به نام خداوند جان خرد
کزین برتر اندیشه بر نگذرد
درس روشهای تحقیق در مدیریت
استاد مربوطه: آقای دکتر یعقوبی پور
تدوین : محمد رحمتی و جواد سلاجقه
مباحث فصل
جامعه . عضو. چهار چوب جامعه آماری . نمونه. آزمودنی
نمونه گیری
دلایل نمونه برداری
معرف بودن نمونه
نمونه برداری احتمالی
نمونه برداری تصادفی ساده
نمونه برداری منظم
نمونه برداری طبقه ای : متناسب و غیر متناسب با حجم
نمونه برداری خوشه ای : یک مرحله ای و چند مرحله ای
نمونه برداری منطقه ای
نمونه برداری مضاعف (مجدد)
نمونه برداری غیر احتمالی
نمونه برداری در دسترس
نمونه برداری قضاوتی
نمونه برداری سهمیه ای
مسایل دقت و اطمینان در تعیین حجم نمونه
رابطه متقابل دقت و اطمینان : موازنه
داده های نمونه و آزمون فرضیه
حجم نمونه
کآرایی در نمونه برداری
هدفهای فصل
پس از فراگیری این فصل شما خواهید توانست :
1- نمونه برداری .نمونه جامعه آماری . عضو جامعه . آزمودنی و چارچوب جامعه آماری را تعریف کنید .
2- تفاوت میان انواع طرحهای نمونه برداری را به طور مستدل توصیف کنید .
3- کاربرد طرحهای نمونه برداری مناسب را برای انواع هدفهای پزوهشی مشخص کنید .
4- چگونگی استفاده از حجم داده های نمونه را برای آزمون تشریح کنید .
5- دقت و اطمینان را به طور مستدل تشریح کنید .
جامعه آماری .عضو . چارچوب آماری . نمونه و آزمودنی
جامعه آماری : به تمام افراد. وقایع یا چیزهایی که محقق می خواهد درباره آنها تحقیق و
بررسی کند . مثلا“ اگر محقق بخواهد درباره رضایتمندی کارمندان اداره برق از میزان
حقوقشان تحقیق کند تمام کارمندان اداره برق در کل کشور .جامعه آماری او را تشکیل میدهند.
عضو جامعه آماری : یک جزء از کل جامعه آماری مورد نظر ماست . مثلا“اگر اداره برق 1000
کارمند داشته باشد هر نفر از کارمندان شاغل در اداره برق یک عضو جامعه آماری ما را تشکیل میدهد
چارچوب جامعه آماری : فهرستی از همه اعضاء و اجزای جامعه آماری مورد مطالعه
ماست که از بین آن گروه نمونه برای کار تحقیق ما انتخاب می شود. مثلا“ برای مثال اداره برق ما
لیست حقوق کارمندان اداره برق را مورد بررسی قرار میدهیم (که آماده است یعنی از قبل توسط
بخش حسابداری تهیه شده )البته اشکالاتی هم معمولا“ دارند مثل به روز نبودن آنها .چون قبلا“ تهیه
شده اند تغییر و تحولات روزانه و شاید ماهانه در آنها ترتیب اثر داده نشوند که مشکلات جزئی در
تحقیق ما خواهند داشت .
گروه نمونه : مجموعه کوچکی از جامعه آماری که قسمتی از آن را تشکیل می دهد معمولا“
درجوامع آماری که تعداد زیاد باشد و تحقیق و بررسی در باره تمام آنها یا امکان پذیر نیست یا زمان و هزینه بالایی را مطلبد از گروه نمونه استفاده می شود و به عنوان یک مجموعه فرعی
از جامعه آماری مورد بررسی قرار می گیرد و نتایج حاصل از آن را به کل جامعه آماری تعمیم میدهیم . مثلا“ اگر جامعه آماری ما 1000 نفر باشد ما گروه نمونه ای متشکل از 200 نفر را انتخاب و به بررسی درباره آنها می پردازیم و نتایج حاصله را به کل جامعه آماری تعمیم میدهیم .
آزمودنی(عضو ) : به هر عضو از گروه نمونه را گویند. مثلا“ گروه نمونه مثال زده در بالا 200 نفر از
1000 نفر کل جامعه آماری بود که هر نفر از این 200 نفر یک آزمودنی محسوب می شود .
نمونه برداری
فرآیند انتخاب کردن تعداد کافی از میان اعضای جامعه آماری است بطوری که با مطالعه گروه نمونه.
بتوانیم نتایج بدست آمده را به کل جامعه آماری تعمیم داد
نمودار 1-8 : رابطه گروه نمونه با جامعه آماری
دلایل نمونه برداری : همین طور که قبلا“ هم گفتیم زمانی که جامعه آماری ما بزرگ باشد عملا“ غیر ممکن است که اطلاعات را از تمام داده ها جمع آوری کنیم یا آنها را مورد آزمون قرار دهیم یا بر روی آنها آزمایش انجام دهیم . حتی اگر امکان پذیر هم باشد از نظر زمان هزینه و سایر مسائل نیروی انسانی مقدور نیست و حتی ممکن است بررسی گروه نمونه بجای جامعه آماری کل نتایج معتبرتری بدهد اینکه محقق کمتر خسته می شود و باعث می شود که احتمال اشتباه و درصد خطا کردن کمتر شود و علاوه بر اینکه ما زمانی بر اساس بزرگی جامعه آماری دست به نمونه گیری مینماییم ولی در بعضی از تحقیق ها ما مجبور به استفاده از نمونه گیری و تعمیم دادن آن به کل جامعه آماری هستیم مثلا“ بخواهیم طول عمر لامپهای یک کارخانه را مورد بررسی قرار دهیم
اگر قرار باشد ما تمام لامپهای آن کارخانه را مورد آزمایش قرار دهیم دیگر لامپی باقی نمی ماند و عملا“ از نظر زمانی مکانی امکانات انجام آزمایش و هزینه ای غیر قابل انجام می باشد . معرف بودن گروه نمونه : همه پزوهشگران برجسته بر ضرورت انتخاب گروه نمونه درست و اصولی برای هر مطالعه و تحقیق تاکید دارند. ولی بندرت گروه نمونه جانشین کاملی برای جامعه آماری می باشد . مثلا“ تعداد خیلی کمی از میانگین های گروه نمونه با میانگین جامعه آماری کاملا“ برابرند . با این وجود باز هم میبینیم اگر گروه نمونه را بطور عملی بر گزینیم یعنی دقیق و صحیح انتخاب شود میتوانیم به طور منطقی اطمینان داشته باشیم که آمارهای گروه نمونه خیلی نزدیک به آمارهای جامعه آماری ما خواهند بود و ما باید گروه نمونه را طوری انتخاب کنیم که نماینده مناسبی برای جامعه آماری باشد و ویزگیهای آن را در بر داشته باشد .
نرمال بودن توزیع گروه نمونه
بسیاری از صفتها و ویزگیها در بررسی و مطالعه جامعه آماری بطور طبیعی توزیع می شوند یعنی صفتهایی مثل قد و وزن طوری هستند که بیشتر مردم اطراف میانگین دسته قرار می گیرند مثلا“ برای صفت قد در افراد بالغ اگر میانگین داده ها 1/70 باشد حدود 90% افراد نزدیک این عدد قرار میگیرند یعنی 90% مردم قدی بین 1/40 تا 2 متر دارند و حدود 10% از آنها قدی کوتاهتر از 1/40 و بلندتر از 2 متر دارند . اگر بخواهیم ویزگیهای جامعه آماری را با توجه به گروه نمونه برآورد کنیم باید توزیع ویزگیهای مورد نظر ما در گروه نمونه بر اساس توزیع نرمال موجود در جامعه انتخاب شود . گروه نمونه نباید بیش از حد بزرگ یا کوچک باشد اگر زیاد بزرگ باشد همان مشکلات جامعه آماری (زمانی مکانی و هزینه ای ) را خواهد داشت و علنا“ از حالت جزئی و نمونه بودن خارج می شود و اگر خیلی کوچک باشد از اعتبار کافی برای تعمیم پذیری جامعه آماری برخوردار نیست و آمارهای آن مطابقت کمی با جامعه آماری خواهند داشت . اگر گروه نمونه از لحاظ حجم و طرح نمونه برداری درست انتخاب شود می توان گفت که معرف جامعه آماری هستند و هر چه گروه نمونه معرف بهتری باشد یافته های تحقیقات دارای تعمیم پذیری بیشتری خواهند بود . در دو صورت ما در تحقیق های خود نیاز به تعمیم پذیری نداریم یکی اینکه محقق علاقمند به کسب اطلاعاتی درباره یک وضعیت باشد که مصاحبه با افرادی که در دسترس او هستند کفایت می کند دوم بدلیل کمبود وقت دسترسی به مقداری از اطلاعات به جای بررسی تمام آنها و دقیقترین آنها کفایت می کند .
نمودار 2 – 8 : توزیع طبیعی در یک جامعه آماری
نمونه برداری احتمالی و غیر احتمالی
در نمونه برداری احتمالی تمام اعضای جامعه برای انتخاب در گروه نمونه از شانس
یکسانی برخوردار است ولی در نمونه برداری غیر احتمالی افراد از شانس یکسانی
برای انتخاب برخوردار نیستند . در مواقعی که محقق یا از نظر زمانی با کمبود مواجه
است یا علاقمند به کسب اطلاعاتی درباره یک وضعیت است که قبلا“ گفته شد از
نمونه برداری غیر احتمالی و در باقی موارد که معرف بودن گروه نمونه برای اهداف
تعمیم پذیری دارای اهمیت باشد از نمونه برداری احتمالی استفاده می شود .
نمونه برداری احتمالی : شامل دو مورد زیر است .
1- نمونه برداری تصادفی ساده یا نا محدود : در این طرح اعضای جامعه آماری از یک شانس معین
و یکسانی برای انتخاب در گروه نمونه به عنوان آزمودنی برخوردارند . زمانی که گروه نمونه بدین
ترتیب انتخاب می شوند احتمال زیادی وجود دارد که ویزگیهایی که در پزوهش خود بدان علاقه مند
هستیم به همان صورت در گروه نمونه نیز وجود داشته باشند . مثلا“ اگر جامعه آماری ما 1000 نفر
باشد و ما بخواهیم 100 نفر از آنها را برای گروه نمونه انتخاب کنیم نام هر عضو را بر روی مهره ای
مینویسیم و داخل کیسه ای که دید نداشته باشد میریزیم و بعد بدون نگاه کردن 100 مهره را از داخل کیسه
بیرون می آوریم . که شانس انتخاب تمام مهره ها یک . دهم می باشد . محاسن : کمترین سو گیری و بیشترین
تعمیم پذیری را دارد . معایب : گاهی پر زحمت و پر هزینه است و احتمال دارد همیشه نتوانیم فهرست کاملا“
جدیدی از جامعه آماری بدست آورد.
2- نمونه برداری احتمالی پیچیده یا محدود : به عنوان جایگزین هایی برای طرح تصادفی ساده یا نا محدود از
طرحهای احتالی پیچیده یا محدود استفاده می شود که عبارتند از :
الف – طرح نمونه برداری نظامدار ( سیستماتیک ).
ب – طرح نمونه برداری تصادفی طبقه ای :1 -متناسب با حجم 2- غیر متناسب با حجم
پ – نمونه برداری خوشه ای :
ت – نمونه برداری ناحیه ای :
ث – نمونه برداری مضاعف :
الف _ سیستماتیک یا منظم : برای انتخاب گروه نمونه عددی را تصادفی به عنوان عدد ثابت
انتخاب می کنیم بعد به ترتیب در جامعه آماری قرار میدهیم تا تعداد گروه نمونه کامل شود . مثلا“
جامعه آ ماری ما 400 نفر است و ما گروه نمونه 50 تایی می خواهیم و ما عدد 8 را بطور تصادفی
انتخاب می کنیم و هر هشتمین خانه در جامعه آماری را جزء گروه نمونه قرار می دهیم یعنی
اعداد در جامعه آماری 8. 16. 24. 32. 40و ... (البته اشکالی که من در نحوه تعیین عدد تصادفی
دیدم این بود که نمی شود عدد را بطور تصادفی انتخاب کرد مثلا“ اگر عدد 1 را بطور تصادفی
انتخاب کنیم کل اعداد انتخاب شده برای گروه نمونه ما از عدد 1 تا 50 خواهند بود که باعث
مشکلاتی از جمله : 1 - سو گیری سایر اعضای جامعه آماری که بعد از عدد 50 قرار گرفته اند.
2 - یکنواخت نبودن پراکندگی در جامعه آماری 3- تطبیق نداشتن آمار و ارقام موجود در جامعه
آماری با گروه نمونه 4 - نداشتن اعتبار کافی و مناسب برای تعمیم دادن . که بهتر است ما برای
تعیین عدد تصادفی به این شکل عمل کنیم تعداد کل جامعه آماری را بر تعداد گروه نمونه تقسیم
کنیم که اگر عدد بدست آمده رند بود میتوان همان عدد را انتخاب ولی اگر عدد اعشاری بدست آمد
یا همان عدد بدون در نظر گرفتن اعشار را انتخاب کرد یا یک عدد بزرگتر یا کوچکتر از آن را انتخاب کرد
مثلا“ اگر جامعه آماری ما 325 نفر باشد و ما گروه نمونه ای 40 تایی بخواهیم بعد از تقسیم آنها
عدد 8/125 بدست می آید که در این ما میتوانیم عدد 7 . 8 . 9 . را انتخاب کنیم . که انتخاب آنها به
دو صو رت امکان پذیر است اول بصورت دلخواه یا انتخابی دوم بصورت قرعه کشی
مزیتی که میتوان برای این طرح در نظر گرفت این است که اگر چارچوب
جامعه آماری در دسترس باشد کاربری آن آسان است.
ب _ تصادفی طبقه ای : از این شیوه زمانی استفاده می کنیم که گروههای فرعی با
پارامتر های متفاوتی در جامعه آماری داشته باشیم که هر گروه بر اساس ویزگیهای خاص
خود باید بررسی شود مثلا“ اگر موضوع مورد بررسی ما آموزش باشد چون آموزش در هر رده
و شغل با رده و مشاغل دیگر متفاوت است بنابراین باید از نظر میزان اهمیتی که برای کار
تحقیقی ما دارد بطور جداگانه مورد بررسی قرار گیرد .طبقه بندی باید متناسب با سوال پزوهش
باشد اصولا“ طبقه بندی کارآمد است زیرا اطلاعات بیشتر. دقیقتر و تخصصی تری در
ارتباط با موضوع پزوهش به ما می دهد . اگر در بعضی موارد از روشهای دیگر مثل
نمونه برداری ساده و یا منظم استفاده شود زیادی بعضی پارامترها در بعضی گروههای فرعی
در برابر کمی آن پارامتر در گروههای فرعی دیگر همدیگر را خنثی می کنند در نتیجه
مشکلات واقعی که در سطح یا سطوحی وجود دارد از نظر پنهان می شود .
در این طرح برای کارآمد تر شدن نتایج حاصل از تحقیق بر اساس موضوعی که
می خواهیم مورد بررسی قرار دهیم جامعه آماری مورد نظر را به گروههای فرعی تخصصی
مرتبط با موضوع تقسیم می کنیم بعد هر گروه فرعی را بر اساس میزان اهمیتی که در
ارتباط با موضوع دارند بررسی می کنیم این کار کمک میکند که نتایجی که بدست می آید
دقیق تر و اصولی تر باشند و تعمیم پذیری آن را افزایش می دهد که به دو روش متناسب و
نا متناسب امکان پذیر است در روش متناسب اگر ما 6 گروه فرعی را در جامعه آماری تعیین
کرده باشیم می توانیم 20% از هر گروه را برای گروه نمونه انتخاب کنیم مثلا“ اگر
اداره برق 10 مدیر ارشد . 30 مدیر میانی . 50 مدیر سطح پایه . 100 سرپرست.
500 کارمند دفتری . 10 منشی . داشته باشد و ما به گروه نمونه 140 نفری نیاز داشته باشیم
از هر گروه به ترتیب 2. 6 . 10 . 20 . 100 . 2. باید انتخاب شود که محقق می تواند آنها را
بر اساس سلیقه خود یا تصادفی و با قرعه کشی انتخاب کند . یا می تواند از روش نا متناسب
استفاده کند در این روش محقق بر اساس تشخیص خود مبنی بر اینکه
تعداد بعضی از گروههای فرعی بیش از اندازه مورد نظر آن است از تعداد بعضی گروهها
می کاهد و این تعداد را بین سایر گروها تقسیم می کند با فرض ثابت بودن تعداد جامعه
آماری . مثلا“ در مثال قبل محقق عقیده دارد که از 500 نفر کارکنان دفتری 60 کافی است ولی
تعداد مدیران ارشد و میانی و سرپرستان و منشی ها کم است و 40 نفر ی که از کارکنان دفتری کم
کرده به این 4 گروه اضافه میکند که تعداد اینگونه میشود 7. 16. 20. 30. 60. 7.
( از نمونه برداری نامتناسب هم موقعی که طبقه یا طبقه ها خیلی کوچک یا خیلی بزرگ هستند و
هم زمانی که احتمال می دهیم تغییر پذیری بیشتری در یک طبقه وجود دارد و یا زمانی که نمونه
برداری از یک یا چند طبقه ساده تر آسانتر و کم هزینه تر از سایر طبقات باشد می توان استفاده کرد.)
مزایای این طرح عبارتند از : از نمونه برداری ساده موثر تر است . زیرا با همان حجم نمونه . از
هر بخش مهم جامعه آماری یک نمونه معرف داریم و اطلاعات متفاوت تر و با ارزش تری را درباره هر
گروه کسب می کنیم . بقدر کافی معرف طبقات کم تعداد است .عیب:1- چارچوب جامعه آماری برای
هر طبقه ضروری است . کارآمدترین طرح در میان طرحهای احتمالی است .
جدول 1- 8 : نمونه برداری تصادفی طبقه ای متناسب و نا متناسب
گروه نمونه
شمار اعضای
نمونه برداری نا متناسب
نمونه برداری متناسب
تعداد اعضاء
سطح شغلی
(20% از اعضاء )
7
2
10
مدیریت عالی
16
6
30
سطح میانی
20
10
50
سطح پایه
30
20
100
سرپرست
60
100
500
کارمند دفتری
7
2
10
منشی
140
140
700
جمع
پ – نمونه برداری خوشه ای : در این طرح مثل نمونه برداری تصادفی طبقه ای ابتدا گروه
نمونه را با روشهایی مانند تصادفی ساده یا طبقه بندی کردن انتخاب و گروهای فرعی را از
روشهایی مانند نمونه برداری طبقه ای یا سیستماتیک معیین می کنیم . تفاوتی که با روش
تصادفی طبقه ای دارد این است که در خوشه ای بین گروهها تجانس وجود دارد ولی بین اعضای
تشکیل دهنده گروها عدم تجانس . در صورتی که در تصادفی طبقه ای بر عکس آن است . در
پزوهشهای سازمانی شیوه خوشه ای چندان مرسوم نیست چون در خوشه هایی که بصورت
طبیعی وجود دارند مانند خوشه های ساکنان . خریداران . دانشجویان یا مغازه ها تجانس درون
گروهی بیشتر وجود دارد تا عدم تجانس . بنابراین نمونه برداری خوشه ای اگر چه هزینه کمتری
دارد ولی کارایی چندانی را بر حسب دقت یا اطمینان در نتایج ارائه نمی کند که کم اعتبارترین طرح
در میان طرحهای احتمالی است. به دو صورت یک مرحله ای و چند مرحله ای انجام می شود که
یک مرحله ای همین روشی بود که در بالا ذکر شد. اکنون نمونه برداری چند مرحله ای را مورد
بررسی قرار می دهیم با ذکر مثال : اگر بخواهیم یک بررسی ملی در زمینه میانگین سپرده های
ماهانه بانکها انجام دهیم در مرحله اول برای انتخاب مناطق جغرافیایی (شهر. بخش و روستا )
از نمونه برداری خوشه ای استفاده می کنیم . در مرحله دوم در هر یک از این محلها .مناطق خاصی
را انتخاب می کنیم . در سومین مرحله بانکهای موجود در هر یک از این مناطق خاص انتخاب
می شوند در واقع نوعی نمونه برداری احتمالی از واحد های نخستین را شامل می شود . در واقع
می توان اینگونه گفت که نمونه فرعی اولیه را به نمونه ها و واحدهای کوچکتر و جزء تر تقسیم
می کنیم تا بررسی دقیقتر و مناسب تری داشته باشیم .
ت – نمونه برداری ناحیه ای : موقعی که تحقیق به جامعه آماری موجود در مناطق یا نواحی
جغرافیایی مشخص قابل تفکیک مانند : بخشها . شهرکها در یک محل مربوط می شود می توان
از این مدل استفاده کرد . در واقع شکلی از نمونه برداری خوشه ای در درون یک منطقه یا ناحیه
است. مثلا“ نمونه برداری از نیازهای مصرف کنندگان قبل از تاسیس یک فروشگاه در یک قسمت
خاص مستلزم استفاده از نمونه برداری ناحیه ای است . این طرح کم هزینه تر از اکثر طرحهای
مطرح شده است و بستگی به چارچوب جامعه آماری ندارد.
ث – نمونه برداری مضاعف : در این روش بعد از اینکه گروه نمونه تعیین شد و پس از آن گروهای
نمونه فرعی انتخاب شدند و گروههای موجود را بر اساس موضوع تحقیق مورد بررسی قرار دادیم در
بعضی گروهها که احتمال میدهیم بررسی بیشتر مسئله و مطالعه دقیقتر آن به ما کمک شایانی می کند
علاوه بر بررسی عمومی که روی تمام گروهها انجام می دهیم بر روی آن گروه خاص بررسی
مجددی نیز انجام می دهیم . مزیت: اطلاعات دقیقتری را درباره موضوع ارائه می دهد . عیب: احتمال سو گیری اساسی وجود دارد .
جدول 2- 8 : طرحهای نمونه برداری احتمالی
مزایا / معایب
شرح
طرح نمونه برداری
- تعمیم پذیری یافته ها زیاد است.
- همچون نمونه برداری طبقه ای کارآمد نیست.
همه اجزای جامعه آماری در نظر گرفته می شوند و هر عنصر برای انتخاب شدن به عنوان آزمودنی
شانس مساوی دارد.
الف – نمونه برداری
احتمالی
1-نمونه برداری تصادفی ساده
- اگر چارچوب جامعه آماری در دسترس باشد کار برای آن آسان
- سو گیری نظامدار وجود دارد .
هر عنصر جامعه آماری با شروع از یک نقطه تصادفی در چارچوب جامعه آماری انتخاب می شود .
2- نمونه برداری سیستماتیک ( منظم )
- کارامدترین طرح احتمالی است. - چارچوب جامعه آماری برای هر طبقه ضروری است.
- بقدر کافی معرف طبقه های کم
تعداد است.
جامعه آماری ابتدا به طبقه های معنی دار تقسیم می شود .سپس آزمودنی ها به دو صورت زیر
انتخاب می شوند:
- نسبت به تعداد کل آنه در جامعه آماری - براساس معیار دیگری به غیر از تعداد کل جامعه آماری
3- نمونه برداری تصادفی طبقه ای : - متناسب با حجم - غیر متناسب با حجم
- در خوشه های جغرافیایی. هزینه جمع آوری داده ها پایین است.
- کم اعتبارترین طرح نمونه گیری در میان طرحهای احتمالی است.
نخست گروهایی که اعضای نا متجانس دارند شناسایی می شوند.سپس بعضی از آنها بطور
تصادفی انتخاب می گردند و سرانجام همهاعضای هر گروه که بطور تصادفی انتخاب
شده اند مورد مطالعه قرار می گیرند.
4- نمونه برداری خوشه ای
- از لحاظ هزینه کارآمد برای تصمیمات مرتبط بایک محل مفید است .
نمونه برداری خوشه ای در داخل یک ناحیه یا محل ویزه صورت می گیرد.
5- نمونه برداری ناحیه ای
- اطلاعات دقیقتری را در موضوع مورد مطالعه ارائه می دهد.
- احتمال سو گیری اساسی وجود دارد.
نمونه ای یکسان یا دسته ای فرعی از نمونه . دو مرتبه مورد مطالعه قرار می گیرد .
6- نمونه برداری مضاعف
نمونه برداری غیر احتمالی
این روش سریعتر و ارزانتر از روش نمونه برداری احتمالی است. در این روش یافته های
مطالعه گروه نمونه را نمی توان با اطمینان به جامعه آماری تعمیم داد چون اعضای جامعه آماری
هیچ احتمالی برای انتخاب شدن در گروه نمونه به عنوان آزمودنی را ندارند.
طرحهای نمونه برداری غیراحتمالی
نمونه برداری در دسترس
شامل جمع آوری اطلاعات از اعضای جامعه ای است که به سادگی در دسترس
می باشند. مانند مسابقه ((چالش پپسی)).
نمونه برداری هدفدار
اعضای جامعه در این طرح کسانی هستند که می توانند اطلاعات لازم را بدهند یا
افرادی هستند که با معیار خاصی که پژوهشگر در نظر دارد وفق دارند. (مانند
جنسیت، سن و...)
انواع نمونه برداری هدفدار
1- نمونه برداری قضاوتی:
طرح نمونه برداری قضاوتی زمانی به کار گرفته می شود که طبقه محدودی از افراد
اطلاعات مورد نظر را دارند (داده های تخصصی و دقیق مد نظر باشد). در چنین مواردی
هرگونه نمونه برادری احتمالی در یک برش عرضی از افراد، بی هدف و غیر مفید است.
اگرچه نمونه برداری قضاوتی ممکن است تعمیم پذیری یافته ها را به واسطه این واقعیت
که ما گروه نمونه را از میان متخصصانی انتخاب می کنیم که در دسترس می باشند،
محدود کند، ولی تنها روش نمونه برداری است که ما می توانیم در مورد افراد دارنده
اطلاعات مورد نظرمان استفاده کنیم.
بعنوان مثال اگر پژوهشگر بخواهد ویژگیهای لازم برای ارتقای سازمانی مدیران زن
را بسنجد، تنها کسانی که می توانند اطلاعات دسته اول را بدهند مدیران زنی هستند که
رئیس، معاون یا مدیر ارشد سازمانها باشند.زیرا انتظار می رود آنها که شخصاً فرایندها
و مسائل را تجربه کرده اند بتوانند اطلاعات خوبی را برای پژوهشگر فراهم کنند.
2- نمونه برداری سهمیه ای:
نمونه برادری سهمیه ای شکلی از نمونه برداری طبقه ای متناسب با حجم است که در
آن نسبت معینی از افراد گروههای مختلف و در دسترس را برمی گزینند. نمونه برداری
سهمیه ای مانند نمونه برداری تصادفی طبقه ای قابل تعمیم نیست اما تا حدی زمینه را
برای بررسی بیشتر ارائه می کند.
به عنوان مثال زمانی که یک شرکت در اندیشه ایجاد مهد کودک برای فرزندان کارکنان
است. قبل از تصمیم گیری، عکس العمل چهار گروه از افراد را نسبت به این دیدگاه به شرح
ذیل کسب می کند:
کارکنانی که فرزند دارند ولی همسرشان در خارج از خانه کار نمی کند.
کارکنان دارای فرزند ولی بدون همسر.
کارکنانی که فرزند دارند و هر دو زوج خارج از خانه کار می کنند.
کارکنان بدون فرزند.
ادامه جدول 2-8: طرحهای نمونه برداری غیر احتمالی
طرح نمونه برداری
شرح
مزایا/معایب
نمونه برداری در دسترس
دردسترس ترین اعضا به عنوان آزمودنی انتخاب می شوند.
سریع تر، مناسب تر و ارزان تر.
به هیچ وجه قابل تعمیم نیست.
نمونه برداری قضاوتی
آزمودنی های انتخاب شده بر پایه تخصصشان در موضوع پژوهش مورد مطالعه قرار می گیرند.
گاهی تنها روش مناسب برای مطالعه است.
تعمیم پذیری تردیدآمیز.
نمونه برداری سهمیه ای
آزمودنی ها منحصراً از گروههای مورد نظر و در دسترس برطبق تعداد یا سهمیه ای که پیشتر
تعیین شده انتحاب می شوند.
جائیکه مشارکت گروههای اقلیت در یک مطالعه مهم باشد، خیلی مفید است.
به آسانی قابل تعمیم نیست.
مسایل دقت و اطمینان در تعیین حجم نمونه
دقت اشاره دارد بر میزان نزدیکی برآورد، به ویژگیهای واقعی جامعه آماری. دقت
تابع میزان تغییر پذیری در توزیع نمونه برداری میانگین حجم نمونه می باشد.
یعنی اگر چند حجم نمونه متفاوت را از جامعه آماری بگیریم و میانگین هر کدام از اینها را
پیدا کنیم، در می یابیم که آنها معمولاً با هم متفاوتند، توزیع طبیعی دارند و نوعی پراکندگی
در ارتباط با آنها وجود دارد. هرچه این پراکندگی یا تغییرپذیری کوچک تر باشد، احتمال
بیشتری وجود دارد که میانگین حجم نمونه به میانگین جامعه آماری نزدیکتر باشد.
اطمینان (درستی)
در حالی که دقت، برپایه آماره حجم نمونه مشخص می کند تا چه اندازه در برآورد
کردن پارامتر جامعه آماری درست عمل کرده ایم، اطمینان مشخص می کند که ما چقدر
آسوده خاطریم که برآوردهای ما برای جامعه آماری واقعاً درست است.
در واقع، اطمینان منعکس کننده سطح اعتمادی است که بر پایه آن می توانیم بگوییم
برآوردهای ما از پارامترهای جامعه آماری بر اساس آماره های حجم نمونه درست است.
سطح اطمینان می تواند از صفر تا صد در صد تغییر کند. اطمینان 95درصد سطح قابل
قبولی برای بیشتر پزوهش های مدیریتی است که عموماً به وسیله سطح معنی دار
5%≥α بیان می شود.
اهمیت طرح نمونه برداری و حجم نمونه
اگر طرح نمونه برداری مناسب بکار گرفته نشود، حجم زیاد نمونه نیز به خودی خود منجر
به افزایش تعمیم پذیری یافته ها به جامعه آماری نخواهد شد. همچنین اگر حجم نمونه برای
دستیابی به دقت و اطمینان مورد نظر کافی نباشد، هر طرح نمونه برداری هر قدر هم
که پیشرفته باشد نمی تواند
برای پژوهشگر در کسب اهداف مطالعه مفید باشد. از این رو، در تصمیم گیری درباره
حجم نمونه باید هم طرح نمونه گیری و هم اندازه حجم نمونه مورد توجه قرار گیرد.
قانون راسکو برای تعیین حجم نمونه:
1- حجم نمونه های بیشتر از 30 و کمتر از 500 برای اکثر پژوهش ها مناسبند.
2- جایی که گروههای نمونه باید به گروههای فرعی شکسته شوند
(مذکرها/ مؤنث ها، کوچکترها/بزرگترها و ... ) حداقل حجم نمونه 30 برای هر
طبقه لازم است.
3- در پژوهش چند متغیری (شامل تحلیل رگرسیون چند متغیری) حجم نمونه
باید چند برابر (ترجیحاً ده برابر یا بیشتر) از متغیرهای مورد مطالعه باشد.
4- برای پژوهش تجربی ساده با کنترل های آزمایشی شدید (جفت های جور شده و ...)
، پژوهش موفق با نمونه هایی به کوچکی 10 تا 20 نیز میسر است.
هنگامی که عدم تجانس بیشتری در مراحل اولیه وجود داشته باشد، نمونه برداری
خوشه ای چند مرحله ای کارآمدتر از نمونه برداری خوشه ای یک مرحله ای است.
اغلب نوعی توازن بین کارایی زمان و هزینه (طرحهای نمونه برداری غیر احتمالی)
از یک سو و کارایی دقت (طرحهای نمونه برداری احتمالی) از سوی دیگر وجود دارد.
بدین ترتیب، انتخاب یک طرح نمونه برداری بستگی به اهداف تحقیق و نیز اندازه و
نوع کارآمدی مورد نظر دارد.