرحله مشخص کردن استراتژی نمونه گیری است که بسیار مهم است و باید به دقت روی آن کار شود.
4. مشخص کردن اندازه یا تعداد نمونه
5. اجرا کردن پروسه ی نمونه گیری

در انتخاب نمونه، اصل اساسی، استراتژی نمونه گیری یا همان طرح نمونه گیری است (sample design) نه تعداد آن. و استراتژی هم این است که آیا نمونه تعداد جامعه را نمایندگی می کند؟ در صورتی که پاسخ مثبت باشد طرح نمونه گیری احتمالی است، در غیر این صورت غیر احتمالی. سپس با توجه به هدف تحقیق یکی از روش های نمونه گیری انتخاب می شود. وقتی طرح نمونه گیری منطقی باشد و تعداد نمونه هم منطقی باشد داده های ما با کیفیت هستند.

تعمیم پذیری (نمایندگی کردن): وقتی هدف تحقیق تعیین پارامترهای جامعه از روی آماره های نمونه باشد. در مثال بررسی عوامل موفقیت دانشجویان تحصیلات تکمیلی دانشگاه تهران، اگر هدف تحقیق صرفا تعمیم پذیری باشد فاکتورهایی چون جنسیت، رشته تحصیلی، دانشکده و … دیگر مهم نیست.

تفاوت طرح های نمونه گیری احتمالی و غیراحتمالی، در نمایندگی کردن است.

 

در انتخاب نمونه، اصل اساسی، استراتژی نمونه گیری یا همان طرح نمونه گیری است (sample design) نه تعداد آن. و استراتژی هم این است که آیا نمونه تعداد جامعه را نمایندگی می کند؟ در صورتی که پاسخ مثبت باشد طرح نمونه گیری احتمالی است، در غیر این صورت غیر احتمالی.

روش های نمونه گیری احتمالی:

1. نمونه گیری تصادفی ساده (Simple Random): در این روش طرح نمونه (Sampling Frame ) موجود است. در این روش از قرعه کشی استفاده می شود و افراد برای انتخاب شدن شانس مساوی دارند (ولی در روش تصادفی همه از شانس یکسان برخوردار نیستند). در مثال فوق بعد از انتخاب هر دانشجو، آن دانشجو به لیست برگردانده می شود تا همه افراد از شانس و احتما مساوی برای انتخاب شدن برخوردار باشند ( در صورت انتخاب مجدد به لیست عودت می شود و نفر دیگر انتخاب می شود)
2. نمونه گیری تصادفی منظم (Systematic Sampling): در این روش نمونه گیری به وسیله ی یک برنامه کامپیوتری، به صورت سیستماتیک و از طریق جدول اعداد تصادفی انتخاب می شود. به عنوان مثال در این روش ابتدا فاصله بین نمونه ( K=تعداد جامعه تقسیم بر تعداد نمونه مثلا۱۰۰ = K= ) مشخص می شود. سپس عدد اول (نفر اول) مشخص و بعد برنامه از همان نفر به بعد ۱۰۰ تا ۱۰۰ تا مابقی را انتخاب می کند. از مزایای این روش این است که اگر چارچوب نمونه گیری در دسترس باشد استفاده از آن راحت است و از جمله عیوب آن اسن است که ممکن است علایق شخصی در آن دخیل شود (مثلا در انتخاب نفر اول)
3. نمونه گیری خوشه ای (Cluster Sampling): از بین سه روش فوق این روش ازاعتبار کم تری برخوردار است. زمانی از این روش استفاده می شود که گستره جغرافیایی تحقیق بسیار وسیع است و ما به خاطر کاهش هزینه های نمونه گیری از این روش استفاده می کنیم. این روش از خوشه بندی استفاده می کند و در نهایت ما را به حیطه ی خاصی می رساند. مثلا اگر جامعه آماری “مدارس راهنمایی کل کشور” باشد و بخواهیم از روش تصادفی ساده استفاده کنیم کار ما سخت خواهد شد بنابراین از این روش استفاده می کنیم. بدین صورت که از ۳۱ منطقه آموزش پرورش کل کشور ۵ تا را به صورت تصادفی انتخاب می کنیم، از هر منطقه چند شهرستان و از هر شهرستان چند ناحیه و از هر ناحیه چند مدرسه را انتخاب می کنیم. مثلا ۵ مدرسه از تهران، ۵ مدرسه از اصفهان و … .
4. نمونه گیری طبقه ای منظم  (Proportionate Stratified): در بین تمام طرح های نمونه گیری احتمالی این روش از بیشترین اعتبار برخوردار است. در این روش جامعه آماری چند طبقه دارد که هر طبقه باید یک طرح نمونه جداگانه داشته باشد مثلا در “بررسی عوامل موفقیت دانشجویان تحصیلات تکمیلی دانشگاه تهران” باید لیست دانشجویان دختر و پسر به طور جداگانه در دسترس باشد. سپس درصدی از هر طبقه به طور منظم انتخاب شود و در نهایت درصدهای هر طبقه با هم جمع و نمونه انتخاب شود.
5. نمونه گیری طبقه ای نامنظم (Disproportionate Stratified): در صورتی که بنا به تشخیص محقق درصدهای انتخابی از هر طبقه معقول نباشد می توان آنها را دستکاری کرد که طبقه ای منظم به نامنظم تبدیل می شود.
6. نمونه گیری منطقه ای (Area Sampling): مثلا قوم خاصی را در منطقه ی خاصی مطالعه می کنیم.
7. نمونه گیری دوبله (Double Sampling): زمانی که اطلاعات بیشتری از یک نمونه لازم است از این روش استفاده می شود. ضعف آن این است که معمولا افراد تمایل ندارند برای بار دوم نمونه گیری شوند.

 

روش های نمونه گیری غیراحتمالی:

این روش ها زمانی مورد استفاده قرار می گیرند که نمایندگی کردن نمونه برای تحقیق مهم نیست و هدف تحقیق مطالعه کل جامعه نیست. مثل مطالعات تاریخی یا زمانی که نیاز به یک سری اطلاعات سریع و ضروری وجود دارد. در این صورت با توجه به هدف تحقیق یکی از سه روش زیر انتخاب می شود:

1. نمونه گیری در دسترس یا دم دستی یا تصادفا (Convenience): زمانی که هدف، یکسری اطلاعات سریع –هرجند غیرمعتبر- باشد از این روش استفاده می شود که در بین روش های غیراحتمالی کمترین اعتبار را دارد. مثلا اگر هدف بررسی سریع رضایتمندی از مترو است، در سطح شهر هر جا که در دسترس تر باشد ( صرف نظر از اینکه سوال شونده از مترو استفاده می کند یا خیر) پرسشنامه توزیع می شود. این روش به هیچ عنوان تعمیم پذیر نیست.
2. نمونه گیری قضاوتی (Judgment): در مثال فوق به سراغ کسانی می رویم که از مترو استفاده می کنند. در این روش تعمیم پذیری زیر سوال است.
3. نمونه گیری سهمیه ای (Quota): در مثال فوق ۵ نقطه از ایستگاه های متروی شهر ( بالاشهر- پایین شهر و …) انتخاب می شود و پرسشنامه بین آنها توزیع می شود. در این روش به راحتی قابل تعمیم نیست.

قبل از نمونه گیری باید استراتژی یا طرح نمونه گیری مشخص شود (احتمالی یا غیراحتمالی)، سپس بر اساس هدف مطالعه نوع نمونه گیری انتخاب شود (تصادفی ساده، تصادفی منظم و..). مرحله بعدی تعیین اندازه نمونه (Sample Size) است.

عوامل موثر بر تعیین اندازه نمونه:

• هدف تحقیق
• میزان دقت مورد نظر (فاصله اطمینان)
• ریسک مورد قبول در پیش بینی سطح دقت فوق (سطح اطمینان)
• میزان تغییرپذیری در خود جامعه
• محدودیت های مالی و زمانی
• در برخی موارد اندازه و حجم خود جامعه

قواعد تجربی برای تعیین حجم نمونه:

1. بیش از ۲۰ و کمتر از ۵۰۰ باشد.
2. در جایی که نمونه به چند طبقه تقسیم می شود، حداقل حجم نمونه ی هر طبقه باید ۳۰ باشد.
3. تحقیقاتی که دارای چندین متغیر هستند باید چند برابر (۱۰ برابر یا بیشتر) تعداد متغیرها باشد.
4. برای تحقیقات آزمایشی ساده (تجربی) کمتر از ۱۰ تا۲۰

تعداد نمونه باید منطقی باشد. اگر طرح نمونه درست انتخاب شده باشد قطعا نمونه ی بیشتر از کمتر بهتر است (مثلا ۵۰۰ تا از ۳۰۰ بهتر است) اما اگر طرح نمونه غلط باشد تعداد بالا قطعا تاثیری ندارد ( نمونه ی ۵۰۰ تایی صحیح از نمونه ۲۰۰۰۰۰۰ تایی غلط بهتر است).

 

دانلود رایگان مقاله از ایران پیپر