गुड सर्वे रिसर्च डिझाईन हे नमूनाकरण त्रुटी कमी करण्यासाठी प्रयत्न करते
विश्वास विरामचिन्ह काय आहे?
आत्मविश्वास अंतराल हा त्रुटीचा मार्जिन आहे जो एखाद्या संशोधकांना अनुभवावे लागेल जर त्याने लक्ष्यित लोकसंख्येतील प्रत्येक सदस्यास एक विशिष्ट शोध प्रश्न विचारला असेल आणि तो त्याच उत्तराने परत मिळू शकतो की नमुन्याचे सदस्य सर्वेक्षणानुसार दिले.
उदाहरणार्थ, सर्वेक्षणाच्या नमुनातील 4 ते 60% सहभागधारकांनी आत्मविश्वासाने "मित्राना शिफारस केली" असे उत्तर दिले असेल, तर तो निश्चित असू शकतो की संपूर्ण लक्ष्य लोकसंख्येतील 54% आणि 64% सदस्यांना त्याचप्रश्नावर विचारल्यावर "मित्रांना शिफारस करतो" असेही म्हणता येईल. आत्मविश्वास मध्यांतर, या प्रकरणात, +/- 4 आहे.
आत्मविश्वास स्तरावर काय आहे?
आत्मविश्वास पातळी एक संशोधक एक नमुना प्राप्त डेटा असू शकते कसे आत्मविश्वास एक अभिव्यक्ती आहे. आत्मविश्वास स्तर टक्केवारी म्हणून व्यक्त केले जातात आणि लक्ष्यित लोकसंख्येतील किती टक्के लोक आत्मविश्वास अंतराळात पोहचतात याचे उत्तर किती वेळा दर्शवितात. सर्वात सामान्यपणे वापरलेले आत्मविश्वास स्तर 9 5% आहे संबंधित संकल्पनाला सांख्यिकीय महत्व असे म्हणतात.
एक संशोधक त्याच्या नमुना लक्ष्य लोकसंख्या खरोखर प्रतिनिधी आहे की संभाव्यता मध्ये आत्मविश्वास अनेक घटक प्रभावित आहे
संशोधक त्याच्या अभ्यासाची रचना आणि अंमलबजावणीतील आत्मविश्वास - आणि त्याच्या मर्यादांची जाणीव - मुख्यत्वे तीन महत्वाच्या व्हेरिएबल्सवर आधारित असतात: नमूना आकार, प्रतिसादाची वारंवारता आणि लोकसंख्या आकार. शोध नियोजन टप्प्यात संशोधकांनी सहमती दर्शविली आहे की या व्हेरिएबल्सचा काळजीपूर्वक विचार करणे आवश्यक आहे.
- नमुना आकार साधारणपणे बोलत असतांना, मोठ्या सॅम्पल डेटा वितरीत करतात जे खरोखर लक्ष्य लोकसंख्येचे प्रतिबिंबित करतात. विस्तृत विश्वास अंतराळा डेटामध्ये कमी आत्मविश्वास दर्शवितात कारण त्रुटीसाठी मोठा मार्जिन आहे . एक व्यापक आत्मविश्वास मध्यांतर म्हणजे आपले दंड हेजिंगसारखे आहे. आत्मविश्वास अंतराल आणि नमुना आकार यामध्ये संबंध आहे, परंतु हे एक रेषीय संबंध नाही . संशोधक नमुना आकार दुप्पट करून आत्मविश्वास पातळी कमी करू शकत नाही.
- प्रतिसादाची वारंवारता नमुना डेटा ज्या लक्ष्यित लोकसंख्येवर प्रतिबिंबित करतात त्या अचूकतेवर उत्तरदायी व्यक्तींच्या टक्केवारीवर देखील अवलंबून असते ज्यांनी विशिष्ट उत्तर दिले किंवा विशिष्ट पद्धतीने प्रतिसाद दिला . उत्तर देणा-या उत्तरदायी व्यक्तींची संख्या जितकी जास्त होईल तितकीच "खूप आनंदी" असे म्हणणे, संशोधक त्या अभ्यासाचे असू शकतो. सामान्य वक्र मधल्या भागात टक्केवारीत काही परिवर्तनशीलता असेल. म्हणजेच, जर संशोधक 50 टक्के आश्वस्त असेल की लक्ष्य लोकसंख्येतील सदस्य प्रतिसाद देईल (आत्मविश्वास अंतराल मध्ये) जसे की नमुना लोकसंख्या, त्या 50% पातळीपासून काही फरक पडण्याची शक्यता आहे.
हे लक्षात ठेवणे चांगले आहे की आउटलायअर (सामान्यतया शेवटच्या टप्प्यात, किंवा पोकळी, सामान्य वक्रच्या) लोकसंख्येत समान दराने होण्याची शक्यता जास्त असते कारण ते एका नमुन्यात करतात - येथे कमी परिवर्तनशीलता आहे , कमी वारंवारता आहे कारण. (पॅलॅटीक सायन्स सेंटरच्या प्रदर्शनात गॅलटन बॉक्समधील बॉल्स मध्यभागी कसे टिकून राहतात हे पहावे? केवळ काही चेंडू पुच्छातून खाली उतरतात.) या कारणास्तव, अत्यावश्यक उत्तरांची पुनरावृत्ती होण्याची खात्री करणे सोपे आहे. .
- लोकसंख्या आकार नमुन्याच्या आकारात महत्त्वाचा घटक नाही जोपर्यंत एखादा संशोधक एखाद्या लोकसंख्येत काम करत असेल ज्याची संख्या अगदी लहान आहे आणि त्याला आणि तिला ज्ञात आहे (उदा., पुरेसे लहान जेणेकरून लोकसंख्येतील सर्व सदस्यांना शोधकाने ओळखता येईल).
क्रिएटिव्ह रिसर्च सिस्टिम्स असे सांगतो:
संभाव्यता गणित दर्शविते की लोकसंख्येचा आकार अप्रासंगिक आहे जोवर नमुनाचा आकार आपण तपासत असलेल्या एकूण लोकसंख्येच्या काही टक्केपेक्षा जास्त आहे. याचा अर्थ असा की 50000 लोकांचा एक नमुना 15,000,000 च्या राज्याच्या मते तपासण्यामध्ये तितकेच उपयुक्त आहे कारण ते 100,000 चे शहर असेल.
प्रतिनिधीचा नमूना तयार करणे एक महाग आणि वेळ घेणारी प्रक्रिया असू शकते. संशोधक नेहमी आत्मविश्वास पातळीवर ट्रेड ऑफ बंद असतात जे त्यांना प्राप्त करायला आवडेल - किंवा त्यांना प्राप्त करण्यासाठी अचूकतेची पदवी - आणि आत्मविश्वास स्तर त्यांना परवडण्यासारखे आहे.
गुणात्मक सर्वेक्षणात संशोधन
गुणात्मक संशोधन निसर्गात शोधकात्मक किंवा वर्णनात्मक आहे आणि संख्या किंवा मोजणीवर लक्ष केंद्रित करत नाही. परंतु गुणात्मक सर्वेक्षण अहवालामध्ये नमूनांग त्रुटीबद्दल चिंता अद्याप वैध आहे. सामान्य नियम म्हणून, जर नमुना लक्ष्य विश्वाचा प्रतिनिधी असतो, तर संशोधनातून उत्पन्न होणारी थीम किंवा नमुने मोठ्या संख्येत संशोधकांना स्वारस्य दर्शवितात. जर नमुना दोन्ही प्रतिनिधि आहे आणि त्यात लक्ष्यित लोकांच्या मोठ्या टक्केवारीचा समावेश असेल तर त्या नमुन्यावरून मिळालेल्या डेटाच्या अचूकतेविषयी आत्मविश्वास उच्च असेल.
सर्वेक्षण अभ्यासाचे नमूना आकार निर्धारित करणे
नमुन्याच्या आकाराचे निर्धारण करताना विविध नियमांनुसार संख्यात्मक संशोधन आणि गुणात्मक संशोधनावर लागू होते. सामान्यत :, गुणात्मक सर्वेक्षण संशोधनाद्वारे तयार झालेल्या डेटावर विश्वास ठेवण्यासाठी संशोधकाने डेटा कसा वापरावा याची एक स्पष्ट कल्पना असणे आवश्यक आहे. डेटा वर्णनात्मक कथानकासाठी आधार बनवू शकतो (एक केस स्टडी किंवा काही नृवंशैतिक संशोधन म्हणून) किंवा ते संबंधित परिमाणे ओळखण्यासाठी अन्वेषण पद्धतीमध्ये काम करू शकतात ज्या नंतर परिमाणित अभ्यासात सहसंबंधांसाठी चाचणी घेतील.
संख्यात्मक सर्वेक्षण मध्ये नमुना आकार संशोधन
संख्यात्मक संशोधनामध्ये मार्केट सेगमेंट किंवा लक्ष्य बाजाराचे उपसमूह यांच्यातील तुलना समाविष्ट होते. परिमाणवाचक संशोधन क्रमांक-चालविण्यामुळे, सोयीचा नमुना आकार निश्चित करणे सोपे असू शकते - अभ्यासात प्रत्येक महत्त्वाच्या गट किंवा सेगमेंटसाठी, 100 स्पर्धकांना सर्वेक्षण करणे अपेक्षित होते. हा नंबर एक शिफारस आहे आणि एक परिपूर्ण नाही सर्वेक्षण संशोधनामध्ये नमुन्याचे आकार निश्चित करण्यासाठी बाजार संशोधक बर्याच संबंधित व्हेरिएबल्सचा विचार करेल.
सर्वेक्षण बाजार संशोधन आयोजित करताना, लक्ष्य लक्ष्य विश्वाच्या बद्दल खरे असू शकते काय नमुना पासून अनुमान करणे आहे . एक नमुना अशी माहिती प्रदान करतो जो पाहू किंवा ओळखला जाऊ शकतो. या साजरा किंवा ज्ञात डेटावरून, एखादा संशोधक लक्ष्यित लोकसंख्येत अज्ञात मूल्य किंवा मापदंड शोधू शकणारा पदवी ठरवू शकतो.
संशोधनात्मक सर्वेक्षणाचा शोध संशोधकांच्या मनात लक्ष्यित सामान्य , सममित वक्रावर आधारित असतो - लक्ष्य विश्वाचा - प्रत्यक्षात मापदंड ओळखण्यापेक्षा शोधकाने जे अंदाज व्यक्त केले पाहिजे अशी लोकसंख्या. नमूना डेटावरुन - एक निमंत्रित नमूना शोधकाची गणना करण्याची परवानगी देते - अंदाजे मूल्यांची अंदाजे श्रेणी ज्यात अनोळखी मूल्य किंवा व्याज जो घटक आहे मूल्यांची ही अंदाजित श्रेणी सामान्य वक्रवर आधारित क्षेत्र दर्शवते आणि सामान्यतः दशांश किंवा टक्केवारी म्हणून व्यक्त केली जाते.
सामान्य कर्व्ह आणि संभाव्यता
एक सामान्य, सममित वक्र संभाव्यतेची दृश्यमान अभिव्यक्ती आहे. चला एक साधारण साधक बघूया: विज्ञान केंद्रांवरील एखादा क्रियाकलाप एकावेळी एकाचवेळी दोन ऍक्रिलिक शीट्समध्ये मोठ्या प्रमाणात बॉल टाकतात. प्रत्येक बॉल डिस्प्लेच्या शीर्षस्थानी त्याच ओपनिंगमधे येते आणि नंतर उभ्या, समांतर डिव्हेंडरच्या दरम्यान थेंब होते जे ते विश्रांतीसाठी येतात तेव्हा गोळेचे ढीग वेगळे करतात. कित्येक तासांनंतर, चेंडूंनी सामान्य वक्रचा आकार तयार केला आहे. प्रत्येक नवीन ओळखलेल्या गोलाने प्रथम चेंडू आलेल्या चेंडूंच्या साखळीत वक्र वळण बदलते. परंतु सर्वसामान्यपणे, प्रमाणबद्ध वक्र स्पष्ट आहे आणि ते नैसर्गिकरित्या घडले आहे, विज्ञान केंद्र निरीक्षक किंवा कर्मचा-यांच्या कोणत्याही कृतीतून स्वतंत्र. गोलाकार आकाराने गोल आकाराने संभाव्यता प्रतिबिंबित केली जाते की बहुतेक चेंडू केंद्रांवर पडतात आणि तेथेच राहतात. काही गोळे ते वळणाच्या दूरच्या टोकास बनवतील - काही अनिवार्यपणे येतील परंतु ते काही संख्येने असतील.
हे सामान्य वक्र एक नमुना संकल्पना सारखे आहे. प्रत्येक वेळी डिस्प्ले रिक्त होते आणि बॉल परत एकदा गॅलटन बॉक्समध्ये पडण्याची परवानगी देतात, तेव्हा चेंडूचे स्टॅकचे कॉन्फिगरेशन फक्त थोडेच वेगळे असते. पण कालांतराने, वक्रचा आकार जास्त बदलणार नाही आणि नमुना खरंच धरून जाईल.