W badaniach ankietowych statystyki stosuje się do losowych próbek. Statystyki te przedstawiają stopień, w jakim badacz może być pewien, że badana próba jest w miarę wiarygodna i wiarygodna.
Przedział ufności
A przedział ufności to margines błędu, jakiego doświadczyłby badacz, gdyby mógł zadać np. określone pytanie badawcze każdego członka populacji docelowej i otrzymać tę samą odpowiedź, jakiej udzielili członkowie próby w ankieta. Na przykład, jeśli badacz zastosował przedział ufności wynoszący 4, a 60% uczestników próby ankietowej odpowiedziało: „Poleciłbym znajomym”, mógłby być Jasne że od 56% do 64% członków całej populacji docelowej również odpowiedziałoby „Poleciłbym znajomym”, gdy zadano im to samo pytanie. Przedział ufności w tym przypadku wynosi +/- 4.
Poziom zaufania
A poziom zaufania jest wyrazem jak pewny siebie może być badacz danych uzyskanych z próbki. Poziomy ufności wyrażone są w procentach i wskazują, jak często dany procent populacji docelowej udzieliłby odpowiedzi mieszczącej się w przedziale ufności. Najczęściej stosowanym poziomem ufności jest 95%. Powiązane pojęcie nazywa się istotnością statystyczną.
Badacza pewność prawdopodobieństwa na to, czy ich próba jest rzeczywiście reprezentatywna dla populacji docelowej, wpływa wiele czynników. Zaufanie badacza do projektu i realizacji badania oraz jego świadomość ograniczenia – w dużej mierze opiera się na trzech ważnych zmiennych: wielkości próby, częstotliwości odpowiedzi oraz wielkość populacji. Naukowcy od dawna zgadzają się, że zmienne te należy dokładnie rozważyć na etapie planowania badań.
Wielkość próby ankiety
Ogólnie rzecz biorąc, większe próbki dostarczają danych, które naprawdę odzwierciedlają populację docelową. Szeroki przedział ufności wskazuje na mniejsze zaufanie do danych, ponieważ istnieje większy margines błędu. Szeroki przedział ufności przypomina zabezpieczanie zakładów. Chociaż istnieje związek między przedziałem ufności a wielkością próby, nie jest to: zależność liniowa. Badacz nie może obniżyć poziomu ufności o połowę, podwajając wielkość próby.
Częstotliwość odpowiedzi
Dokładność, z jaką dane próby odzwierciedlają populację docelową, zależy także od odsetka respondentów, którzy udzielili określonej odpowiedzi lub zareagował w konkretny sposób. Im większa liczba respondentów, którzy udzielili konkretnej odpowiedzi, powiedzmy „Bardzo szczęśliwi”, tym badacz może być pewien tej odpowiedzi. Wystąpią pewne różnice w wartościach procentowych w środkowych obszarach krzywej normalnej. Oznacza to, że jeśli badacz ma 50% pewności, że członkowie populacji docelowej odpowiedzą (w ciągu ok przedział ufności) jak członkowie populacji próby, prawdopodobnie będą występować pewne odchylenia od tych 50% poziom.
Uważaj na wartości odstające
Warto pamiętać, że wartości odstające (dane znajdujące się na odległych końcach krzywej normalnej) są bardziej prawdopodobne przy mniej więcej taki sam odsetek w populacji, jak w próbie – jest tu mniejsza zmienność, ponieważ występuje niższa częstotliwość. Z tego powodu łatwiej jest mieć pewność co do częstotliwości występowania skrajnych odpowiedzi.
Wielkość populacji nie jest ważnym czynnikiem wpływającym na wielkość próby, chyba że badacz pracuje z bardzo małą populacją znany dla nich (np. na tyle mały, że badacz może zidentyfikować wszystkich członków populacji).
Kreatywne systemy badawcze wskazuje, że:
Matematyka prawdopodobieństwa dowodzi, że wielkość populacji nie ma znaczenia, chyba że wielkość próby przekracza kilka procent całkowitej populacji, którą badasz. Oznacza to, że próba 500-osobowa jest równie przydatna do badania opinii 15-milionowego państwa, jak byłoby to 100-tysięczne miasto.
Wygenerowanie reprezentatywnej próbki może być procesem kosztownym i czasochłonnym. Badacze zawsze stoją przed wyborem pomiędzy poziomem pewności, jaki chcieliby uzyskać lub stopniem dokładności, jaki muszą osiągnąć, a poziomem pewności, na jaki mogą sobie pozwolić.
Wielkość próby w badaniach jakościowych
Badania jakościowe mają charakter eksploracyjny lub opisowy i nie skupiają się na liczbach ani pomiarach. Jednak obawy dotyczące błędu próby w badaniach jakościowych są nadal aktualne. Ogólną zasadą jest, że jeśli próbka jest reprezentatywna dla wszechświata docelowego, tematy lub wzorce wyłaniające się z badania będą odzwierciedlać większą populację, która jest przedmiotem zainteresowania badacza. Jeżeli próba jest zarówno reprezentatywna, jak i składa się z dużego odsetka populacji docelowej, wówczas pewność co do dokładności danych pochodzących z tej próby będzie zazwyczaj wysoka.
Określanie wielkości próby w badaniach ankietowych
Obowiązują inne zasady badania ilościowe i badania jakościowe jeśli chodzi o określenie wielkości próby. Ogólnie rzecz biorąc, aby mieć pewność co do danych uzyskanych w wyniku badań jakościowych, badacz musi mieć jasne pojęcie o tym, w jaki sposób dane zostaną wykorzystane. Dane mogą stanowić podstawę narracji opisowej (jak w studium przypadku lub badaniach etnograficznych) lub mogą służyć w sposób eksploracyjny, aby zidentyfikować odpowiednie zmienne, które można później przetestować pod kątem korelacji w sposób ilościowy badanie.
Wielkość próby w badaniach ilościowych
Badania ilościowe często obejmują porównania pomiędzy segmentami rynku lub podgrupami rynku docelowego. Ponieważ badania ilościowe opierają się na liczbach, określenie wygodnej wielkości próby może być dość łatwe. W przypadku każdej ważnej grupy lub segmentu w badaniu badacz miałby nadzieję przeprowadzić ankietę wśród 100 uczestników. Liczba ta jest rekomendacją, a nie wartością bezwzględną. Badacz rynku weźmie pod uwagę szereg istotnych zmiennych, aby określić wielkość próby w badaniach ankietowych.
Celem przeprowadzania ankietowych badań rynku jest wyciągnięcie z próby wniosków, co prawdopodobnie będzie prawdą w docelowym świecie. Próbka dostarcza danych, które mogą być zauważony lub znane. Na podstawie zaobserwowanych lub znanych danych badacz może oszacować stopień, w jakim w populacji docelowej można znaleźć nieznaną wartość lub parametr.
Ilościowe badania ankietowe opierają się na pojęciu: a normalna, krzywa symetryczna, która w umyśle badacza reprezentuje wszechświat docelowy – populację, którą badacz musi oszacować, a nie faktycznie wiedzieć parametry. Reprezentatywna próbka pozwala badaczowi obliczyć – na podstawie przykładowych danych – szacunkowy zakres wartości, który prawdopodobnie będzie zawierał nieznaną wartość lub parametr będący przedmiotem zainteresowania. Ten szacunkowy zakres wartości reprezentuje obszar na krzywej normalnej i jest zwykle wyrażany w postaci ułamka dziesiętnego lub procentu.
Krzywa normalna i prawdopodobieństwo
Normalna, symetryczna krzywa jest wizualnym wyrazem prawdopodobieństwa. Spójrzmy na prostą heurystykę: zajęcia w centrum nauki pozwalają dużej liczbie piłek wpaść pojedynczo pomiędzy dwa akrylowe arkusze. Każda piłka wpada przez ten sam otwór w górnej części wyświetlacza, a następnie wpada pomiędzy dowolne pionowe, równoległe przegrody oddzielające stosy piłek po ich zatrzymaniu. Po kilku godzinach kulki uformowały kształt normalnej krzywizny.
Krzywa zmienia się nieco, gdy każda nowo wprowadzona piłka uderza w masę piłek, które przybyły jako pierwsze. Ale ogólnie rzecz biorąc, symetryczna krzywa jest wyraźna i pojawiła się naturalnie, niezależnie od jakichkolwiek działań obserwatorów lub personelu Centrum Nauki. Zakrzywiony kształt, jaki tworzą kule, odzwierciedla prawdopodobieństwo, że większość piłek wpadnie do środka i tam pozostanie. Mniej piłek dotrze do odległych krańców krzywej, ale niektóre nieuchronnie tak się stanie, ale jest ich niewiele.
Ta krzywa normalna jest podobna do koncepcji próbki. Za każdym razem, gdy ekspozycja zostanie opróżniona i kulki ponownie wpadną do pudełka Galtona, konfiguracja stosów piłek będzie tylko trochę inna. Jednak z biegiem czasu kształt krzywej nie zmieni się zbytnio, a wzór będzie wierny.
