Zjednodušte výběr vzorků pro průzkumy

V dokonalém světě by výzkumný projekt mohl studovat všechny členy cílového vesmíru. Obecně to není praktické ani cenově dostupné. Namísto, vzorky větší populace (vesmír) jsou generovány - vzorek je základem, ze kterého se vytvářejí předpoklady o cílovém vesmíru. Dále je vzorek konstruován pomocí technik a strategií, které přispívají k validní a spolehlivé studii. Tradiční průzkum trhu je založen na myšlence, že lze identifikovat a zpřístupnit vzorek – reprezentativní skupinu respondentů.

Reprezentativní vzorky v průzkumném výzkumu

V průzkumu trhu termín reprezentativní vzorek odkazuje na:

• Výběr několika spotřebitelů, kteří odpovídají členům cílového světa spotřebitelů. Příkladem cílového vesmíru mohou být majitelé a uživatelé chytrých telefonů ve věku 20 až 30 let.
• Zápas mezi vzorkem a vesmírem musí být silná pro všechny očekávané atributy mít vliv na výsledky průzkumu.
  • Jedním příkladem shody mezi vzorkem a vesmírem by mohl být výběr spotřebitelů pro parfém navržený mladou, ženskou celebritou. V tomto případě se předpokládá, že atributy, které budou mít na výsledky průzkumu vliv, budou žena, 18–28 let, šikovná pro zábavu.
  • Sekundárním souborem atributů může být: bydlení ve městě, studium na vysoké škole, bydliště na východním nebo západním pobřeží, dobrovolný příjem (úroveň příjmu).
• Proporce počet členů, jimž lze ve vzorku přisoudit relevantní charakteristiky, se musí co nejvíce přibližovat podílům členů v cílové skupině spotřebitelů.
  • Pokud například spotřebitelský svět obsahuje podnikatele, vysokoškoláky a seniory, a Reprezentativní vzorek se ve středu v univerzitním knihkupectví sestavit ze sympatických studentů odpoledne.
  • Přístup k účastníkům průzkumu může být obtížný. Je to jeden z hlavních důvodů, proč jsou v iniciativách průzkumů často využívány odborné skupiny spotřebitelů.
  • Další účinnou strategií je použití a stratifikovaný náhodný výběr postup, který pomáhá výzkumníkovi získat data o podskupinách.

Výběr vzorku v průzkumném výzkumu

Členové vzorku jsou vybíráni mnoha způsoby, které mají snížit zkreslení. To znamená, že pravděpodobnost generování platných výzkumných závěrů se zvyšuje a závěry lze zobecnit na cílový vesmír.

Průzkumné vzorky se s výhodou vybírají pomocí procesu randomizace. Pokud jsou například ukázkové členy vybrány z databáze, může být vybrán každý třetí člen ve výpisu databáze. Občas může být nutné členy vzorku spíše přiřadit než náhodně vybrat. Není to preferovaný přístup, protože i za těch nejlepších podmínek jsou průzkumy vystaveny nepřesnostem založeným na vzorku, které mají vše společného s náhodou a nemají nic společného s designem výzkumu. Podívejme se na seznam zdrojů chyb upravený z problémů s hlasovacím telefonátem voličů identifikovaných pomocí Experimentální zdroje. Tento seznam obsahuje možné zdroje nepřesností v návrhu průzkumu, implementaci průzkumu a analýze dat průzkumu:

• Neúplné informace o členech databáze vedou k vynechání důležitých proměnných ze vzorku
• Členové vzorku, kteří byli vybráni, nejsou ochotni se průzkumu zúčastnit.
• Členové vzorku, kteří odmítnou účast ve studii, se liší, pokud jde o důležitou proměnnou ve studii, než členové vzorku, kteří s účastí souhlasí.
• Respondenti průzkumu uvádějí na otázky průzkumu nepravdivé nebo neúplné odpovědi.

Položky v tomto seznamu byly opět upraveny ze seznamu telefonních pollingů uživatelem Experimentální zdroje, souvisí s návrhem průzkumu.

• Byl použit proces randomizace, ale – náhodou – zachytil příliš mnoho odlehlých hodnot.^*
• Otázky v průzkumu jsou špatně formulovány a respondenty matou.
• Pořadí otázek v průzkumu nepřiměřeně ovlivňuje odpovědi na následující otázky.
• Odpovědi průzkumu jsou podrobeny vážení nebo seskupování, které zkresluje data.

Jakmile je výzkumník trhu přiměřeně spokojen s tím, že vzorek je reprezentativní pro cílovou populaci v jeho průzkumu, může se pozornost přesunout na zvážení velikost vzorku a intervaly spolehlivosti.

Prozkoumatelná je zajímavý web vytvořený výzkumníky v oblasti psychologie, kteří se snažili zjistit, jak vypočítat a odstranit odlehlé hodnoty.