Öğrenme Becerileri

Örnekleme ve Örnek Tasarım

Gözlem yoluyla, anketler yoluyla veya ikincil verilerden olsun, özellikle nicel veriler olmak üzere herhangi bir tür veri topladığınızda, hangi verilerin ve kimden toplanacağına karar vermeniz gerekir.

Buna örnek denir.

Numunenizi seçmenin ve size güvenilir ve inanılır sonuçlar vermesini sağlamanın çeşitli yolları vardır.

Örnek Seçmenin Arkasındaki İlkeler

Bir örneklem seçmenin arkasındaki fikir, bulgularınızı tüm popülasyona genelleyebilmektir, bu da örnekleminizin şöyle olması gerektiği anlamına gelir:

  • Nüfusun temsilcisi. Başka bir deyişle, tüm popülasyonla benzer oranlarda alt gruplar içermeli ve herhangi bir belirli grubu, örnekleme yöntemi veya tasarım veya kimin yanıt vermeyi seçtiği ile dışlamamalıdır.
  • Hataları önlemek için size yeterli bilgi verecek kadar büyük. Nüfusunuzun belirli bir oranı olması gerekmez, ancak yanıtlarınızın genel olarak doğru olduğunu bilmeniz için en azından belirli bir büyüklükte olması gerekir.

Örneğiniz temsili değilse, çalışmaya önyargı ekleyebilirsiniz. Yeterince büyük değilse, çalışma belirsiz olacaktır.

Bununla birlikte, örneklem ve nüfus arasındaki ilişkiyi doğru anlarsanız, o zaman popülasyonun doğası hakkında güçlü sonuçlar çıkarabilirsiniz.

Örneklem boyutu: Bir ip parçası ne kadar uzunluktadır?

Örneğiniz ne kadar büyük olmalı? Cevabı ne kadar kesin istediğinize bağlı. Daha büyük örnekler genellikle daha kesin cevaplar verir.

İstediğiniz numune boyutunuz, neyi ölçtüğünüze ve kabul etmeye hazır olduğunuz hatanın boyutuna bağlıdır. Örneğin:

Bir popülasyondaki bir oranı tahmin etmek için:

Örnek boyutu =[ (z-score)² × p(1-p) ] ÷ (hata payı) ²

  • Hata payı, kabul etmeye hazır olduğunuz şeydir (genellikle %1 ile %10 arasında);
  • Z değeri olarak da adlandırılan z puanı, istatistiksel tablolarda bulunur ve seçilen güven aralığına bağlıdır ( %90, %95 ve %99 yaygın olarak kullanılır, bu nedenle hangisini istediğinizi seçin);
  • p, oranın ne olabileceğine dair tahmininizdir. Genellikle önceki araştırmalardan p’yi tahmin edebilirsiniz, ancak bunu yapamazsanız 0.5 kullanın.

Bir popülasyonu tahmin etmek için:

Hata payı=t × (s ÷ örneklem büyüklüğünün kare kökü).

  • Hata payı, kabul etmeye hazır olduğunuz şeydir (genellikle %1 ile %10 arasında);
  • Örnek boyutu yaklaşık 30’dan büyük olduğu sürece t, z puanına eşittir ve daha önce olduğu gibi istatistiksel tablolardan alınabilir;
  • s, önceki deneyime veya diğer araştırmalara dayalı olarak genellikle tahmin edilen standart sapmadır.

Bu tür şeylerden pek emin değilseniz, bununla başa çıkmanın en iyi yolu, arkadaş canlısı bir istatistikçi bulmak ve biraz yardım istemektir. Çoğu, uzmanlık alanlarını anlamanıza yardımcı olmaktan mutluluk duyacaktır.

Kesin olarak yanlış olmaktansa kesin olarak doğru olmak daha iyidir.

Önyargı ve hassasiyet nasıl etkileşimde bulunur:

Önyargı
Yüksek Düşük
Hassas Yüksek Kesinlikle yanlış Kesinlikle doğru
Düşük Kesinlikle yanlış Kesinlikle doğru

Kaynak: Management Research (4th Edition), Easterby-Smith, Thorpe ve Jackson

Kesin olarak doğru, doğru cevabın ne olduğunu genel olarak bildiğiniz anlamına gelir. Kesinlikle yanlış, cevabı bildiğinizi düşündüğünüz ama bilmediğiniz anlamına gelir. Diğer bir deyişle, yalnızca biri için endişeleniyorsanız, önyargı için endişelenin.

Örnek Seçmek

Olasılık örneklemesi, her bir kişinin veya şeyin örneğin parçası olma olasılığının bilindiği yerdir. Olasılık dışı örnekleme, olmadığı yerdir.

Olasılık örneklemesi

Olasılık örnekleme yöntemleri, araştırmacının örneklem ve popülasyon arasındaki ilişki konusunda kesin olmasını sağlar.

Bu, örneğinizin temsili olup olmadığından kesinlikle emin olabileceğiniz anlamına gelir ve ayrıca bulgularınız hakkında ne kadar emin olduğunuza dair bir sayı da koyabilirsiniz (bu sayıya önem denir ve Önem ve Güvenilirlik aralığı).

Basit rastgele örneklemede, popülasyonun her üyesinin seçilme şansı eşittir. Bunun dezavantajı, numunenin gerçekten temsili olmamasıdır. Nüfusun küçük ama önemli alt bölümleri dahil edilmeyebilir.

Araştırmacılar bu nedenle tabakalı rastgele örnekleme adı verilen alternatif bir yöntem geliştirdiler. Bu yöntem, popülasyonu katman adı verilen daha küçük homojen gruplara ayırır ve ardından her katmandan rastgele bir örnek alır.

Orantılı tabakalı rastgele örnekleme, her tabakadan aynı oranı alır, ancak yine nadir grupların kötü bir şekilde temsil edilmesi dezavantajından muzdariptir. Orantılı olmayan tabakalı örnekleme, bu nedenle, her tabakadan yeterince büyük bir numune olmasını sağlamak için daha küçük tabakalardan daha büyük bir numune alır.

Sistematik rastgele örnekleme, ideal olarak rastgele sıralanması gereken bir popülasyon listesine sahip olmaya dayanır. Araştırmacı daha sonra listeden her n’inci ismi alır.

Uyarı!

‘Rastgele örnekleri’ seçmenin birçok farklı yöntemi vardır. Bir projenin baş araştırmacısıysanız ve başkalarına ‘rastgele bir örnek almaları’ talimatını veriyorsanız ya da gerçekten ‘rastgele bir örnek’ almaları isteniyorsa, hepinizin aynı yöntemi kullandığınızdan emin olun!

Küme örneklemesi, yaygın bir coğrafi nüfusun sorunlarını ele almak için tasarlanmıştır. Büyük bir popülasyondan rastgele örneklemenin yüksek erişim maliyetlerine yol açması muhtemeldir. Bu, popülasyonu kümelere bölerek, yalnızca iki veya üç küme seçerek ve bunların içinden örnekleyerek aşılabilir. Örneğin, Birleşik Krallık’ta kentsel alanlarda ulaşımın kullanımı hakkında bilgi edinmek isterseniz, rastgele yalnızca iki veya üç şehir seçebilir ve sonra bunların içinden tam olarak örnekleyebilirsiniz.

Elbette tüm bunları birkaç aşamada birleştirmek mümkündür ve bu genellikle büyük ölçekli çalışmalar için yapılır.

Olasılıksız Örnekleme

Olasılık dışı örnekleme yöntemlerini kullanarak, örneklenen popülasyonun belirli herhangi bir üyesinin olasılığının ne olduğunu söylemek mümkün değildir. Bu, örneği ‘kötü’ yapmasa da, bu tür örnekleri kullanan araştırmacılar, tüm popülasyon hakkında sonuçlara varma konusunda kendilerinden emin olamazlar.

Uygun örnekleme, erişimin ne kadar kolay olduğuna bağlı olarak bir örnek seçer. Bu tür numunelerin organize edilmesi son derece kolaydır, ancak bunların temsili olup olmadıklarını garanti etmenin bir yolu yoktur.

Kota örneklemesi, popülasyonu kategorilere ayırır ve ardından bu kategori içinde seçilen büyüklükte bir örnek elde edilene kadar kategoriler içinden seçim yapar. Bazı pazar araştırmaları bu türdedir, bu yüzden araştırmacılar genellikle yaşınızı sorarlar: belirli yaş grupları için kotalarını karşılamalarına yardım edip etmeyeceğinizi kontrol ederler.

Amaçlı örnekleme, araştırmacının yalnızca belirli kriterleri karşılayan kişilere yaklaştığı ve ardından diğer kriterleri karşılayıp karşılamadıklarını kontrol ettiği yerdir. Yine, panolarla dışarıda ve etrafta pazar araştırmacıları genellikle bu yaklaşımı kullanırlar: örneğin, 20 ila 40 yaşları arasındaki erkeklerin alışveriş alışkanlıklarını incelemek istiyorlarsa, sadece erkeklere yaklaşır ve sonra yaşlarını sorarlar.

Kartopu örneklemesi, araştırmacının kriterlerini karşılayan bir kişiyle başladığı ve ardından bu kişiyi diğerlerini tanımlamak için kullandığı yerdir. Örneğinizin çok spesifik kriterleri olduğunda bu işe yarar: örneğin, belirli bir sorumluluklar kümesine sahip işçilerle konuşmak istiyorsanız, bu setle bir kişiye yaklaşabilir ve ondan sizi başkalarıyla tanıştırmasını isteyebilirsiniz.

UYARI!

Olasılıksız örnekleme yöntemleri genellikle çok özel sorunları ele almak için geliştirilmiştir. Örneğin, kartopu örneklemesi, bulunması zor popülasyonlarla ilgilenir ve pratik örnekleme, hız ve kolaylık sağlar.

Bununla birlikte, bazı olasılıksız örnekleme yöntemleri, özellikle kota ve amaçlı örnekleme, örneklemin popülasyondaki tüm kategorilerden çekilmesini sağlasa da, bu yöntemler kullanılarak alınan örnekler temsili olmayabilir.

Sonuç Olarak Bir Söz

Hemen hemen tüm araştırmalar, ideal ve mümkün olan arasında bir uzlaşmadır.

İdeal olarak, tüm popülasyonu incelemelisiniz; pratikte zamanınız veya kapasiteniz yok. Ancak, hem boyut hem de yöntem açısından örnek seçiminize özen göstermek, araştırmanızın önyargı veya hassasiyet eksikliği tuzağına düşmemesini sağlayacaktır. Bu da ona hayati bir güvenilirlik sağlayacaktır.

İlgili Makaleler

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

Başa dön tuşu