در آمار، یک نمونه یک زیر مجموعه از جمعیت است که برای نشان دادن کل گروه به عنوان یک کل استفاده می شود. هنگام انجام تحقیق، اغلب غیرممکن است که هر عضو یک جمعیت خاص را مورد بررسی قرار دهیم زیرا تعداد عظیمی از مردم به سادگی بیش از حد بزرگ هستند. محققان می توانند از یک نمونه تصادفی استفاده کنند .
چرا محققان از نمونه استفاده می کنند؟
محققان در تحقیق در مورد جنبه های ذهن یا رفتار انسانی، در اغلب موارد نمی توانند داده ها را از هر یک از افراد جمع آوری کنند . در عوض، آنها یک نمونه کوچکتر از افرادی را که گروه بزرگتری را تشکیل میدهند انتخاب می کنند. اگر نمونه واقعا نماینده جمعیت مورد نظر باشد، محققان می توانند نتایج خود را به دست آورند و آنها را به گروه بزرگتر تعمیم دهند.
انواع نمونه برداری
در تحقیقات روانشناختی و سایر انواع تحقیق اجتماعی، آزمودنیها معمولا به چندین روش نمونه گیری متکی هستند.
1. نمونه گیری احتمالی
نمونه گیری احتمالی بدین معنی است که هر فرد در یک جمعیت و احتمال یکسان بودن انتخاب می شود. از آنجا که نمونه گیری احتمالی شامل انتخاب تصادفی است، اطمینان می دهد که زیر مجموعه های مختلف جمعیت احتمال یکسان بودن در نمونه را دارند. این باعث می شود که نمونه های احتمالی نماینده تر باشند و محققان بتوانند نتایج خود را به طور کلی به طور کلی تعمیم دهند.
چند نمونه از نمونه های احتمال احتمال وجود دارد:
- نمونه برداری تصادفی ساده ، به عنوان نام نشان می دهد، ساده ترین نوع نمونه گیری احتمالی است. محققان هر فرد را در یک جمعیت جمع می کنند و نمونه خود را به صورت تصادفی انتخاب می کنند، اغلب با استفاده از نوعی از برنامه های کامپیوتری یا مولد عدد تصادفی.
- نمونه گیری تصادفی طبقه بندی شده شامل جداسازی جمعیت در زیرگروه ها و سپس گرفتن یک نمونه تصادفی ساده از هر یک از این زیر گروه ها است. به عنوان مثال، تحقیق ممکن است جمعیت را به زیرگروه بر اساس نژاد، جنسیت یا سن تقسیم کند و سپس یک نمونه تصادفی ساده از هر یک از این گروه ها را انتخاب کند. به طور تصادفی طبقه بندی شده اغلب دقت آماری بیشتری نسبت به نمونه گیری تصادفی ساده را فراهم می کند و به اطمینان می انجامد که گروه های خاصی در نمونه به درستی نشان داده می شوند.
- نمونه گیری خوشه شامل تقسیم جمعیت به خوشه های کوچکتر، اغلب بر اساس مکان یا مرزهای جغرافیایی است. سپس یک نمونه تصادفی از این خوشه ها انتخاب شده و همه افراد در داخل خوشه اندازه گیری می شوند. به عنوان مثال، تصور کنید که سعی می کنید مطالعه ای در مورد مدرسه های مدرسه ای در ایالت شما انجام دهید. جمع آوری داده ها از هر اصل مدرسه یک هزینه بسیار زیاد و وقت گیر است. با استفاده از روش نمونه گیری خوشه ای، به طور تصادفی، پنج ناحیه ای از ایالت خود را انتخاب کنید و سپس داده ها را از هر موضوع در هر یک از پنج ناحیه جمع آوری کنید.
2. نمونه برداری غير احتمالی
از سوی دیگر نمونه گیری غیر احتمالی مستلزم انتخاب شرکت کنندگان با استفاده از روش هایی است که هر فردی را در یک جمعیت به طور مساوی امکان پذیر نمی کند.
یک مشکل با این نوع نمونه این است که داوطلبان ممکن است در متغیرهای خاصی نسبت به غیر داوطلبان متفاوت باشند، که ممکن است نتایج کل را برای کل جمعیت ایجاد کند.
همچنین چند نمونه از نمونه های غیر احتمالی وجود دارد:
- نمونه گیری سهولت استفاده از شرکت کنندگان در مطالعه است زیرا آنها مناسب و در دسترس هستند. اگر شما هر داوطلب تحصیل در رشته روانشناسی را از طریق بخش روانشناسی دانشگاهی خود انجام داده اید، سپس در یک مطالعهی مبتنی بر یک نمونه راحتی شرکت کرده اید. مطالعاتی که بر درخواست داوطلبان و یا با استفاده از نمونه های بالینی که برای محقق در دسترس هستند، نیز نمونه هایی از نمونه های راحتی هستند.
- نمونه گیری هدفمند شامل جستجوی افراد با معیارهای خاص است. به عنوان مثال، بازاریابان ممکن است علاقمند به یادگیری نحوه ادراک محصولاتشان توسط زنان بین 18 تا 35 سال باشند. آنها ممکن است شرکت تحقیقاتی بازار را برای انجام مصاحبه تلفنی استخدام کنند که به طور عمدی به دنبال استخدام و مصاحبه با زنان با معیارهای سنشان باشند.
- نمونه برداری از Quota مستلزم عمدا نمونه برداری از یک نسبت خاص یک زیرگروه در یک جمعیت است. به عنوان مثال، نظرسنجی های سیاسی ممکن است علاقه مند به تحقیق در مورد نظرات یک جامعه در یک موضوع سیاسی خاص باشند. اگر از نمونه گیری تصادفی ساده استفاده کنند، ممکن است برخی از زیر مجموعه های جمعیت را به صورت تصادفی از دست بدهند. در عوض، آنها معیارهای تعیین می کنند که درصد مشخصی از نمونه باید شامل این زیر گروه ها باشد. در حالی که نمونه حاصل ممکن است در واقع واقعی نسبتا واقعی موجود در جمعیت باشد، داشتن سهمیه ای تضمین می کند که این زیرگروه های کوچک تر نشان داده شوند.
بیشتر بدانید در مورد برخی از روش هایی که نمونه های احتمال و غیر احتمالی متفاوت هستند.
خطاهای نمونه برداری
از آنجا که نمونه گیری به طور طبیعی نمیتواند شامل هر فرد در یک جمعیت باشد، خطاها ممکن است رخ دهد. تفاوت بین آنچه که در یک جمعیت وجود دارد و آنچه در نمونه وجود دارد، به عنوان خطای نمونه گیری شناخته می شود.
در حالی که غیرممکن است بدانیم دقیقا چگونه تفاوت بین جمعیت و نمونه ممکن است، محققان قادر به اندازه آماری از خطاهای نمونه گیری هستند. به عنوان مثال، در نظرسنجی های سیاسی، شما ممکن است اغلب از حاشیه اشتباهات بیان شده توسط سطوح اطمینان خاصی را بشنوید.
به طور کلی، بزرگتر اندازه نمونه کوچکتر از سطح خطا است. این به سادگی است زیرا به عنوان نمونه برای رسیدن به اندازه جمعیت کل نزدیک تر می شود، به احتمال زیاد این است که تمام خصوصیات جمعیت را به دقت جمع آوری کند. تنها راه به طور کامل از بین بردن خطای نمونه گیری، جمع آوری داده ها از کل جمعیت است، که اغلب به سادگی هزینه های هنگفت و وقت گیر است. با این حال، با استفاده از آزمون احتمالی تصادفی و اندازه نمونه بزرگ، می توان خطاهای نمونه گیری را کاهش داد.
منابع:
گودوین، CJ (2010). تحقیقات در روانشناسی: روشها و طراحی. Hoboken، NJ: جان ویلی و پسران.
نیکلاس، ل. (2008). معرفی روانشناسی. مطبوعات UCT: کیپ تاون.