Thiết kế nghiên cứu khảo sát tốt nhằm giảm thiểu lỗi lấy mẫu
Khoảng tin cậy là gì?
Khoảng tin cậy là biên độ sai lầm mà một nhà nghiên cứu sẽ gặp phải nếu họ có thể hỏi một câu hỏi nghiên cứu cụ thể của mỗi thành viên của nhóm đối tượng mục tiêu và nhận được câu trả lời tương tự mà các thành viên của mẫu đã đưa ra trong cuộc khảo sát.
Ví dụ, nếu nhà nghiên cứu sử dụng khoảng tin cậy từ 4 đến 60% số người tham gia trong mẫu khảo sát đã trả lời "Có thể giới thiệu cho bạn bè", anh ta có thể chắc chắn rằng từ 54% đến 64% thành viên của toàn bộ dân số mục tiêu sẽ cũng nói "Sẽ giới thiệu cho bạn bè" khi được hỏi cùng một câu hỏi. Khoảng tin cậy, trong trường hợp này là +/- 4.
Mức độ tin cậy là gì?
Mức độ tin cậy là một biểu hiện về sự tự tin của một nhà nghiên cứu có thể là dữ liệu thu được từ một mẫu. Mức độ tin cậy được thể hiện dưới dạng phần trăm và cho biết tần suất tỷ lệ phần trăm dân số mục tiêu sẽ đưa ra câu trả lời nằm trong khoảng tin cậy. Mức độ tin cậy được sử dụng phổ biến nhất là 95%. Một khái niệm liên quan được gọi là ý nghĩa thống kê.
Sự tin tưởng của một nhà nghiên cứu về xác suất rằng mẫu của ông thực sự đại diện cho dân số mục tiêu bị ảnh hưởng bởi một số yếu tố.
Sự tự tin của nhà nghiên cứu trong thiết kế và thực hiện nghiên cứu của họ - và nhận thức về những hạn chế của nó - phần lớn dựa trên ba biến quan trọng: Cỡ mẫu, tần suất đáp ứng và quy mô dân số. Các nhà nghiên cứu từ lâu đã đồng ý rằng các biến này phải được xem xét cẩn thận trong giai đoạn lập kế hoạch nghiên cứu.
- Cỡ mẫu Nói chung, các mẫu lớn hơn cung cấp dữ liệu phản ánh đúng đối tượng mục tiêu. Khoảng tin cậy rộng là dấu hiệu của sự tự tin ít hơn trong dữ liệu bởi vì có một biên độ lớn hơn cho lỗi . Khoảng tin cậy rộng cũng giống như bảo hiểm rủi ro cho cược của bạn. Mặc dù có một mối quan hệ giữa khoảng tin cậy và kích thước mẫu, nhưng nó không phải là một mối quan hệ tuyến tính . Một nhà nghiên cứu không thể cắt giảm một mức độ tin cậy bằng một nửa bằng cách tăng gấp đôi cỡ mẫu.
- Tần suất đáp ứng Độ chính xác mà dữ liệu mẫu phản ánh số lượng mục tiêu phụ thuộc vào tỷ lệ phần trăm người trả lời đã đưa ra câu trả lời cụ thể hoặc trả lời theo một cách cụ thể . Càng nhiều người trả lời đã đưa ra một câu trả lời cụ thể, nói "Rất hạnh phúc", người nghiên cứu có thể phản hồi. Sẽ có một số thay đổi về tỷ lệ phần trăm ở khu vực giữa của đường cong bình thường. Tức là, nếu một nhà nghiên cứu tin tưởng rằng các thành viên của nhóm dân số mục tiêu sẽ trả lời (trong khoảng tin cậy) giống như các thành viên của mẫu, có thể có sự khác biệt từ mức 50% đó.
Bạn nên nhớ rằng các ngoại lệ (dữ liệu nằm ở đầu xa, hoặc đuôi, của đường cong bình thường) có nhiều khả năng xảy ra ở cùng tốc độ trong dân số như chúng làm trong một mẫu - có ít biến đổi hơn ở đây , bởi vì có tần số thấp hơn. (Hãy xem xét các quả bóng trong Galton Box có xu hướng xếp chồng lên nhau ở giữa triển lãm Trung tâm Khoa học Thái Bình Dương như thế nào? Chỉ có một vài quả bóng nảy vào đuôi.) Vì lý do này, dễ dàng hơn để tự tin về tần suất của các câu trả lời cực đoan .
- Quy mô dân số không phải là yếu tố quan trọng trong quy mô mẫu, trừ khi một nhà nghiên cứu đang làm việc với một dân số rất nhỏ và được biết đến (ví dụ, đủ nhỏ để tất cả các thành viên của dân số có thể được xác định bởi nhà nghiên cứu).
Hệ thống nghiên cứu sáng tạo chỉ ra rằng:
Toán học xác suất chứng minh quy mô dân số là không liên quan trừ khi kích thước của mẫu vượt quá một vài phần trăm tổng dân số bạn đang kiểm tra. Điều này có nghĩa là một mẫu 500 người cũng hữu ích như nhau trong việc kiểm tra ý kiến của một tiểu bang là 15.000.000 đô la vì nó sẽ là một thành phố 100.000 người.
Tạo ra một mẫu đại diện có thể là một quá trình tốn kém và tốn thời gian. Các nhà nghiên cứu luôn phải đối mặt với sự cân bằng giữa mức độ tin cậy mà họ muốn đạt được - hoặc mức độ chính xác mà họ cần để đạt được - và mức độ tin cậy họ có thể đủ khả năng.
Kích thước mẫu trong nghiên cứu khảo sát định tính
Nghiên cứu định tính là khám phá hoặc mô tả trong tự nhiên và không tập trung vào số hoặc đo lường. Nhưng những lo ngại về lỗi lấy mẫu trong nghiên cứu khảo sát định tính vẫn còn hiệu lực. Theo nguyên tắc chung, nếu một mẫu đại diện cho vũ trụ mục tiêu, các chủ đề hoặc các mẫu nổi lên từ nghiên cứu sẽ phản ánh số lượng lớn hơn mà người nghiên cứu quan tâm. Nếu mẫu là cả hai đại diện và bao gồm một tỷ lệ lớn dân số mục tiêu, thì sự tự tin về độ chính xác của dữ liệu thu được từ mẫu đó sẽ có xu hướng cao.
Xác định kích thước mẫu trong nghiên cứu khảo sát
Các quy tắc khác nhau áp dụng cho nghiên cứu định lượng và nghiên cứu định tính khi xác định kích thước mẫu. Nói chung, để tự tin vào dữ liệu được tạo ra bởi nghiên cứu khảo sát định tính, một nhà nghiên cứu cần phải có một ý tưởng rõ ràng về cách dữ liệu sẽ được sử dụng. Dữ liệu có thể hình thành cơ sở cho một câu chuyện mô tả (như trong một nghiên cứu điển hình hoặc một số nghiên cứu dân tộc học) hoặc nó có thể phục vụ trong một thời gian thăm dò để xác định các biến có liên quan mà sau này có thể được kiểm tra tương quan trong một nghiên cứu định lượng.
Cỡ mẫu trong nghiên cứu khảo sát định lượng
Nghiên cứu định lượng thường liên quan đến sự so sánh giữa các phân đoạn thị trường hoặc các phân nhóm của một thị trường mục tiêu. Do nghiên cứu định lượng được định hướng bằng số, việc xác định cỡ mẫu thoải mái có thể khá dễ dàng - đối với mỗi nhóm hoặc phân đoạn quan trọng trong một nghiên cứu, một nhà nghiên cứu hy vọng sẽ khảo sát 100 người tham gia. Con số này là một đề nghị và không phải là một tuyệt đối. Một nhà nghiên cứu thị trường sẽ xem xét một số biến có liên quan để xác định kích thước của một mẫu trong nghiên cứu khảo sát.
Khi tiến hành nghiên cứu thị trường khảo sát, mục tiêu là suy ra từ mẫu có thể đúng với vũ trụ mục tiêu. Một mẫu cung cấp dữ liệu có thể được quan sát hoặc biết. Từ dữ liệu được quan sát hoặc đã biết này, một nhà nghiên cứu có thể ước tính mức độ mà một giá trị hoặc tham số không xác định có thể được tìm thấy trong một quần thể mục tiêu.
Nghiên cứu khảo sát định lượng dựa trên khái niệm đường cong đối xứng bình thường đại diện cho tâm trí của nhà nghiên cứu, vũ trụ mục tiêu - dân số mà nhà nghiên cứu phải ước tính hơn là thực sự biết các tham số. Mẫu đại diện cho phép một nhà nghiên cứu tính toán - từ dữ liệu mẫu - một phạm vi ước tính của các giá trị có khả năng bao gồm giá trị hoặc thông số không xác định cần quan tâm. Phạm vi giá trị ước tính này đại diện cho một khu vực trên đường cong bình thường và thường được biểu diễn dưới dạng thập phân hoặc phần trăm.
Đường cong và xác suất thông thường
Đường cong đối xứng, bình thường là biểu hiện trực quan về xác suất. Chúng ta hãy xem xét một phương pháp phỏng đoán đơn giản: Một hoạt động tại một trung tâm khoa học cho phép một số lượng lớn quả bóng rơi vào giữa hai tấm acrylic, mỗi lần một miếng. Mỗi quả bóng rơi qua cùng một lỗ mở ở phía trên cùng của màn hình và sau đó giảm xuống giữa bất kỳ ngăn dọc, song song nào ngăn cách các ngăn xếp của quả bóng khi chúng đến nghỉ ngơi. Sau vài giờ, các quả bóng đã hình thành hình dạng của một đường cong bình thường. Đường cong thay đổi một chút khi mỗi quả bóng mới được giới thiệu chạm đến khối lượng của quả bóng đến trước. Nhưng nhìn chung, đường cong đối xứng là điều hiển nhiên và nó xảy ra tự nhiên, độc lập với bất kỳ hành động nào của các quan sát viên hoặc nhân viên của Trung tâm Khoa học. Hình dạng cong mà hình dạng quả bóng phản ánh xác suất mà hầu hết các quả bóng sẽ rơi vào trung tâm và ở đó. Ít bóng hơn sẽ làm cho nó vào các đầu xa của đường cong - một số chắc chắn sẽ, nhưng họ rất ít về số lượng.
Đường cong bình thường này tương tự như khái niệm mẫu. Mỗi khi màn hình hiển thị trống và các quả bóng một lần nữa được phép rơi vào hộp Galton, cấu hình của các ngăn xếp của quả bóng sẽ chỉ khác một chút. Nhưng theo thời gian, hình dạng của đường cong sẽ không thay đổi nhiều và mẫu sẽ giữ đúng.