Optimum Örnek: Tanım ve Faktörler

Bu makaleyi okuduktan sonra, bir çalışma için optimum örneği etkileyen tanımı ve faktörleri öğreneceksiniz.

Optimum Numunenin Tanımı:

Bir çalışma için en uygun örnek, verimlilik, temsil edilebilirlik, güvenilirlik ve esneklik gereksinimlerini karşılayan örnek olarak tanımlanabilir. Diğer bir deyişle, örnek gereksiz masrafları önleyecek kadar küçük olmalı ve araştırmacının tolerans sınırının ötesindeki örneklem hatalarından kaçınmasına yardımcı olacak kadar büyük olmalıdır.

Herhangi bir ithalatın tüm tablolarında istatistiksel olarak temsili ve önemli sonuçlar verecek kadar büyük olmalı, ancak fon israfı, projeyi geciktiren ve gereksiz yere yüksek hassasiyet elde edecek kadar büyük olması gerekmez. Örnek, istenen tahminleri minimum maliyetle istenen güvenilirlik seviyesiyle vermelidir.

Uygulamada etkin örneklemenin, teknik verilerin düzenlenmesi ve istatistiksel verilerin düzenlenmesi açısından mevcut kaynaklardan en iyi şekilde yararlanılmasının ve mümkün olduğunca en iyi şekilde çalışmaya, fonlara ve personelin çalışmaya dahil olduğu zaman sınırlamalarına göre ayarlamaya yönelik olduğu unutulmamalıdır.

Ek olarak, bazı durumlarda, çalışma sırasında ortaya çıkacak öngörülemeyen durumları karşılamak için örneklem büyüklüğünü genişletmek veya daraltmak mümkün olmalıdır. Bazı durumlarda, numune büyüklüğünde istenen değişiklikler etkilenerek güvenilirlik ve verimlilik artırılabilir.

Uygulama düzeyinde, bu ideallere yaklaşılabilir, ancak nadiren gerçekleştirilebilir ve bu nedenle doğru örneklem büyüklüğünü seçmesi beklenemez.

Optimum Örneği Etkileyen Faktörler:

Belirli bir çalışma için örneklem büyüklüğünün seçimi birkaç faktörden etkilenir. Bu faktörler birbiriyle ilişkilidir ve örneklem büyüklüğünü belirlemede göreceli önemleri bakımından farklı çalışmalarda büyük ölçüde değişkenlik gösterir.

(1) Nüfusun Yapısı (Homojen-Heterojen):

Bir çalışmadaki numunenin büyüklüğü, popülasyonun homojenlik derecesine bağlı olacaktır. Popülasyon ne kadar homojen olursa, güvenilir bir örneklemesi için gereken durumlar ne kadar az olursa, bunun tersine popülasyon o kadar heterojen ise, güvenilir bir örneklemesi için gereken durumlar o kadar fazladır.

Heterojen bir popülasyonun tatmin edici bir çalışması için gereken numunenin boyutu, popülasyonu tabakalara göre sınıflandırarak kesilebilir. Bu tabakaların bazıları daha homojen, bazıları ise daha az olacaktır. Daha homojen tabakalar nispeten heterojen olanlardan daha küçük numunelerle temsil edilebilir.

Bunun nedeni, homojen bir tabaka olan ne kadar homojen olursa, belirli bir büyüklükteki rastgele bir numunenin onu temsil etmesi daha iyi olabilir, yani numune içindeki durumlar ne kadar fazla olursa, ortalamaları o kadar az değişken olur.

(2) Tablolamanın Karmaşıklığı:

Örneklemin büyüklüğü hakkında bir karar verirken, bulguların gruplandırılacağı ve analiz edileceği kategori ve sınıfların sayısı da dikkate alınmalıdır. Kategori sayısı arttıkça, bunların güvenilir istatistiki ölçümlerini elde etmek için gereken toplam numune daha büyük olacaktır.

Bir örnek ana tablolama için oldukça yeterli görünse de, ayrıntılı tablolamalar hazırlanırken sayının çok hızlı bir şekilde düşmesi muhtemeldir.

Örneğin, 1.000 öğrenciden oluşan bir örnek, ortak eğitimi tercih eden öğrencilerin oranını belirlemek için tasarlanmış bir anket için yeterli sayıda görünebilir. Diyelim ki sadece% 25 lehine (250 öğrenci).

Araştırmacı daha ileriye gitmek ve ortak eğitimi tercih eden öğrencilerin türünü bilmek isterse, bu katılımcıları, ortak kurum hakkında önceden bir deneyime sahip olup olmadıkları gibi boyutlara göre daha da sınıflandırmak zorunda kalacak mıydı? Hangi sosyal sınıftan geliyorlar? Ne tür bir aile geçmişine sahipler? Coeducational kurumdaki (eğer varsa) deneyimlerinin niteliği neydi? Ve bunun gibi.

Böylece devam eden araştırmacı nihayet belirli bir tipte sadece 10 veya 15 vaka bulabilir (örneğin, önceden ortak bir eğitim deneyimi, orta sınıf, ortodoks aile geçmişi, vb.). Böyle bir örnek, değişkenler arasındaki ilişki hakkında önemli ve genelleştirilebilir sonuçlara varmak için yalnızca çok zayıf bir temel sağlayabilir.

Seçilen numunenin büyüklüğü, en küçük önemli kategorilerin güvenilir ölçümlerini sağlayacak kadar büyük olmalıdır. Veriler daha küçük ve daha küçük alt sınıflara bölündüğünde, yakında çeşitli hücrelere düşen vakaların sayısı o kadar küçük hale gelir ki, hücre girişlerinden hesaplanan istatistiksel ölçümlerin güvenilmez olması muhtemeldir.

Bu nedenle, tablolamanın yoğunluğu, örneklem büyüklüğü ile ilgili karar için önemli olan bir faktördür.

(3) Veri Toplamaya İlişkin Sorunlar:

Genellikle, numunenin büyüklüğü, verilen fon ve zaman ile güvence altına alınabilecek vakaların sayısal sınırlarında tutulmalıdır. Veri hacmi, anketin / programın uzunluğundan, saha çalışanlarının sayısından, coğrafi bir alandaki davaların dağılması veya yoğunlaşmasından, reddetme oranından, dava kayıplarından, kullanılan örneklemenin türünden ve son olarak etkilenir. veri toplama yöntemi.

Numunenin büyüklüğüne karar verirken bir adresten diğerine ve geri aramalara (ikinci veya üçüncü arama) ulaşmanın dahil olduğu nakliye maliyeti dikkate alınmalıdır. Örneklem büyüklüğünü planlarken, araştırmacı her zaman sorgulama için atanan sayının toplanmasında yetersiz kalacağını tahmin etmelidir.

İnsanlar göç ediyor, ölüyor, hastalık nedeniyle bilgi veremiyor, tatil yapıyor ya da iş yapıyor, bulunamıyor, cevap vermeyi reddediyor, adresleri yanlış kanıtlıyor vb.

Mümkünse, numunedeki her durumdan bilgi edinmeyi planlamak iyi bir politikadır. Bu, yalnızca erişilebilir ve kooperatif vakalar elde edildiğinde gerekenden çok daha fazla zamana ihtiyaç duyulacağı anlamına gelir. Bununla birlikte, önyargısız daha küçük bir numuneye sahip olmak, önyargı nedeniyle evrenin temsilcisi olmadığı muhtemel olan büyük bir numuneden daha iyidir.

(4) Örnekleme Türü:

Genel olarak, tabakalaşma kullanıldığında daha küçük bir örnek yeterli olacaktır. Bunun nedeni, tabakalaşmanın etkisinin göreceli olarak heterojen toplamın bir dizi ayrı ayrı homojen alt numunelere çözülmesidir. Nüfus ne kadar heterojen olursa, tabakalaşma ile mümkün olan davaların ekonomisi o kadar fazladır.

Çifte örnekleme olarak bilinen örneklemede, araştırmacı (rastgele bir bilginin toplanması için) çok küçük bir kontrollü veya tabakalı örneklemle (ayrıntılı veya karmaşık bilgilerin güvence altına alındığı) büyük rastgele bir örneği birleştirir.

Buradaki gereksinim, rastgele örneğin boyutunun, çeşitli tabakalar için güvenilir ağırlıklar sağlayacak kadar büyük olması gerektiğidir. Tabakalı numunenin kendisi basit rastgele numuneye kıyasla daha az vaka araştırır, çünkü her tabakadaki numunenin 'evreni' değil, bu tabakayı temsil etmesi gerekir.

Gerekli vaka sayısını belirlemede önemli bir faktör örnekleme birimlerinin büyüklüğüdür. Aslında, örnekleme birimi ne kadar büyükse, bireysel tablolama için gerekecek vaka sayısı da o kadar fazladır.