調査研究では、統計はランダム化されたサンプルに適用されます。 これらの統計は、研究サンプルが合理的に有効で信頼できるものであると研究者が確信できる度合いを表します。
信頼区間
あ 信頼区間 研究者が特定の研究上の質問をすることができた場合に経験する誤差の範囲です。 ターゲット母集団のすべてのメンバーを対象にし、サンプルのメンバーが回答で得たものと同じ回答を受け取ります。 調査。 たとえば、研究者が信頼区間 4 を使用し、調査サンプルの参加者の 60% が「友人に勧めたい」と答えた場合、その研究者は次のようになります。 もちろん また、対象者全体の 56% から 64% が、同じ質問をすると「友人にも勧めたい」と答えています。 この場合の信頼区間は +/- 4 です。
信頼レベル
あ 信頼レベル の表現です 研究者はどれだけ自信を持てるのか サンプルから得られたデータのこと。 信頼水準はパーセンテージで表され、ターゲット母集団のそのパーセンテージが信頼区間内にある回答を与える頻度を示します。 最も一般的に使用される信頼水準は 95% です。 関連する概念は統計的有意性と呼ばれます。
研究者の 確率への信頼 彼らのサンプルが本当に対象集団を代表しているかどうかは、多くの要因によって影響されます。 研究者の研究設計と実施に対する自信、そしてその認識 制限は主に 3 つの重要な変数、つまりサンプル サイズ、応答頻度、および 人口規模。 研究者たちは、研究計画段階でこれらの変数を慎重に考慮する必要があることに長い間同意してきました。
調査サンプルサイズ
一般に、サンプルが大きいほど、対象集団を正確に反映するデータが得られます。 信頼区間が広いということは、誤差の余地が大きいため、データの信頼性が低いことを示しています。 広い信頼区間は、賭けをヘッジするようなものです。 信頼区間とサンプルサイズの間には関係がありますが、それは確実ではありません。 線形関係. 研究者は、サンプルサイズを 2 倍にして信頼水準を半分に減らすことはできません。
応答の頻度
サンプル データが対象母集団を反映する精度は、特定の回答をした回答者の割合によっても異なります。 特定の方法で反応した. 「とても幸せ」という特定の回答をした回答者の数が多ければ多いほど、研究者はその回答をより確信できます。 通常の曲線の中間領域ではパーセンテージに多少のばらつきがあります。 つまり、研究者が対象集団のメンバーが（一定期間以内に）反応するという確信が 50% ある場合、 信頼区間）サンプル母集団のメンバーと同様に、その 50% からは多少の変動がある可能性があります。 レベル。
外れ値に注意する
外れ値 (正規曲線の遠端、つまり末尾にあるデータ) は、 母集団内での割合はサンプル内での割合とほぼ同じです。ここでは頻度が低いため、ばらつきが少なくなります。 このため、極端な回答の頻度については自信を持ちやすくなります。
研究者が非常に小さい母集団を扱う場合を除き、母集団のサイズはサンプルサイズの重要な要素ではありません。 知られている （例えば、研究者が母集団のすべてのメンバーを識別できるほど十分に小さい）。
創造的研究システム は次のように指摘している。
確率の数学では、サンプルのサイズが調査対象の総母集団の数パーセントを超えない限り、母集団のサイズは無関係であることが証明されています。 これは、500 人のサンプルが、人口 15,000,000 人の州の意見を調べるのに、人口 10 万の都市の意見を調べるのと同様に役立つことを意味します。
代表的なサンプルの生成は、コストと時間がかかるプロセスになる可能性があります。 研究者は常に、獲得したい信頼レベル、または達成する必要がある精度の程度と、許容できる信頼レベルとの間のトレードオフに直面します。
定性調査研究におけるサンプルサイズ
定性的研究は本質的に探索的または記述的なものであり、数値や測定値に焦点を当てません。 しかし、定性調査研究におけるサンプリングエラーに関する懸念は依然として存在します。 原則として、サンプルが対象宇宙を代表するものである場合、研究から浮かび上がったテーマやパターンは、研究者にとって関心のあるより大きな母集団を反映したものになります。 サンプルが代表的であり、ターゲット母集団の大部分を構成している場合、そのサンプルから得られるデータの精度に対する信頼度は高くなる傾向があります。
調査研究におけるサンプルサイズの決定
異なるルールが適用されます 定量的調査と定性的調査 サンプルサイズを決定するとき。 一般に、定性調査研究によって生成されたデータに自信をもつためには、研究者はデータがどのように使用されるかについて明確なアイデアを持っている必要があります。 データは、（ケーススタディや民族誌的研究のように）説明的な物語の基礎を形成する場合もあれば、役立つ場合もあります。 探索的な方法で、後で定量的な相関関係をテストする可能性のある関連変数を特定します。 勉強。
定量的調査研究におけるサンプルサイズ
定量的調査には、多くの場合、対象市場の市場セグメントまたはサブグループ間の比較が含まれます。 定量的調査は数値に基づいて行われるため、適切なサンプル サイズを決定するのは非常に簡単です。 研究者は、研究の重要なグループまたはセグメントごとに、100 人の参加者を調査したいと考えます。 この数値は推奨値であり、絶対的なものではありません。 市場調査者は、調査研究のサンプルのサイズを決定するために、多数の関連変数を考慮します。
調査市場調査を実施するときの目標は、サンプルから対象範囲について真実である可能性が高いものを推測することです。 サンプルは、次のことができるデータを提供します。 観察された または知られています。 この観察されたデータまたは既知のデータから、研究者は対象集団内で未知の値またはパラメータがどの程度見つかるかを推定できます。
定量的調査研究は、 普通、研究者の頭の中で対象となる宇宙、つまり研究者が実際にではなく推定しなければならない母集団を表す対称曲線 知る パラメーター。 代表的なサンプルを使用すると、研究者はサンプル データから、関心のある未知の値またはパラメーターが含まれる可能性がある推定値の範囲を計算できます。 この推定値の範囲は正規曲線上の面積を表し、通常は小数またはパーセンテージで表されます。
正規曲線と確率
通常の対称曲線は、確率を視覚的に表現したものです。 簡単なヒューリスティックを見てみましょう。科学センターでのアクティビティでは、多数のボールが 2 枚のアクリル シートの間に一度に 1 つずつ落ちます。 すべてのボールはディスプレイの上部にある同じ開口部を通って落ち、停止するとボールのスタックを区切る垂直の平行な仕切りのいずれかの間に落ちます。 数時間後、ボールは通常の曲線の形状を形成しました。
新しく導入された各ボールが最初に到着したボールの塊に当たると、カーブが少しずつ変化します。 しかし、全体として、対称的な曲線は明らかであり、科学センターの観察者やスタッフによるいかなる行動にも関係なく、自然に生じたものです。 ボールが形成する湾曲した形状は、ほとんどのボールが中心に落ちてそこに留まる確率を反映しています。 カーブの端に到達するボールは少なくなりますが、必然的に到達するボールもいくつかありますが、その数は少数です。
この正規曲線はサンプルの概念に似ています。 ディスプレイが空になり、ボールが再びゴルトンボックスに落ちるたびに、ボールの積み重ねの構成は少しだけ変わります。 しかし、時間の経過とともに曲線の形状はあまり変化せず、パターンが当てはまります。
