نمونه گیری و روش های آن در آمار

نمونه گیری فرآیندی است که در انجام پایان نامه مورد استفاده قرار می‌گیرد. در این فرآیند تعدادی مشاهده‌ی از پیش تعیین شده از جمعیت بزرگتر در نظر گرفته می‌شود. روشی که برای نمونه گیری از جمعیت بزرگتر استفاده می‌شود به نوع تجزیه و تحلیل انجام شده بستگی دارد، ممکن است شامل نمونه گیری تصادفی یا غیرتصادفی باشد.

نمونه ی انتخابی باید نمایانگر منصفانه کل جامعه باشد. هنگام برداری از جمعیت بزرگتر، مهم است که نحوه‌ی انتخاب نمونه در نظر گرفته شود. نماینده‌ها باید تصادفی ترسیم شوند و کل جامعه را در بربگیرند. با افزایش دقت در نمونه گیری، شباهت نمونه ها به جامعه بیشتر می‌شود و تعمیم نتایج و استنباط آماری مطمئن‌تر خواهد شد. همچنین هر چه تعداد نمونه ها بیشتر باشد، خاصیت معرفی بودن آنها هم قوی‌تر خواهد بود.

برای انجام پایان نامه و تدوین آن با آمار برتر در تماس باشید.

مراحل تحقیق نمونه ای

در اطلاعات آماری، نمونه گیری بخش مهمی از تحقیق است، و دو نکته اساسی را باید مد نظر داشت:

اول اینکه نمونه باید تصویر درستی از جامعه را در اختیار قرار دهد و معرف صفات اساسی آن باشد. پس اولین قدم در تحقیق انتخاب نمونه است.

دوم اینکه استنباط ویژگی های جامعه از نمونه باید با دقت انجام شود و دارای جامعیت باشد. به مجموع این دو موضوع طرح نمونه برداری گفته می‌شود.

انتخاب نمونه باید طبق قوانین نمونه گیری باید باشد. به گونه‌ای که مشخص باشد چه نمونه‌ ای و با چه روشی انتخاب می‌شود و در نهایت باید روش و نوع محاسبات آماری معلوم گردد. در اصطلاحات آماری مقادیری که مشخصات نمونه را نشان می‌دهند شاخص نمونه ای یا آمار نمونه ای هستند. شاخص های مربوط به جامعه پارامتر نامیده می‌شوند. برای تمایز این دو، پارامتر را با حروف یونانی و شاخص نمونه را با حروف انگلیسی نشان می‌دهند.

روش های نمونه گیری

روش هایی برای انتخای افراد از میان جامعه هستند تا در بررسی جامعه مورد نظر قرار بگیرند. این روش‌ ها دو دسته هستند:

1. تصادفی: در این روش هر عنصر از جامعه احتمال یا شانس مشخص و قطعی برای انتخاب شدن دارد.
2. غیر تصادفی: در این روش نمی‌توان از احتمال مشخص و قطعی برای هر عنصر از جامعه اطمینان داشت.

نمونه گیری تصادفی یا احتمالی:

همانطور که گفته شد در این روش تمامی افراد جامعه شانس انتخاب شدن دارند. محقق باید شرایطی را فراهم کند که احتمال انتخاب شدن اعضا در گروه نمونه برای همه مساوی باشد و احتمال انتخاب شدن یک فرد تاثیری در احتمال انتخاب افراد دیگر نداشته باشد. 4 نوع اصلی از نمونه‌ ی تصادفی یا احتمالی وجود دارد:

1- تصادفی ساده:

در یک نمونه تصادفی ساده، هر یک از اعضای جامعه شانس مساوی برای انتخاب شدن دارند. چارچوب نمونه گیری باید شامل کل جامعه باشد. برای انجام این نمونه برداری در آمار می‌توان از تمامی تکنیک‌هایی که کاملا براساس شانس هستند استفاده کرد.

مثال: شما می‌خواهید یک نمونه تصادفی ساده از 100 کارمند شرکت X انتخاب کنید. به هر کارمندی در پایگاه داده شرکت از 1 تا 1000 عددی اختصاص داده می‌شود. از یک مولد اعداد تصادفی برای انتخاب 100 عدد استفاده می‌شود.

2- تصادفی سیستماتیک

این روش مشابه با مورد قبلی است. اما معمولا انجام آن کمی آسان‌تر است. هر یک از اعضای جمعیت با یک عدد فهرست شده است، اما به جای انتخاب تصادفی اعداد، افراد در فواصل زمانی منظم انتخاب می‌شوند.

مثال: لیست کلیه کارکنان شرکت به ترتیب حروف الفبا ذکر شده است. از 10 شماره اول، شما به طور تصادفی یک نقطه شروع را انتخاب می‌کنید: مثلا شماره 6، از این شماره به بعد هر 10 نفر در لیست انتخاب می‌شود (6، 16، 26، 36 و …) در نهایت یک نمونه از 100 نفر وجود خواهد داشت.

توجه کنید: اگر از این تکنیک استفاده می‌کنید، مهم است که مطمئن شوید هیچ الگوی پنهانی که ممکن است نمونه را منحرف کند در لیست وجود ندارد. به عنوان مثال، اگر مدیریت منابع انسانی، کارمندان را بر اساس تیم گروه بندی کند و اعضای تیم به ترتیب ارشدیت فهرست شده باشند، این احتمال وجود دارد که بازه‌ی شما از افراد در نقش‌های پایین‌تر عبور کند و در نتیجه نمونه به سمت کارمندان ارشد منحرف شود.

3- تصادفی طبقه بندی شده

شامل تقسیم گروه (جامعه) به زیر گروه‌هایی است که ممکن است به دلایل مهمی متفاوت باشند. با اطمینان از اینکه هر زیرگروه به درستی در نمونه نشان داده شده است، نتیجه گیری دقیق‌تری حاصل می‌شود. برای استفاده از این روش نمونه گیری، جامعه براساس ویژگی‌های مربوطه به عنوان مثال جنسیت، سن، درآمد و … به زیرگروه‌هایی تقسیم می‌شود. براساس مقیاس کلی جمعیت، محاسبه می‌شود که از هر زیرگروه چند نفر باید نمونه گیری شود. سپس از روش‌‌های نمونه برداری تصادفی یا سیستماتیک برای انتخاب نمونه از هر زیرگروه استفاده می‌شود.

مثال: شرکت 800 کارمند زن و 200 کارمند مرد دارد. می‌خواهید اطمینان حاصل کنید که نمونه منعکس کننده تعادل جنسیتی شرکت است، بنابراین جامعه براساس جنسیت به دو طبقه تقسیم می‌شود. سپس از هر گروه با روش تصادفی، نمونه انتخاب می‌شود. 80 زن و 20 مرد انتخاب می‌کنید که نمونه شاخص از 100 را به شما می‌دهد.

4- نمونه گیری تصادفی خوشه‌ ای

نمونه‌گیری خوشه‌ ای شامل تقسیم جامعه به زیر گروه‌ها نیز می‌شود، اما هر زیرگروه باید ویژگی‌های مشابهی با کل نمونه داشته باشد. به جای نمونه برداری از افراد از هر زیرگروه، به طور تصادفی کل زیر گروه ها را انتخاب می کنید. این روش برای سروکار داشتن با جامعه ی بزرگ و پراکنده خوب است.، اما به دلیل وجود تفاوت‌های اساسی بین خوشه‌ها، امکان خطا در نمونه بیشتر است. تضمین اینکه خوشه‌های نمونه برداری شده واقعا نماینده کل جامعه هستند دشوار است.

مثال: شرکت در 10 شهر در سراسر کشور دفتر دارد ( همه با تعداد کارمندان تقریباً یکسان در نقش‌های مشابه). شما ظرفیت سفر به هر اداره را برای جمع آوری داده‌های خود را ندارید، بنابراین از نمونه گیری تصادفی برای انتخاب 3 دفتر استفاده می‌کنید، اینها خوشه های شما هستند.

نمونه گیری غیر تصادفی یا غیر احتمالی

در این روش نمونه برداری در آمار، هر فرد براساس معیارهای غیرتصادفی انتخاب می‌شود و هرکدام شانس برابری برای ورود به نمونه را ندارد. دسترسی به این نوع نمونه آسان‌تر و ارزان‌تر است. اما خطر سوگیری و تبعیض در این روش بیشتر است. این بدان معناست که استنباط‌هایی که می‌توان در مورد جامعه انجام داد ضعیف‌تر است و ممکن است نتیجه گیری‌ها محدودتر باشد. نمونه برداری غیرتصادفی اغلب در تحقیقات کیفی و اکتشافی استفاده می‌شود.

1- غیر تصادفی آسان:

شامل افرادی است که به طور اتفاقی برای محقق بیشترین دسترسی را دارند. این یک روش آسان و ارزان برای جمع آوری داده‌های اولیه است. اما راهی برای تشخیص اینکه آیا نمونه نماینده جامعه است وجود ندارد، بنابراین نمی‌تواند نتایج قابل تعمیم ایجاد کند.

مثال: شما در حال بررسی نظرات در مورد خدمات پشتیبانی دانشجویی در دانشگاه خود هستید، بنابراین پس از هر کلاس خود، از دانشجویان می‌خواهید که نظرسنجی را در مورد این موضوع تکمیل کنند. این یک روش راحت برای جمع‌ آوری داده‌ها است، اما از آنجایی که شما فقط از دانشجویانی که کلاس‌های مشابه شما را در همان سطح شرکت می‌کنند نظرسنجی کرده‌اید، نمونه نماینده همه دانشجویان دانشگاه شما نیست.

2- غیرتصادفی داوطلبانه

مشابه نمونه قبلی، نمونه پاسخ داوطلبانه براساس سهولت دسترسی است. به جای اینکه محقق شرکت کنندگان را انتخاب کند و مستقیماً با آنها تماس بگیرد، افراد خودشان داوطلب می‌شوند (مثلاً با پاسخ دادن به یک نظرسنجی عمومی آنلاین).

مثال: شما نظرسنجی را برای همه دانشجویان دانشگاه خود ارسال می‌کنید و تعداد زیادی از دانشجویان تصمیم می‌گیرند آن را تکمیل کنند. مطمئناً می‌تواند بینشی در مورد موضوع به شما بدهد، اما افرادی که پاسخ دادند به احتمال زیاد کسانی هستند که نظرات قوی در مورد خدمات پشتیبانی دانشجویی دارند، بنابراین نمی‌توانید مطمئن باشید که نظرات آنها نماینده همه دانشجویان است.

3- غیرتصادفی هدفمند

به آن قضاوتی هم گفته می‌شود. محقق با کمک تخصص خود نمونه ای را انتخاب می‌کند که برای اهداف تحقیق مفیدتر باشد. اغلب در تحقیقات کیفی استفاده می‌شود، جایی که محقق می‌خواهد به جای استنباط آماری، دانش دقیق در مورد یک پدیده خاص به دست آورد. یا جایی که جامعه بسیار کوچک و خاص است. یک نمونه هدفمند موثر باید معیارهای روشن و منطقی برای ورود داشته باشد.

مثال: شما می خواهید در مورد نظرات و تجربیات دانشجویان معلول در دانشگاه خود بیشتر بدانید، بنابراین به طور هدفمند تعدادی از دانشجویان با نیازهای پشتیبانی متفاوت را انتخاب می‌کنید تا طیف متنوعی از داده ها را در مورد تجربیات آنها از خدمات دانشجویی جمع آوری کنید.

4- غیرتصادفی گلوله برفی

اگر دسترسی به جمعیت سخت باشد، می توان از این روش برای جذب شرکت کنندگان از طریق سایر شرکت کنندگان استفاده کرد.

مثال: شما در حال تحقیق در مورد تجربیات بی خانمانی در شهر خود هستید. از آنجایی که لیستی از تمام افراد بی خانمان در شهر وجود ندارد، نمونه گیری تصادفی امکان پذیر نیست. شما با یک نفر آشنا می‌شوید که موافقت می‌کند در تحقیق شرکت کند و او شما را با افراد بی خانمان دیگری که در آن منطقه می‌شناسد در تماس قرار می‌دهد.

نتیجه گیری

برای هر تحقیقی، انتخاب دقیق روش نمونه گیری برای دستیابی به اهداف مطالعه ضروری است. اثربخشی نمونه گیری شما به عوامل مختلفی بستگی دارد. مراحلی وجود دارد که محققان خبره برای تصمیم گیری بهترین روش نمونه گیری دنبال می‌کنند. به عنوان مثال مشخص کردن اهداف تحقیق، شناسایی تکنیک‌های موثر، آزمایش روش های موثر و انتخاب بهترین روش برای تحقیق.