Pojem „reprezentatívnosť“ vo vzťahu k sociologickým prieskumom – prieskumom verejnej mienky – pôsobí na ľudí takmer magicky. Samotný pojem „reprezentácia“ má okrem vedeckého aj jednoznačne politický význam.

Aky je dôvod? Ide o to, že sa predpokladá, že vzorka (skupina ľudí vybraných do prieskumu) môže reprezentovať (reprezentovať) celú populáciu. Všeobecnou populáciou v prípade celoruských prieskumov je celá populácia krajiny. Teraz si predstavme, že hovoríme o politickom rozhodnutí – podpore návrhu zákona alebo hlasovaní vo voľbách. Pomocou výberového prieskumu dostaneme vynikajúci mechanizmus politickej reprezentácie – mechanizmus, v ktorom môže malá skupina ľudí reprezentovať názor alebo postoj celej populácie krajiny. Preto je reprezentatívnosti štúdie venované také dôležité miesto.

Pojem reprezentatívnosť sa používa, samozrejme, nielen v politických štúdiách. Tento výraz sa takmer vždy používa, keď sa hovorí o veľkých štúdiách, či už v oblasti marketingu, ekonomického správania alebo vzdelávania.

Metodika reprezentatívnych prieskumov

Ako možno po prieskume 1500 ľudí vyvodiť závery o všetkých Rusoch, ktorých je viac ako 140 miliónov (a dokonca viac ako 110 miliónov voličov)? Technológia reprezentatívnych prieskumov verejnej mienky je založená na štatistických zákonoch. Najbližším dôvodom je zákon veľkých čísel alebo Bernoulliho veta.

Zjednodušene možno jeho význam vyjadriť nasledovne. Predpokladajme, že máme nejakú vlastnosť, napríklad množstvo zrážok za deň v Jekaterinburgu počas 20. storočia. Ak zapíšeme všetky jeho hodnoty spolu s ich frekvenciou (toto sa nazýva rozdelenie) a potom náhodne vezmeme dosť veľké číslo prípadov (teda nie všetky dni 20. storočia, ale pomerne veľa), potom uvidíme, že rozdelenie v našej vzorke bude veľmi podobné rozdeleniu za celé 20. storočie. Ak teda z populácie vyberieme nejaké jednotky, môžu skutočne predstavovať celú populáciu a nie je skutočne potrebné zbierať údaje pre všetky prípady.

Je tu však kľúčová podmienka: platí to len vtedy, ak je výber striktne náhodný. Jediným problémom tu môže byť odchýlka od náhodnosti. Ak teda vezmeme len údaje o zrážkach za posledné roky(napríklad preto, že tieto údaje sa dajú ľahšie nájsť) alebo opýtame 1500 našich známych (pretože je ľahšie ich kontaktovať), a nie náhodných ľudí, potom vzorka určite nebude reprezentatívna.

Predstavte si, že zo 143,5 milióna Rusov náhodne vyberiete 1500 ľudí, ktorých potrebujete. Potom sa napríklad podiel stredných manažérov medzi nimi bude približne rovnať podielu stredných manažérov vo všeobecnej populácii, čo ukazuje, že vaša vzorka môže reprezentovať celú populáciu. Môže sa stať, že tieto dva ukazovatele budú veľmi odlišné? Napríklad medzi Rusmi je to 14 %, ale vo vzorke to bude len 1 %? Teoreticky je to možné, ale pravdepodobnosť je taká malá, že sa to dá zanedbať (ako keď stretnete draka na ulici).

Navyše, najpríjemnejšie na tejto pravdepodobnosti nie je ani to, že je malá, ale to, že pre náhodné procesy možno túto pravdepodobnosť vypočítať. Môžeme povedať, s akou pravdepodobnosťou sa bude naša vzorová hodnota odchyľovať od hodnoty vo všeobecnej populácii o 13 % (ako v príklade vyššie) a s akou povedzme o 2,5 %. Väčšinou to však robia opačne: najprv určia, s akou pravdepodobnosťou chceme, aby sa naša hodnota neodchyľovala od hodnoty v bežnej populácii (najčastejšie je fixovaná na úrovni 95 %), a potom sa pozrú na tzv. veľkosť odchýlky pre vzorky určitej veľkosti. Táto odchýlka sa nazýva interval spoľahlivosti, niekedy označovaná ako výberová chyba alebo štatistická chyba, a často sa uvádza spolu s výsledkami prieskumu.

Pravdepodobnosť odchýlky, veľkosť odchýlky (interval spoľahlivosti) a veľkosť vzorky teda spolu súvisia. Na základe toho je vzorec na výpočet veľkosti vzorky nasledujúci:

kde n je veľkosť vzorky, Δ je interval spoľahlivosti, z je hodnota funkcie normálneho rozdelenia pre danú pravdepodobnosť odmietnutia (pre pravdepodobnosť 5 % je táto hodnota 1,96).

Toto je zjednodušený vzorec, skutočné prieskumy používajú o niečo viac zložité vzorce. Tento vzorec môže zlyhať aj vtedy, ak je hodnota ukazovateľa veľmi odlišná od 50 % (takže tento vzorec napríklad nie je vhodný na odhad podielu pacientov so zriedkavým ochorením v krajine).

Čo sa stane, ak nahradíte niektoré hodnoty v tomto vzorci:

Inými slovami, ak by sme zobrali náhodnú vzorku Rusov s veľkosťou 1600 ľudí a odhadli nejaký ukazovateľ, napríklad ochotu voliť určitého politika, tak s pravdepodobnosťou 95 % sa náš odhad nebude líšiť od ochoty hlasovať za neho spomedzi všetkých Rusov o viac ako 2,45 %.

Veľkosť vzorky

No a čo väčšia veľkosť tým je pravdepodobnejšie, že sa priblížime k podielu v populácii. Zdalo by sa, že to znamená, že sa musíme pokúsiť priblížiť vzorku k číslu 143,5 mil.. V skutočnosti, ako vidíte z tabuľky, charakter náhodných procesov je taký, že od určitého momentu je pravdepodobnosť pádu do intervalu sa začína zvyšovať veľmi pomaly (a tento moment prichádza dosť rýchlo). Po vzorkovaní 1 500 jednotiek, bez ohľadu na to, o koľko zväčšíme veľkosť vzorky, pravdepodobnosť, že hodnota našej vzorky spadne do hodnoty populácie, sa bude zvyšovať veľmi, veľmi pomaly.

V skutočnosti nie je takmer žiadny rozdiel medzi 1 500 a 10 000 respondentmi. Niekde do roku 1500 už môžeme povedať, že naše odhady sa budú líšiť od podielu v bežnej populácii o 2-3%. Ak vzorku ešte zväčšíme, potom sa táto možná chyba zníži, ale veľmi mierne. Inými slovami, vzorka 100 000 je lepšia ako vzorka 2 500, ale rozdiel je taký malý, že nedáva zmysel a v prípade sociálnych prieskumov nie je ekonomicky opodstatnený. Zväčšenie vzorky je väčšinou drahé, a preto nemá zmysel ju nafukovať s cieľom získať jeden percentuálny bod v hodnote intervalu spoľahlivosti.

Je dôležité, aby sa veľkosť bežnej populácie vo vzorci vôbec neobjavila. Faktom je, že keď je populácia veľká (viac ako 20 000), nemá to žiadny vplyv na veľkosť vzorky. Na vytvorenie reprezentatívnej vzorky teda nepotrebujeme vedieť, koľko ľudí žije v Rusku. Je jasné, že výber 1500 z 2000 s najväčšou pravdepodobnosťou nedáva zmysel - je jednoduchšie preskúmať 2000 a získať presný odhad. Ale ak je to potrebné, vytvorením vzorky dostaneme príležitosť zovšeobecniť jej výsledky pre všeobecnú populáciu. A z rovnakého dôvodu sa veľkosť vzorky nebude líšiť pre veľké a malé krajiny.

Reprezentatívnosť a presnosť

Aby sme pochopili význam pojmu „reprezentatívnosť“, uvažujme o vzorke 15 ľudí. Napodiv, ak ste ho vyrobili náhodou, je tiež reprezentatívny. Okrem toho môžete vytvoriť vzorku jednej jednotky. Predstavte si krabicu loptičiek, z ktorej náhodne vytiahnete jednu loptičku. Ak ide o náhodne vybratú loptičku, potom bude reprezentovať aj všetky loptičky, ktoré sú v tomto poli. Bude ich len zastupovať. nie práve. prečo? Pretože existuje veľmi vysoká pravdepodobnosť, že sa mýlite. Nabudúce môžeme nakresliť ďalšiu loptičku a získať inú predstavu o loptičkách v krabici. Nepresne reprezentovať znamená mať široký rozsah odhadov.

Rovnakým spôsobom 15 ľudí predstavuje akúkoľvek všeobecnú populáciu, ale predstavujú ju nepresne, pretože chyba, interval spoľahlivosti, je veľmi veľká. Budeme musieť pridať +/- 33%, aby sme dostali 95% šancu, že spadneme do intervalu. Ak sme pripravení to priznať, tak vezmeme 15 ľudí, zistíme, že 7 z nich sú strední manažéri a potom dostaneme odhad, že 7/15 z celkového počtu, teda 47 % +/- 33 %, je odhad podielu manažérov v celkovej populácii, a to je absolútne správny záver. Len to nemá žiadnu hodnotu. To by sme mohli povedať bez vyšetrenia. Preto pri plánovaní vzorky má zmysel dosiahnuť objem, ktorý bude primeraný z hľadiska nákladovej efektívnosti.

Všetko vyššie uvedené je určené na vyjadrenie jednej jednoduchej myšlienky, ktorá sa veľmi často nerealizuje: veľkosť vzorky nesúvisí s jej reprezentatívnosťou.

Malá vzorka je nepresná, ale stále môže byť reprezentatívna. Veľkosti vzoriek, ktoré sa dnes používajú v masových prieskumoch v Rusku, majú takmer vždy pomerne vysokú presnosť.

Reprezentatívnosť vzorky nie je ohrozená jej veľkosťou, ale zaujatosťou, teda odchýlkou od princípu náhodnosti.

Porušenie princípu náhodnosti

Ak začneme vyberať jednotky nenáhodne, vzorka sa stane nereprezentatívnou. Napríklad, ak nám niečo bráni v ich náhodnom výbere. Predstavte si, že chceme náhodne vybrať loptičky z našej krabice, no potom sa ukáže, že niektoré loptičky hryzie. Mechanizmus, ktorým budeme brať len tie guľôčky, ktoré nám budú dané, je mechanizmus, ktorý porušuje náhodnosť, a preto porušuje reprezentatívnosť. V tomto prípade, bez ohľadu na to, koľko guličiek vyberieme z krabice (aj keď vezmeme všetky guľôčky, ktoré nehryzú), budeme mať nereprezentatívnu vzorku, pretože nebudeme brať do úvahy žiadne z tých, ktoré hryzú - oni jednoducho obíďte našu vzorku.

Najväčším problémom loptičiek na hryzenie je, že sa môžu líšiť od tých, ktoré sa nám dostanú do rúk, a môžu sa líšiť presne tým spôsobom, akým nás zaujímajú. Táto situácia sa nazýva skreslenie vzorky.

Je potrebné odlíšiť situáciu nepresného znázornenia, ktorú sme popísali vyššie, od situácie nezastúpenia. Sú to rôzne problémy a majú rôzne riešenia. Nemôžete vyriešiť jeden z nich vyriešením druhého. Ak vzorke chýba reprezentatívnosť, je zbytočné ju zvyšovať. Navyše, veľké vzorky v sociálnych prieskumoch majú tendenciu hromadiť chyby, takže problém zastúpenia sa môže len zhoršiť veľkým nárastom vzorky.

Prečo je reprezentatívnosť nemožná?

V poznámkach k tabuľkám s výsledkami prieskumov možno často vidieť, že „veľkosť vzorky je 1600 ľudí, vzorka je reprezentatívna pre pohlavie a vek“. Z toho, čo bolo povedané vyššie, je zrejmé, že ide o dva rôzne parametre: údaj o reprezentatívnosti nesúvisí s veľkosťou vzorky. V skutočnosti sa tu myslí, že boli dodržané určité postupy, aby sa zabezpečil súlad medzi vzorkou a populáciou. Napríklad, aby sa zabezpečila reprezentatívnosť podľa pohlavia, muži a ženy sú regrutovaní do vzorky v rovnakých pomeroch, aké existujú medzi Rusmi podľa údajov zo sčítania ľudu. Ale reprezentatívnosť podľa pohlavia neznamená reprezentatívnosť napríklad podľa politických názorov.

Prečo je potrebné porovnávať vzorku podľa pohlavia a iných sociodemografických kategórií? Pretože iba náhodná vzorka môže poskytnúť skutočnú reprezentatívnosť a z mnohých dôvodov je nemožné ju v praxi implementovať. Len čo sa o to pokúsite, narazíte na množstvo problémov – bez ohľadu na to, ktorú metódu sa rozhodnete použiť. Niektorí respondenti nebudú k vašej metóde vôbec prístupní (povedzme na osobné pohovory veľký problém sú domy s interkomom a ostrahou), iná časť bude neprítomná, neodpovedá, alebo sa radšej bude venovať svojej veci. Sú ľudia, ktorí majú jazykové problémy a nevedia sa s nami rozprávať. Sú ľudia, ktorí nechápu, prečo je to potrebné, a nechcú sa s nami rozprávať. To všetko sú vážne porušenia náhodnosti, ktoré znemožňujú jej realizáciu.

Tí, ktorí redukujú problém zastúpenia v masových prieskumoch na štatistiky, zabúdajú, že ľudia sú veľmi špecifické guľôčky. Existujú lopty, ktoré bežia a skrývajú sa. Sú loptičky, ktoré hryzú. Nie sú to pasívne objekty, vracajú úder. Hovoria: „Nechcem sa zúčastniť vášho prieskumu“, čím porušujú náhodnosť. Preto je reprezentatívnosť v masových prieskumoch v užšom zmysle slova samozrejme nemožná v akejkoľvek forme.

Bol vyvinutý mechanizmus, ktorým je zvyčajne zabezpečený vzhľad reprezentatívnosti: vzorku zarovnáme v niektorých kategóriách a tvárime sa, že je zarovnaná aj vo všetkých ostatných možných kategóriách. V skutočnosti nemáme dôvod to tvrdiť. Problém je však v tom, že sa to nedá nijako skontrolovať – opäť kvôli tomu, že niektoré loptičky hryzie. Aby skúšajúci skontroloval zaujatosť, musel by ísť za tými, s ktorými sme nevypočúvali, a pohovoriť s nimi. Ale oni, ako si pamätáme, vôbec nechcú byť vypočúvaní. Nie je možné vypočúvať tých, ktorí kategoricky neodpovedajú. Preto každý pracuje s predpokladom, že ak by sme vzorku zarovnali na dvoch alebo troch parametroch, predstavuje celú populáciu, hoci pre tento predpoklad neexistuje seriózny základ.

Reprezentatívny výber je technológia, ktorú si sociológovia požičali zo štatistík. Preto nevyhnutne nesie prvky matematického a štatistického obrazu sveta. Asi najsilnejším predpokladom je, že samotné výberové zisťovanie je politicky a sociologicky neutrálne: účasť a neúčasť v prieskume nemá politický význam a nesúvisí s inými sociologicky dôležitými parametrami. Dnes sa však prieskumy verejnej mienky stali jednou z hlavných politických inštitúcií a stali sa kľúčovým sprostredkovateľom medzi veľkými korporáciami a spotrebiteľmi. Za týchto podmienok už nie je možné veriť v ich politickú sterilitu. Stále však vieme málo o tom, ako sa prieskumy chápu moderné spoločnosti a čo vlastne predstavujú.

Vzorkovanie v 1C 8.2 a 8.3 je špecializovaný spôsob triedenia cez záznamy tabuliek infobáz. Pozrime sa bližšie na to, čo je to sampling a ako ho používať.

Čo je vzorka v 1C?

Ukážka- spôsob triedenia informácií v 1C, ktorý spočíva v postupnom umiestnení kurzora na ďalší záznam. Výber v 1C možno získať z výsledku dotazu a zo správcu objektov, napríklad dokumentov alebo adresárov.

Príklad získania a iterácie zo správcu objektov:

Výber = Adresáre. banky. Vyber() ; Zatiaľ čo výber. Next() Cyklus EndCycle ;

Príklad získania výberu z dopytu:

Získajte 267 1C video lekcií zadarmo:

Žiadosť = Nová požiadavka( "Vyberte odkaz, kód, názov z adresára. Banky"); Ukážka = žiadosť. Execute() . Vyber() ; Zatiaľ čo výber. Next() Slučka //vykonajte zaujímavé akcie s adresárom "Banks". EndCycle ;

Oba vyššie uvedené príklady získajú rovnaké množiny údajov na opakovanie.

Metódy odberu vzoriek 1C 8.3

Výber má veľké množstvo metód, zvážte ich podrobnejšie:

Vybrať ()- metóda, ktorou sa priamo získava vzorka. Z výberu môžete získať ďalší, podriadený, výber, ak je zadaný typ obchvatu "podľa zoskupenia".
vlastník() je obrátená metóda Select(). Umožňuje vám získať výber „nadradených“ dotazov.
Ďalšie()- metóda, ktorá presúva kurzor na ďalší záznam. Vráti True, ak záznam existuje, False, ak neexistujú žiadne ďalšie záznamy.
Nájdi ďaľší()- veľmi užitočná metóda, pomocou ktorej môžete iterovať iba potrebné polia podľa hodnoty výberu (výber - štruktúra poľa).
NextByFieldValue()- umožňuje získať ďalší záznam s hodnotou odlišnou od aktuálnej pozície. Napríklad je potrebné triediť všetky záznamy s jedinečnou hodnotou poľa "Účet": Selection.NextBy FieldValue ("Účet").
Reset()- umožňuje resetovať aktuálnu polohu kurzora a nastaviť ho do pôvodnej polohy.
množstvo ()- vráti počet záznamov vo výbere.
Získať ()- pomocou metódy môžete nastaviť kurzor na požadovaný záznam podľa hodnoty indexu.
Úroveň() -úrovni v hierarchii aktuálneho záznamu (čísla).
RecordType()— zobrazí typ záznamu — DetailRecord, GroupTotal, HierarchyTotal alebo GrandTotal
zoskupenie()- vráti názov aktuálneho zoskupenia, ak záznam nie je zoskupením - prázdny reťazec.

Ak sa začínate učiť programovanie 1C, odporúčame naše voľný kurz(nezabudni

Často sa stáva, že je potrebné analyzovať konkrétny spoločenský jav a získať o ňom informácie. Takéto pracovné miesta prichádzajú často...

Vzorkovanie je ... Definícia, typy, metódy a výsledky vzorkovania

Od spoločnosti Masterweb

09.04.2018 16:00

Často sa stáva, že je potrebné analyzovať konkrétny spoločenský jav a získať o ňom informácie. Takéto úlohy často vznikajú v štatistike a v štatistické štúdie. Overenie plne definovaného sociálneho javu je často nemožné. Ako napríklad zistiť názor obyvateľov alebo všetkých obyvateľov určitého mesta na akúkoľvek otázku? Spýtať sa úplne každého je takmer nemožné a veľmi pracné. V takýchto prípadoch potrebujeme vzorku. To je presne koncept, na ktorom sú založené takmer všetky výskumy a analýzy.

Čo je vzorka

Pri analýze konkrétneho sociálneho javu je potrebné získať o ňom informácie. Ak vezmeme akúkoľvek štúdiu, vidíme, že nie každá jednotka celku predmetu štúdia je predmetom výskumu a analýzy. Do úvahy sa berie len určitá časť tohto celku. Tento proces je vzorkovanie: keď sa skúmajú len určité jednotky zo súboru.

Samozrejme, veľa závisí od typu vzorky. Existujú však aj základné pravidlá. Ten hlavný hovorí, že výber z populácie musí byť absolútne náhodný. Jednotky populácie, ktoré sa majú použiť, by sa nemali vyberať na základe žiadneho kritéria. Zhruba povedané, ak je potrebné zhromaždiť populáciu z populácie určitého mesta a vybrať iba mužov, potom bude chyba v štúdii, pretože výber nebol vykonaný náhodne, ale bol vybraný podľa pohlavia. Takmer všetky metódy odberu vzoriek sú založené na tomto pravidle.

Pravidlá odberu vzoriek

Aby vybraný súbor odrážal hlavné kvality celého fenoménu, musí byť postavený podľa špecifických zákonov, kde hlavnú pozornosť treba venovať nasledujúcim kategóriám:

vzorka (vzorková populácia);
všeobecná populácia;
reprezentatívnosť;
chyba reprezentatívnosti;
populačná jednotka;
metódy odberu vzoriek.

Vlastnosti selektívneho pozorovania a odberu vzoriek sú nasledovné:

Všetky získané výsledky sú založené na matematických zákonoch a pravidlách, to znamená, že pri správnom vedení štúdie a správnych výpočtoch nebudú výsledky subjektívne skreslené.
Umožňuje získať výsledok oveľa rýchlejšie as menším množstvom času a zdrojov, pričom sa neštuduje celá škála udalostí, ale iba časť z nich.
Dá sa použiť na štúdium rôznych objektov: od špecifických problémov, napríklad veku, pohlavia skupiny, o ktorú sa zaujímame, až po štúdium verejnej mienky alebo úrovne materiálneho zabezpečenia obyvateľstva.

Selektívne pozorovanie

Selektívne - ide o také štatistické pozorovanie, pri ktorom nie je podrobená výskumu celá populácia skúmanej populácie, ale len jej časť, vybraná určitým spôsobom a výsledky skúmania tejto časti platia pre celú populáciu. Táto časť sa nazýva vzorkovací rámec. Toto je jediný spôsob, ako študovať veľké množstvo predmetu štúdia.

Ale selektívne pozorovanie možno použiť iba v prípadoch, keď je potrebné študovať len malú skupinu jednotiek. Napríklad pri skúmaní pomeru mužov a žien vo svete sa využije selektívne pozorovanie. Zo zrejmých dôvodov nie je možné brať do úvahy každého obyvateľa našej planéty.

Ale pri rovnakom štúdiu, ale nie všetkých obyvateľov zeme, ale určitej 2 triedy „A“ v konkrétnej škole, konkrétnom meste, konkrétnej krajine, možno upustiť od selektívneho pozorovania. Koniec koncov, je celkom možné analyzovať celé pole predmetu štúdia. Je potrebné počítať s chlapcami a dievčatami tejto triedy - to bude pomer.

Vzorka a populácia

V skutočnosti to nie je také ťažké, ako to znie. V každom objekte štúdia existujú dva systémy: všeobecná a vzorová populácia. Čo je to? Všetky jednotky patria generálovi. A k vzorke - tie jednotky celkovej populácie, ktoré boli odobraté pre vzorku. Ak je všetko vykonané správne, potom bude vybranou časťou zmenšené rozloženie celej (všeobecnej) populácie.

Ak hovoríme o všeobecnej populácii, potom môžeme rozlíšiť iba dve jej odrody: určitú a neurčitú všeobecnú populáciu. Závisí od toho, či je známy celkový počet jednotiek daného systému alebo nie. Ak ide o určitú populáciu, potom bude odber vzoriek jednoduchší, pretože je známe, koľko percent Celkom jednotky budú vzorkované.

Tento moment je vo výskume veľmi potrebný. Napríklad, ak je potrebné vyšetriť percento nekvalitných cukrárskych výrobkov v konkrétnom závode. Predpokladajme, že populácia už bola definovaná. Je s istotou známe, že tento podnik vyrába 1000 cukrárskych výrobkov ročne. Ak z tejto tisícky vyrobíme vzorku 100 náhodných cukrárskych výrobkov a pošleme ich na preskúmanie, tak chyba bude minimálna. Zhruba povedané, 10% všetkých produktov bolo predmetom výskumu a na základe výsledkov, s prihliadnutím na chybu reprezentatívnosti, môžeme hovoriť o zlej kvalite všetkých produktov.

A ak odoberiete vzorku 100 cukrárskych výrobkov z neurčitej všeobecnej populácie, kde v skutočnosti bolo povedzme 1 milión jednotiek, potom výsledok vzorky a samotná štúdia budú kriticky nepravdepodobné a nepresné. Cítiť rozdiel? Preto je istota bežnej populácie vo väčšine prípadov mimoriadne dôležitá a výrazne ovplyvňuje výsledok štúdie.

Reprezentatívnosť obyvateľstva

Takže teraz jedna z najdôležitejších otázok – aká by mala byť vzorka? Toto je najdôležitejší bod štúdie. V tejto fáze je potrebné vypočítať vzorku a vybrať jednotky z celkový počet do nej. Populácia bola vybraná správne, ak určité znaky a charakteristiky všeobecnej populácie zostali vo vzorke. Tomu sa hovorí reprezentatívnosť.

Inými slovami, ak si časť po výbere zachová rovnaké tendencie a charakteristiky ako celá skúmaná veličina, potom sa takáto populácia nazýva reprezentatívna. Nie každú konkrétnu vzorku však možno vybrať z reprezentatívnej populácie. Existujú aj také objekty výskumu, ktorých vzorka jednoducho nemôže byť reprezentatívna. Odtiaľ pochádza koncept chyby reprezentatívnosti. Ale povedzme si o tom trochu viac.

Ako urobiť výber

Aby sa teda maximalizovala reprezentatívnosť, existujú tri základné pravidlá výberu vzoriek:

Za najunikátnejší ukazovateľ počtu vzorky sa považuje 20 %. Štatistická vzorka 20 % takmer vždy poskytne výsledok čo najbližšie k realite. Zároveň nie je potrebné presúvať sa k zozbieranej väčšej časti bežnej populácie. 20% vzorky je údaj, ktorý bol vyvinutý mnohými štúdiami. Poďme sa pozrieť na ďalšiu teóriu. Čím väčšia je vzorka, tým menšia je chyba reprezentatívnosti a tým presnejší je výsledok štúdie. Čím je vzorová populácia počtom jednotiek bližšie k bežnej populácii, tým presnejšie a správnejšie budú výsledky. Koniec koncov, ak preskúmate celý systém, výsledok bude 100%. Ale tu nie je výber. Toto sú tie štúdie, v ktorých sa skúma celé pole, všetky jednotky, takže nás to nezaujíma.
V prípade nevhodnosti spracovania 20% bežnej populácie je povolené študovať jednotky populácie v množstve najmenej 1001. Toto je tiež jeden z ukazovateľov štúdia poľa predmetu štúdia. , ktorá sa postupom času vyvinula. Samozrejme, neposkytne presné výsledky pri veľkých poliach výskumu, ale čo najviac ich priblíži možnej presnosti vzorky.
V štatistikách existuje veľa vzorcov a tabuliek. V závislosti od predmetu štúdie a kritéria výberu je účelné zvoliť jeden alebo druhý vzorec. Ale táto položka sa používa v zložitých a viacstupňových štúdiách.

Chyba (chyba) reprezentatívnosti

Hlavnou charakteristikou kvality vybranej vzorky je pojem „chyba reprezentatívnosti“. Čo je to? Ide o určité nezrovnalosti medzi ukazovateľmi selektívneho a kontinuálneho pozorovania. Podľa indikátorov chýb sa reprezentatívnosť delí na spoľahlivú, bežnú a približnú. Inými slovami, odchýlky do 3 %, od 3 do 10 % a od 10 do 20 %, v tomto poradí, sú prijateľné. Hoci v štatistike je žiaduce, aby chyba nepresiahla 5-6%. V opačnom prípade je dôvod hovoriť o nedostatočnej reprezentatívnosti vzorky. Na výpočet chyby reprezentatívnosti a jej vplyvu na vzorku alebo populáciu sa berie do úvahy mnoho faktorov:

Pravdepodobnosť, s akou sa má dosiahnuť presný výsledok.
Počet vzorkovacích jednotiek. Ako už bolo spomenuté, čím menší je počet jednotiek vo vzorke, tým väčšia bude chyba reprezentatívnosti a naopak.
Homogenita študovanej populácie. Čím je populácia heterogénnejšia, tým väčšia bude chyba reprezentatívnosti. Schopnosť populácie byť reprezentatívna závisí od homogenity všetkých jej základných jednotiek.
Metóda výberu jednotiek vo vzorke populácie.

V konkrétnych štúdiách si percentuálnu chybu priemeru zvyčajne nastavuje sám vyšetrovateľ na základe pozorovacieho programu a podľa údajov z predchádzajúcich štúdií. Za prijateľnú sa spravidla považuje maximálna výberová chyba (chyba reprezentatívnosti) v rozmedzí 3 – 5 %.

Viac nie je vždy lepšie

Je tiež potrebné pripomenúť, že hlavnou vecou pri organizovaní selektívneho pozorovania je znížiť jeho objem na prijateľné minimum. Zároveň by sme sa nemali usilovať o nadmerné znižovanie limitov výberových chýb, pretože to môže viesť k neodôvodnenému zvýšeniu množstva údajov vzorky a následne k zvýšeniu nákladov na výber vzoriek.

Zároveň by sa nemala nadmerne zvyšovať veľkosť chyby reprezentatívnosti. Koniec koncov, v tomto prípade, hoci dôjde k zníženiu veľkosti vzorky, povedie to k zhoršeniu spoľahlivosti získaných výsledkov.

Aké otázky zvyčajne kladie výskumník?

Akýkoľvek výskum, ak sa vykonáva, má nejaký účel a má získať nejaké výsledky. Pri vykonávaní výberového prieskumu sú spravidla počiatočné otázky:

Definícia požadované množstvo odberové jednotky, teda koľko jednotiek sa bude skúmať. Okrem toho pre presnú štúdiu musí byť populácia reprezentatívna.
Výpočet chyby reprezentatívnosti so stanovenou úrovňou pravdepodobnosti. Okamžite je potrebné poznamenať, že selektívne štúdie sa neuskutočňujú so 100% pravdepodobnosťou. Ak orgán, ktorý vykonal štúdiu konkrétneho segmentu, tvrdí, že ich výsledky sú presné so 100% pravdepodobnosťou, potom je to lož. Dlhoročná prax už stanovila percento pravdepodobnosti správne vykonanej vzorovej štúdie. Toto číslo je 95,4 %.

Metódy výberu výskumných jednotiek vo vzorke

Nie každá vzorka je reprezentatívna. Niekedy je jedno a to isté znamenie inak vyjadrené v celku a v jeho časti. Na dosiahnutie požiadaviek reprezentatívnosti je vhodné použiť rôzne triky vytvorenie vzorky. Okrem toho použitie jednej alebo druhej metódy závisí od konkrétnych okolností. Niektoré z týchto metód odberu vzoriek zahŕňajú:

náhodný výber;
mechanický výber;
typický výber;
sériový (vnorený) výber.

Náhodný výber je systém činností zameraných na náhodný výber jednotiek populácie, pričom pravdepodobnosť zaradenia do vzorky je rovnaká pre všetky jednotky všeobecnej populácie. Túto techniku je vhodné použiť iba v prípade homogenity a malého počtu jej inherentných vlastností. Inak niektoré charakterové rysy riziko, že nebudú zahrnuté do vzorky. Vlastnosti náhodného výberu sú základom všetkých ostatných metód odberu vzoriek.

S mechanickým výberom jednotiek sa vykonáva v určitom intervale. V prípade potreby vytvorenia vzorky konkrétnych trestných činov je možné zo všetkých štatistických záznamov evidovaných trestných činov odobrať každú 5., 10. alebo 15. kartu v závislosti od ich celkového počtu a dostupných veľkostí vzorky. Nevýhodou tejto metódy je, že pred výberom je potrebné mať kompletný prehľad o jednotkách populácie, potom je potrebné vykonať ranking a až potom je možné v určitom intervale vzorkovať. Táto metóda trvá veľa času, takže sa často nepoužíva.

Typický (regionálny) výber je typ vzorky, v ktorej je všeobecná populácia rozdelená do homogénnych skupín podľa určitého atribútu. Niekedy výskumníci namiesto „skupiny“ používajú iné výrazy: „okresy“ a „zóny“. Potom sa z každej skupiny náhodne vyberie určitý počet jednotiek v pomere k podielu skupiny na celkovej populácii. Typický výber sa často vykonáva v niekoľkých fázach.

Sériový odber vzoriek je metóda, pri ktorej sa výber jednotiek vykonáva v skupinách (sériách) a všetky jednotky vybranej skupiny (sérií) sú predmetom skúmania. Výhodou tejto metódy je, že niekedy je ťažšie vybrať jednotlivé jednotky ako série, napríklad pri štúdiu osoby, ktorá je vo výkone trestu. V rámci vybraných oblastí, zón sa uplatňuje štúdium všetkých útvarov bez výnimky, napríklad štúdium všetkých osôb vo výkone trestu v konkrétnom ústave.

Kyjevská ulica, 16 0016 Arménsko, Jerevan +374 11 233 255

Ukážka alebo vzorkovací rámec- súbor prípadov (predmetov, predmetov, udalostí, vzoriek), pomocou určitého postupu, vybraných z bežnej populácie na účasť v štúdii.

Vlastnosti vzorky:

§ Kvalitatívna charakteristika vzorky – koho presne vyberáme a aké metódy konštrukcie vzorky na to používame.

§ Kvantitatívne charakteristiky vzorky – koľko prípadov vyberieme, inými slovami veľkosť vzorky.

Potreba odberu vzoriek

§ Predmet štúdia je veľmi rozsiahly. Napríklad spotrebiteľmi produktov globálnej spoločnosti je obrovské množstvo geograficky rozptýlených trhov.

§ Je potrebné zbierať primárne informácie.

Veľkosť vzorky

Veľkosť vzorky- počet prípadov zahrnutých do vzorky. Zo štatistických dôvodov sa odporúča, aby počet prípadov bol aspoň 30-35.

Závislé a nezávislé vzorky

Pri porovnávaní dvoch (alebo viacerých) vzoriek je dôležitým parametrom ich závislosť. Ak je možné stanoviť homomorfný pár (to znamená, keď jeden prípad zo vzorky X zodpovedá jednému a iba jeden prípad zo vzorky Y a naopak) pre každý prípad v dvoch vzorkách (a tento základ vzťahu je dôležitý pre znak merané vo vzorkách), takéto vzorky sa nazývajú závislý. Príklady závislých výberov:

§ páry dvojčiat,

§ dve merania akéhokoľvek znaku pred a po experimentálnej expozícii,

§ manželia a manželky

Ak medzi vzorkami takýto vzťah neexistuje, potom sa berú do úvahy tieto vzorky nezávislý, napríklad:

§ muži a ženy,

§ psychológovia a matematici.

V súlade s tým majú závislé vzorky vždy rovnakú veľkosť, zatiaľ čo veľkosť nezávislých vzoriek sa môže líšiť.

Vzorky sa porovnávajú pomocou rôznych štatistických kritérií:

§ Studentov t-test

§ Wilcoxonov test

§ Mann-Whitney U-test

§ Kritérium podpisu

Reprezentatívnosť

Vzorku možno považovať za reprezentatívnu alebo nereprezentatívnu.

Príklad nereprezentatívnej vzorky

V Spojených štátoch sa za jeden z najznámejších historických príkladov nereprezentatívneho odberu vzoriek považuje incident, ku ktorému došlo počas prezidentské voľby v roku 1936. Litrery Digest, ktorý úspešne predpovedal udalosti niekoľkých predchádzajúcich volieb, sa prepočítal, keď svojim predplatiteľom, ako aj ľuďom vybraným z celoštátnych telefónnych zoznamov a ľuďom z registračných zoznamov áut, rozoslal desať miliónov skúšobných hlasovacích lístkov. V 25 % vrátených hlasovacích lístkov (takmer 2,5 milióna) boli hlasy rozdelené takto:

§ 57 % uprednostnilo republikánskeho kandidáta Alfa Landona

§ 40 % zvolil vtedajší demokratický prezident Franklin Roosevelt

Ako je známe, Roosevelt vyhral skutočné voľby s viac ako 60% hlasov. Chybou Litreary Digest bolo toto: v snahe zvýšiť reprezentatívnosť vzorky – pretože vedeli, že väčšina ich predplatiteľov sa považuje za republikánov – rozšírili vzorku o ľudí vybraných z telefónnych zoznamov a registračných zoznamov. Nebrali však do úvahy dobovú realitu a v skutočnosti naverbovali ešte viac republikánov: počas Veľkej hospodárskej krízy si mohla dovoliť vlastniť telefóny a autá väčšinou stredná a vyššia trieda (teda väčšina republikánov, nie demokratov).

Typy plánov na zostavenie skupín zo vzoriek

Existuje niekoľko hlavných typov plánu budovania skupiny:

1. Štúdium s experimentálnymi a kontrolnými skupinami, ktoré sú umiestnené v rôznych podmienkach.

§ Štúdium s experimentálnymi a kontrolnými skupinami pomocou stratégie párového výberu

2. Výskum s použitím iba jednej skupiny – experimentálnej.

3. Výskum pomocou zmiešaného (faktoriálneho) plánu – všetky skupiny sú umiestnené v rôznych podmienkach.

]Typy odberu vzoriek

Vzorky sú rozdelené do dvoch typov:

§ pravdepodobnostný

§ nepravdepodobnosť

Vzorky pravdepodobnosti

1. Jednoduché vzorkovanie pravdepodobnosti:

§ Jednoduché prevzorkovanie. Použitie takejto vzorky je založené na predpoklade, že každý respondent bude rovnako pravdepodobne zaradený do vzorky. Na základe zoznamu bežnej populácie sú zostavené kartičky s počtami respondentov. Vložia sa do balíčka, zamiešajú a náhodne sa z nich vyberie karta, zapíše sa číslo a vráti sa späť. Ďalej sa postup opakuje toľkokrát, koľkokrát potrebujeme veľkosť vzorky. Mínus: opakovanie výberových jednotiek.

Postup vytvorenia jednoduchej náhodnej vzorky zahŕňa nasledujúce kroky:

1. treba dostať úplný zoznam príslušníkov bežnej populácie a očíslujte tento zoznam. Takýto zoznam, odvolanie, sa nazýva vzorkovací rámec;

2. určiť predpokladanú veľkosť vzorky, teda predpokladaný počet respondentov;

3. vytiahnite z tabuľky náhodných čísel toľko čísel, koľko potrebujeme vzorových jednotiek. Ak má vzorka zahŕňať 100 ľudí, z tabuľky sa vyberie 100 náhodných čísel. Tieto náhodné čísla môže generovať počítačový program.

4. vyberte zo základného zoznamu tie pozorovania, ktorých čísla zodpovedajú zapísaným náhodným číslam

§ Jednoduchý náhodný odber vzoriek má zjavné výhody. Táto metóda je mimoriadne jednoduchá na pochopenie. Výsledky štúdie možno rozšíriť na skúmanú populáciu. Väčšina prístupov k štatistickej inferencii zahŕňa zber informácií pomocou jednoduchej náhodnej vzorky. Jednoduchá metóda náhodného výberu má však aspoň štyri významné obmedzenia:

1. Často je ťažké vytvoriť rámec vzorkovania, ktorý by umožňoval jednoduchú náhodnú vzorku.

2. Výsledkom jednoduchej náhodnej vzorky môže byť veľká populácia alebo populácia rozložená na veľkej geografickej ploche, čo výrazne zvyšuje čas a náklady na zber údajov.

3. Výsledky aplikácie jednoduchej náhodnej vzorky sa často vyznačujú nízkou presnosťou a väčšou štandardnou chybou ako výsledky aplikácie iných pravdepodobnostných metód.

4. V dôsledku aplikácie SRS sa môže vytvoriť nereprezentatívna vzorka. Hoci vzorky získané jednoduchým náhodným výberom v priemere adekvátne reprezentujú populáciu, niektoré z nich extrémne nesprávne reprezentujú skúmanú populáciu. Pravdepodobnosť je obzvlášť vysoká pri malej veľkosti vzorky.

§ Jednoduchý neopakovateľný odber vzoriek. Postup pri zostavovaní vzorky je rovnaký, len karty s číslami respondentov sa nevracajú späť do balíčka.

1. Systematické vzorkovanie pravdepodobnosti. Je to zjednodušená verzia jednoduchej pravdepodobnostnej vzorky. Na základe zoznamu bežnej populácie sa v určitom intervale (K) vyberajú respondenti. Hodnota K je určená náhodne. Najspoľahlivejší výsledok sa dosiahne s homogénnou všeobecnou populáciou, inak sa veľkosť kroku a niektoré vnútorné cyklické vzorce vzorky môžu zhodovať (miešanie vzoriek). Nevýhody: rovnaké ako v jednoduchej pravdepodobnostnej vzorke.

2. Sériové (vnorené) vzorkovanie. Jednotkami výberu sú štatistické rady (rodina, škola, tím atď.). Vybrané prvky sú podrobované priebežnému skúmaniu. Výber štatistických jednotiek môže byť organizovaný podľa typu náhodného alebo systematického výberu. Zápory: Možnosť väčšej homogenity ako u bežnej populácie.

3. Zónový odber vzoriek. V prípade heterogénnej populácie sa pred použitím pravdepodobnostného vzorkovania akoukoľvek selekčnou technikou odporúča rozdeliť populáciu na homogénne časti, takáto vzorka sa nazýva zónovaná vzorka. Skupiny zón môžu byť prírodné útvary (napríklad mestské časti) a akýkoľvek prvok, ktorý je základom štúdie. Znak, na základe ktorého sa rozdelenie uskutočňuje, sa nazýva znak stratifikácie a zónovania.

4. "Pohodlný" výber. Postup odberu vzoriek „pohodlia“ spočíva v nadviazaní kontaktov s „pohodlnými“ jednotkami odberu vzoriek – so skupinou študentov, športovým tímom, s priateľmi a susedmi. Ak je potrebné získať informácie o reakciách ľudí na nový koncept, takáto vzorka je celkom rozumná. Na predbežné testovanie dotazníkov sa často používa „pohodlný“ odber vzoriek.

Neuveriteľné vzorky

Výber v takejto vzorke sa neuskutočňuje podľa princípov náhody, ale podľa subjektívnych kritérií - dostupnosť, typickosť, rovnaké zastúpenie atď.

1. Kvótová vzorka - vzorka je zostavená ako model, ktorý reprodukuje štruktúru všeobecnej populácie vo forme kvót (proporcií) študovaných charakteristík. Počet prvkov vzorky s rôznou kombináciou skúmaných charakteristík je stanovený tak, aby zodpovedal ich podielu (podielu) v celkovej populácii. Ak teda máme napríklad všeobecnú populáciu 5000 ľudí, z toho 2000 žien a 3000 mužov, tak v kvótovej vzorke budeme mať 20 žien a 30 mužov alebo 200 žien a 300 mužov. Vzorky kvót sú najčastejšie založené na demografických kritériách: pohlavie, vek, región, príjem, vzdelanie a iné. Nevýhody: zvyčajne takéto vzorky nie sú reprezentatívne, pretože nie je možné brať do úvahy niekoľko sociálnych parametrov naraz. Plusy: ľahko dostupný materiál.

2. Metóda snehovej gule. Vzorka je zostavená nasledovne. Každý respondent, počnúc prvým, je požiadaný, aby kontaktoval svojich priateľov, kolegov, známych, ktorí by vyhovovali podmienkam výberu a mohli by sa štúdie zúčastniť. Vzorka sa teda s výnimkou prvého kroku tvorí za účasti samotných predmetov štúdia. Metóda sa často používa, keď je potrebné nájsť a vypočuť ťažko dostupné skupiny respondentov (napríklad respondenti s vysokým príjmom, respondenti patriaci do rovnakej profesijnej skupiny, respondenti, ktorí majú nejaké podobné záľuby / vášne atď.). )

3. Spontánny odber vzoriek – odber vzoriek takzvaného „first comer“. Často sa používa v televíznych a rozhlasových anketách. Veľkosť a zloženie spontánnych vzoriek nie je vopred známe a určuje ich len jeden parameter – aktivita respondentov. Nevýhody: nie je možné určiť, aký druh všeobecnej populácie respondenti reprezentujú, a preto nie je možné určiť reprezentatívnosť.

4. Prieskum trasy – často sa používa, ak je jednotkou štúdia rodina. Na mape lokalite kde sa bude prieskum vykonávať, sú očíslované všetky ulice. Pomocou tabuľky (generátora) sa vyberajú náhodné čísla veľké čísla. Každé veľké číslo sa považuje za pozostávajúce z 3 zložiek: číslo ulice (2-3 prvé čísla), číslo domu, číslo bytu. Napríklad číslo 14832: 14 je číslo ulice na mape, 8 je číslo domu, 32 je číslo bytu.

5. Zónové vzorkovanie s výberom typických objektov. Ak sa po zónovaní vyberie z každej skupiny typický objekt, t.j. objekt, ktorý sa podľa väčšiny charakteristík skúmaných v štúdii približuje k priemeru, takáto vzorka sa nazýva zónovaná s výberom typických objektov.

6.Modálny výber. 7. odborná vzorka. 8. Heterogénna vzorka.

Stratégie budovania skupiny

Výber skupín pre ich účasť psychologický experiment sa uskutočňuje pomocou rôznych stratégií, ktoré sú potrebné na zabezpečenie čo najvyššej súladu s internou a externou validitou.

§ Randomizácia (náhodný výber)

§ Párový výber

§ Stratometrický výber

§ Približné modelovanie

§ Zapojenie skutočných skupín

Randomizácia

Randomizácia, alebo náhodný výber, sa používa na vytváranie jednoduchých náhodných vzoriek. Použitie takejto vzorky je založené na predpoklade, že každý člen populácie bude rovnako pravdepodobne zahrnutý do vzorky. Napríklad, ak chcete urobiť náhodnú vzorku 100 vysokoškolákov, môžete do klobúka vložiť papieriky s menami všetkých vysokoškolákov a potom z nich vybrať 100 papierikov – bude to náhodný výber (Goodwin J. , s. 147).

Párový výber

Párový výber- stratégia konštrukcie výberových skupín, v ktorej sú skupiny subjektov tvorené subjektmi, ktoré sú ekvivalentné z hľadiska vedľajších parametrov, ktoré sú významné pre experiment. Táto stratégia je účinná pre experimenty využívajúce experimentálne a kontrolné skupiny s najlepšou možnosťou - prilákaním dvojčiat (mono- a dizygotných), pretože vám umožňuje vytvoriť ...

Stratometrický výber

Stratometrický výber- randomizácia s prideľovaním vrstiev (alebo zhlukov). O túto metódu odber vzoriek sa všeobecná populácia rozdelí na skupiny (vrstvy), ktoré majú určité charakteristiky (pohlavie, vek, politické preferencie, vzdelanie, úroveň príjmu atď.), a vyberú sa subjekty s príslušnými charakteristikami.

Približné modelovanie

Približné modelovanie- zostavenie obmedzených vzoriek a zovšeobecnenie záverov o tejto vzorke na širšiu populáciu. Napríklad pri účasti na štúdiu študentov 2. ročníka vysokej školy sa údaje tejto štúdie rozširujú na „ľudí vo veku 17 až 21 rokov“. Prípustnosť takýchto zovšeobecnení je veľmi obmedzená.

Približné modelovanie je vytvorenie modelu, ktorý pre jasne definovanú triedu systémov (procesov) popisuje jej správanie (alebo požadované javy) s prijateľnou presnosťou.

Jednou z hlavných súčastí dobre navrhnutej štúdie je definícia vzorky a toho, čo je reprezentatívna vzorka. Je to ako v príklade koláča. Koniec koncov, nie je potrebné zjesť celý dezert, aby ste pochopili jeho chuť? Stačí malá časť.

Takže torta je populácia (teda všetci respondenti, ktorí sa kvalifikujú do prieskumu). Môže byť vyjadrený územne, napríklad iba obyvatelia Moskovskej oblasti. Pohlavie - iba ženy. Alebo mať vekové obmedzenia – Rusi majú nad 65 rokov.

Je ťažké vypočítať počet obyvateľov: potrebujete mať údaje zo sčítania obyvateľstva alebo predbežných hodnotiacich prieskumov. Preto sa obyčajne všeobecná populácia „odhaduje“ a z výsledného čísla sa počíta vzorkovací rámec alebo vzorkovanie.

Čo je reprezentatívna vzorka?

Ukážka je presne definovaný počet respondentov. Jeho štruktúra by sa mala čo najviac zhodovať so štruktúrou bežnej populácie, pokiaľ ide o hlavné charakteristiky výberu.

Napríklad, ak sú potenciálnymi respondentmi celá populácia Ruska, kde 54 % tvoria ženy a 46 % muži, potom by vzorka mala obsahovať presne rovnaké percento. Ak sa parametre zhodujú, vzorku možno nazvať reprezentatívnou. To znamená, že nepresnosti a chyby v štúdii sú minimalizované.

Veľkosť vzorky sa určuje s prihliadnutím na požiadavky na presnosť a hospodárnosť. Tieto požiadavky sú navzájom nepriamo úmerné: čím väčšia je veľkosť vzorky, tým presnejší je výsledok. Okrem toho, čím vyššia je presnosť, tým sú náklady na štúdiu zodpovedajúco vyššie. A naopak, čím menšia vzorka, tým menej nákladov, tým menej presnejšie a náhodnejšie sa reprodukujú vlastnosti bežnej populácie.

Preto na výpočet množstva výberu sociológovia vynašli vzorec a vytvorili špeciálna kalkulačka:

Pravdepodobnosť spoľahlivosti a chyba dôvery

Čo znamenajú podmienky" úroveň sebavedomia" a " chyba dôvery"? Úroveň spoľahlivosti je mierou presnosti meraní. Chyba spoľahlivosti je možnou chybou vo výsledkoch štúdie. Napríklad pri všeobecnej populácii viac ako 500 000 ľudí (napríklad žijúcich v Novokuznecku) bude vzorka 384 ľudí s úrovňou spoľahlivosti 95 % a chybou 5 % ALEBO (s intervalom spoľahlivosti 95 ± 5 %).

Čo z toho vyplýva? Pri vykonaní 100 štúdií s takouto vzorkou (384 ľudí) budú v 95 percentách prípadov prijaté odpovede podľa zákonov štatistiky v rozmedzí ± 5 % originálu. A dostaneme reprezentatívnu vzorku s minimálnou pravdepodobnosťou štatistickej chyby.

Po vykonaní výpočtu veľkosti vzorky môžete v demo verzii panela dotazníka zistiť, či je dostatok respondentov. Môžete sa dozvedieť viac o tom, ako vykonať panelový prieskum.