مروری بر روش‌های نمونه‌برداری

 

صفحه نخست   عملکرد برتر   آموزش و یادگیری   یادگیری خود تنظیم   فراشناخت 

 مطالعه-خواندن   انگیزش و هیجان   سنجش و ارزشیابی   عصب روانشناسی   

یکشنبه - 27 مهر 1404

مجله اینترنتی روان تنظیم

مجله تخصصی روانشناسی تربیتی شناختی

آمار و تحقیق

مروری بر روش‌های نمونه‌برداری

تأکید این نوشتار بر ایده‌ها و روش‌های اساسی است، نه بر مشتقات ریاضی دقیق.

اگر محققی بخواهد از طریق پرسش یا آزمایش، اطلاعاتی در مورد یک جامعه به دست آورد، دو گزینه اساسی پیش رو دارد:

۱. سرشماری: هر عضو جامعه مورد پرسش یا آزمایش قرار می‌گیرد؛ یا

۲. نمونه گیری: فقط اعضای انتخاب‌شده جامعه مورد سؤال یا آزمایش قرار می‌گیرند.

تماس، پرسش و کسب اطلاعات از جامعه بزرگی، مانند تمام خانوارهای ساکن در یک شهرستان، بسیار پرهزینه، دشوار و زمان‌بر است. با این حال، یک نمونه‌گیری احتمالی که به درستی طراحی شده باشد، وسیله‌ای قابل اعتماد برای استنباط اطلاعات در مورد یک جامعه، بدون بررسی هر عضو یا عنصر فراهم می‌کند.

اغلب، محققان تحت محدودیت‌های زمانی شدیدی کار می‌کنند که انجام سرشماری را دشوار می‌سازد. به عنوان مثال، شرکت‌های نظرسنجی ملی اغلب باید اطلاعاتی در مورد برداشت‌های عمومی از رویدادها یا مسائل جاری ارائه دهند. این شرکت‌ها تمایل دارند اندازه نمونه ملی خود را به تقریباً ۱۵۰۰ پاسخ‌دهنده محدود کنند. در صورت انجام صحیح، یک نمونه احتمالی با این اندازه، اطلاعات قابل اعتمادی با حاشیه خطای بسیار کم برای کل جامعه‌ای که بیش از ۳۰۰ میلیون نفر جمعیت دارد، ارائه می‌دهد.

یک نمونه‌گیری احتمالی اغلب دقیق‌تر از سرشماری کل جامعه است. عملیات نمونه‌گیری کوچک‌تر، امکان اعمال کنترل‌های دقیق‌تر را فراهم می‌کند و در نتیجه دقت بهتری را تضمین می‌کند. این کنترل‌های دقیق به محقق اجازه می‌دهد تا خطاهای غیرنمونه‌گیری مانند سوگیری و اشتباهات مصاحبه‌کننده، مشکلات عدم پاسخگویی، نقص‌های طراحی پرسشنامه و خطاهای پردازش و تحلیل داده‌ها را کاهش دهد.

تا حدودی، این خطاهای غیرنمونه‌گیری از طریق پیش‌آزمون کاهش می‌یابند که امکان آزمایش دقیق پرسشنامه و رویه‌های نظرسنجی را فراهم می‌کند. پیش‌آزمون را نمی‌توان هنگام انجام سرشماری بدون ایجاد آلودگی احتمالی برخی از پاسخ‌دهندگان انجام داد. جزئیات اطلاعاتی که می‌توان در یک نمونه پرسید، به دلیل محدودیت‌های عملیاتی هزینه و زمانی که اکثر محققان با آن مواجه هستند، بیشتر از سرشماری است.

یک پرسشنامه نسبتاً طولانی و دشوار را می‌توان راحت‌تر از یک پرسشنامه کوتاه که می‌توان آن را در مورد کل جامعه اجرا کرد، روی یک نمونه اجرا کرد. با این حال، همه نمونه‌ها دقیق یا وسیله مناسبی برای جمع‌آوری اطلاعات یا آزمون یک فرضیه در مورد یک جامعه نیستند.

روش‌های نمونه‌گیری

روش‌های نمونه‌گیری به دو دسته کلی طبقه‌بندی می‌شوند:

۱. نمونه‌گیری احتمالی و

۲. نمونه‌گیری غیراحتمالی.

در حالت اول، محقق احتمال دقیق انتخاب هر عضو از جامعه را می‌داند؛ در حالت دوم، شانس قرار گرفتن در نمونه مشخص نیست. انجام نمونه‌گیری احتمالی دشوارتر و پرهزینه‌تر است. با این حال، نمونه‌های احتمالی تنها نوع نمونه‌هایی هستند که نتایج آن‌ها را می‌توان از نمونه به جامعه تعمیم داد. علاوه بر این، نمونه‌های احتمالی به محقق اجازه می‌دهند تا دقت تخمین‌های به‌دست‌آمده از نمونه را محاسبه کرده و خطای نمونه‌گیری را مشخص کند.

در مقابل، نمونه‌های غیراحتمالی اجازه نمی‌دهند که یافته‌های مطالعه از نمونه به جامعه تعمیم داده شود. هنگام بحث در مورد نتایج یک نمونه غیراحتمالی، محقق باید یافته‌های خود را به افراد یا عناصر نمونه‌گیری شده محدود کند. این روش همچنین به محقق اجازه نمی‌دهد که آمارهای نمونه‌گیری را که اطلاعاتی در مورد دقت نتایج ارائه می‌دهد، محاسبه کند. مزیت نمونه‌گیری غیراحتمالی، سهولت اجرای آن است.

نمونه‌های غیراحتمالی معمولاً پیچیدگی و زمان کمتری نسبت به نمونه‌های احتمالی دارند. اگر محقق قصد تعمیم به فراتر از نمونه را نداشته باشد، یکی از روش‌های نمونه‌گیری غیراحتمالی اطلاعات مورد نظر را ارائه می‌دهد.

نمونه‌های غیراحتمالی

سه نوع رایج نمونه‌های غیراحتمالی عبارتند از نمونه‌گیری در دسترس، نمونه‌گیری سهمیه‌ای و نمونه‌گیری قضاوتی.

الف. نمونه‌گیری آسان

همانطور که از نامش پیداست، نمونه‌گیری در دسترس شامل انتخاب پاسخ‌دهندگان در دسترس محقق است. مثالی از نمونه‌های در دسترس شامل مصاحبه‌های خیابانی - نمونه‌گیری از افرادی که محقق به آنها دسترسی آسان دارد، مانند یک کلاس از دانشجویان؛ و مطالعاتی است که از افرادی استفاده می‌کنند که در نتیجه یک نوع تبلیغ، داوطلب شده‌اند تا مورد پرسش قرار گیرند. یکی از معایب این روش، عدم دقت نمونه‌گیری است. از آنجا که احتمال گنجاندن در نمونه برای هر پاسخ‌دهنده ناشناخته است، امکان استنتاج آماری و محاسبه خطای نمونه‌گیری برای تعمیم نتایج به جامعه اصلی وجود ندارد. با این حال، نمونه‌های در دسترس توسط محققان به کار گرفته می‌شوند زیرا زمان و هزینه جمع‌آوری اطلاعات می‌تواند کاهش یابد.

ب. نمونه‌گیری سهمیه‌ای

نمونه‌گیری سهمیه‌ای اغلب با نمونه‌گیری طبقه‌بندی‌شده و خوشه‌ای - دو روش نمونه‌گیری احتمالی - اشتباه گرفته می‌شود. همه این روش‌ها از جامعه ای نمونه می‌گیرند که به طبقات یا دسته‌ها تقسیم شده‌اند. تفاوت‌های اصلی بین این روش‌ها این است که در نمونه‌گیری طبقه‌بندی‌شده و خوشه‌ای، طبقات ناسازگار هستند و قبل از نمونه‌گیری جدا می‌شوند. بنابراین، احتمال انتخاب شدن مشخص است و اعضای جامعه ای که برای نمونه‌گیری انتخاب می‌شوند، به طور دلخواه از شمول در نتایج محروم نمی‌شوند. در نمونه‌گیری سهمیه‌ای، از آنجایی که طبقات را نمی‌توان پیش از نمونه‌گیری از جامعه آماری جدا کرد، پاسخ‌دهندگان با ادامه نظرسنجی در طبقات مربوطه طبقه‌بندی می‌شوند و فرآیند نمونه‌برداری تنها پس از پر شدن یا رسیدن هر طبقه به سهمیه تعیین‌شده خود، متوقف می‌شود. پاسخ‌دهندگان دیگری که می‌توانستند در این دسته‌ها قرار بگیرند، رد یا از نتایج حذف می‌شوند.

مثالی از نمونه سهمیه‌ای می‌تواند یک نظرسنجی باشد که در آن محقق می‌خواهد تعداد مشخصی از پاسخ‌دهندگان را از طبقات مختلف درآمدی انتخاب کند. به‌طورکلی، محققان تا زمانی که در مورد درآمد افراد نمونه‌گیری نکنند، از درآمد آنها اطلاعی ندارند. بنابراین، محقق قادر نیست جامعه ای را که نمونه از آن انتخاب شده است، قبل از انتخاب نمونه، به طبقات درآمدی ناسازگار تقسیم کند. سوگیری می‌تواند در این نوع نمونه‌گیری زمانی رخ دهد که پاسخ‌دهندگان به این دلیل رد شوند که طبقه‌ای که به آن تعلق دارند به سهمیه خود رسیده است، که با طبقه‌های استفاده‌شده متفاوت است.

ج. نمونه‌گیری قضاوتی

در نمونه‌گیری قضاوتی یا هدفمند، محقق از قضاوت «تخصصی» خود در مورد اینکه چه کسی را در چارچوب نمونه قرار دهد، استفاده می‌کند. دانش قبلی و مهارت تحقیقاتی در انتخاب پاسخ‌دهندگان یا عناصر مورد نمونه‌گیری استفاده می‌شود.

مثالی از این نوع نمونه‌گیری، مطالعه‌ای بر روی کاربران بالقوه یک مرکز تفریحی جدید است که محدود به افرادی است که در فاصله دو مایلی از مرکز جدید زندگی می‌کنند. قضاوت کارشناسی، بر اساس تجربیات گذشته، نشان می‌دهد که بیشتر استفاده از این نوع مرکز از افرادی است که در فاصله دو مایلی از آن زندگی می‌کنند. با این حال، با محدود کردن نمونه فقط به این گروه، اگر ویژگی‌های استفاده از مرکز جدید با ویژگی‌های تجربه شده قبلی متفاوت باشد، پیش‌بینی‌های استفاده ممکن است قابل اعتماد نباشند. مانند همه روش‌های نمونه‌گیری غیر احتمالی، درجه و جهت خطای ایجاد شده توسط محقق قابل اندازه‌گیری نیست و آماری که دقت تخمین‌ها را اندازه‌گیری می‌کند، قابل محاسبه نیست.

نمونه‌های احتمالی

چهار نوع روش اساسی برای انجام نمونه‌های احتمالی بیشتر مورد استفاده قرار می‌گیرند؛ این روش‌ها عبارتند از نمونه‌گیری تصادفی ساده، طبقه‌بندی‌شده، خوشه‌ای و سیستماتیک. نمونه‌گیری تصادفی ساده مبنایی را فراهم می‌کند که سایر روش‌های نمونه‌گیری پیچیده‌تر از آن مشتق می‌شوند.

الف. نمونه‌گیری تصادفی ساده

برای انجام یک نمونه‌گیری تصادفی ساده، محقق ابتدا باید یک لیست جامع از تمام اعضای جامعه مورد نظر تهیه کند (چارچوب نمونه‌گیری). از این لیست، نمونه به گونه‌ای انتخاب می‌شود که هر فرد یا مورد در هر دور انتخاب، شانس برابری برای انتخاب شدن داشته باشد. نمونه‌ها ممکن است با یا بدون جایگزینی انتخاب شوند. با این حال، در عمل، بیشتر نمونه‌گیری تصادفی ساده برای تحقیقات پیمایشی بدون جایگزینی انجام می‌شود؛ یعنی، یک فرد یا مورد انتخاب شده برای نمونه‌گیری برای همه انتخاب‌های بعدی از جامعه حذف می‌شود. در هر انتخاب، فرآیند یک نمونه‌گیری تصادفی ساده بدون جایگزینی باید شانس برابری برای ورود به هر عضوی از جامعه که قبلاً انتخاب نشده است، فراهم کند. برای انتخاب یک نمونه تصادفی ساده بدون ایجاد سوگیری محقق، از برنامه‌های نمونه‌گیری کامپیوتری و جداول اعداد تصادفی برای انتخاب بی‌طرفانه اعضای جامعه مورد نظر استفاده می‌شود.

یک نمونه از نمونه‌گیری تصادفی ساده، نظرسنجی از کارمندان یک شهرستان است. فهرست کاملی از تمام کارمندان شهرستان در یک تاریخ مشخص را می‌توان از وزارت منابع انسانی دریافت کرد. اگر ۱۰۰ نام از این فهرست با استفاده از جدول اعداد تصادفی یا یک برنامه نمونه‌گیری کامپیوتری انتخاب شوند، یک نمونه تصادفی ساده ایجاد می‌شود. چنین روش نمونه‌گیری تصادفی این مزیت را دارد که سوگیری را کاهش می‌دهد و محقق را قادر می‌سازد تا خطاهای نمونه‌گیری و دقت برآوردهای به‌دست‌آمده از طریق محاسبات آماری را تخمین بزند.

ب. نمونه‌گیری تصادفی طبقه‌بندی‌شده

نمونه‌گیری تصادفی طبقه‌بندی‌شده شامل دسته‌بندی اعضای جامعه به گروه‌های متقابلاً ناسازگار و جمعی جامع است. سپس یک نمونه تصادفی ساده مستقل از هر گروه انتخاب می‌شود. تکنیک‌های نمونه‌گیری طبقه‌بندی‌شده می‌توانند در صورتی که جامعه مورد بررسی ناهمگن‌تر از گروه‌های طبقه‌بندی‌شده باشد، تخمین‌های دقیق‌تری ارائه دهند، می‌توانند محقق را قادر سازند سطوح مطلوب دقت نمونه‌گیری را برای هر گروه تعیین کند و می‌تواند کارایی اداری را فراهم کند.

مثالی از یک نمونه‌گیری طبقه‌بندی‌شده، نمونه‌ای است که برای تعیین میانگین درآمد خانواده‌ها انجام می‌شود. برای به دست آوردن تخمین‌های دقیق‌تر از درآمد، محقق ممکن است بخواهد نمونه را بر اساس منطقه جغرافیایی و/یا بر اساس گروه‌بندی‌های شهری، حومه شهری و روستایی طبقه‌بندی کند. اگر تفاوت درآمد بین مناطق یا گروه‌بندی‌ها بیشتر از تفاوت درآمد درون مناطق یا گروه‌بندی‌ها باشد، دقت برآوردها بهبود می‌یابد. علاوه بر این، اگر سازمان تحقیقاتی دارای شعباتی در این مناطق باشد، اجرای نظرسنجی می‌تواند غیرمتمرکز باشد و شاید به شیوه‌ای مقرون‌به‌صرفه‌تر انجام شود.

ج. نمونه‌گیری خوشه‌ای

نمونه‌گیری خوشه‌ای مشابه نمونه‌گیری طبقه‌بندی شده است زیرا جامعه ای که قرار است نمونه‌گیری شود به گروه‌های متقابلاً ناسازگار تقسیم می‌شود. با این حال، در نمونه‌گیری خوشه‌ای، گروه‌ها به گونه‌ای تعریف می‌شوند که ناهمگونی جامعه حفظ شود. هدف محقق ایجاد خوشه‌هایی است که نماینده کل جامعه باشند، اگرچه در عمل دستیابی به این امر ممکن است دشوار باشد. پس از ایجاد خوشه‌ها، یک نمونه تصادفی ساده از خوشه‌ها انتخاب شده و اعضای خوشه‌های انتخاب شده نمونه‌برداری می‌شوند. اگر از همه عناصر (اعضا) خوشه‌های انتخاب شده نمونه‌برداری شود، روش نمونه‌گیری به عنوان نمونه‌گیری خوشه‌ای یک مرحله‌ای تعریف می‌شود. اگر یک نمونه تصادفی از عناصر هر خوشه انتخاب شده انتخاب شود، روش نمونه‌گیری به عنوان نمونه‌گیری خوشه‌ای دو مرحله‌ای تعریف می‌شود.

نمونه‌گیری خوشه‌ای اغلب زمانی استفاده می‌شود که محقق قادر به گردآوری فهرست جامعی از تمام عناصر جامعه مورد نظر نیست. یک نمونه خوشه‌ای ممکن است توسط محققی که سعی در اندازه‌گیری توزیع سنی افراد ساکن در یک شهرستان دارد، استفاده شود. گردآوری فهرستی از هر فرد ساکن در آن شهرستان برای محقق بسیار دشوارتر از گردآوری فهرستی از آدرس‌های مسکونی خواهد بود. در این مثال، هر آدرس نشان‌دهنده یک خوشه از عناصر (افراد) مورد نمونه‌گیری است. اگر عناصر موجود در خوشه‌ها به اندازه جامعه ناهمگن باشند، تخمین‌های حاصل از نمونه‌گیری خوشه‌ای به اندازه تخمین‌های حاصل از نمونه‌گیری تصادفی ساده دقیق هستند. با این حال، اگر ناهمگنی خوشه‌ها کمتر از جامعه باشد، تخمین‌ها دقت کمتری خواهند داشت.

د. نمونه‌گیری سیستماتیک

نمونه‌گیری سیستماتیک، نوعی نمونه‌گیری خوشه‌ای یک مرحله‌ای، اغلب به جای نمونه‌گیری تصادفی ساده استفاده می‌شود. در نمونه‌گیری سیستماتیک، محقق پس از انتخاب تصادفی عنصر اول تا n ام به عنوان نقطه شروع، هر n امین عضو را انتخاب می‌کند. به عنوان مثال، اگر محقق تصمیم بگیرد از هر 20 امین عضو جامعه، یک نمونه 5 درصدی، نمونه‌گیری کند، نقطه شروع نمونه به طور تصادفی از 20 عضو اول انتخاب می‌شود. نمونه سیستماتیک نوعی نمونه‌گیری خوشه‌ای است زیرا هر یک از 20 عضو اول چارچوب نمونه‌گیری، خوشه‌ای را تعریف می‌کند که شامل 5 درصد از جامعه است.

یک محقق ممکن است به دلایل مختلف، به جای یک نمونه تصادفی ساده، نمونه‌گیری سیستماتیک را انتخاب کند. نمونه‌گیری سیستماتیک معمولاً آسان‌تر انجام می‌شود. محقق مجبور نیست برای انتخاب اعضای نمونه‌گیری شده، در چارچوب نمونه‌گیری به عقب و جلو برود. یک نمونه‌گیری سیستماتیک ممکن است اعضای انتخاب شده برای اندازه‌گیری را به طور یکنواخت‌تری در کل جامعه نسبت به نمونه‌گیری تصادفی ساده پخش کند. بنابراین، در برخی موارد، نمونه‌گیری سیستماتیک ممکن است نماینده‌تر از جامعه و دقیق‌تر باشد.

محدودیت‌های روش‌های مختلف نمونه‌گیری

تشخیص تفاوت‌های بین روش‌های نمونه‌گیری غیراحتمالی و احتمالی اغلب دشوار است، اما برای تعیین نحوه استفاده از نتایج تحقیق بسیار مهم هستند. تکنیک‌های نمونه‌گیری غیراحتمالی می‌توانند اطلاعات ارزشمندی ارائه دهند، اما نتایج را نمی‌توان به جامعه بزرگتری تعمیم داد و همچنین نمی‌توان آمار نشان‌دهنده قابلیت اطمینان نتایج را محاسبه کرد. نمونه‌های احتمالی که به خوبی انجام شده‌اند، به محقق این امکان را می‌دهند که اطلاعات را از تعداد نسبتاً کمی از اعضای یک جامعه بزرگ جمع‌آوری کند و نتایج را به طور دقیق به کل جامعه تعمیم دهد. علاوه بر این، نمونه‌های احتمالی محقق را قادر می‌سازد تا آماره‌هایی را محاسبه کند که نشان‌دهنده دقت داده‌ها هستند.

خلاصه

نمونه‌گیری می‌تواند ابزاری قدرتمند برای سنجش دقیق نظرات و ویژگی‌های یک جامعه باشد. با این حال، پتانسیل واقعی برای سوءاستفاده از این ابزار توسط محققانی که این مفهوم را درک نمی‌کنند، وجود دارد. یکی از جذاب‌ترین جنبه‌های نمونه‌گیری سیستماتیک این است که این روش می‌تواند به محقق اجازه دهد بدون آگاهی کامل قبلی از چارچوب نمونه‌گیری، یک نمونه احتمالی انتخاب کند. به عنوان مثال، یک نظرسنجی از بازدیدکنندگان از میز نشریات یک شهرستان می‌تواند با نمونه‌گیری از هر دهمین بازدیدکننده پس از انتخاب تصادفی اولین تا دهمین بازدیدکننده به عنوان نقطه شروع انجام شود. با انجام نمونه‌گیری به این روش، محقق نیازی به تهیه لیست جامعی از بازدیدکنندگان قبل از انتخاب نمونه نخواهد داشت.

همانند سایر انواع نمونه‌گیری خوشه‌ای، اگر اعضای موجود در خوشه‌ها به اندازه جامعه ناهمگن باشند، نمونه‌گیری سیستماتیک به اندازه نمونه‌گیری تصادفی ساده دقیق است. اگر این فرض معتبر نباشد، نمونه‌گیری سیستماتیک دقت کمتری نسبت به نمونه‌گیری تصادفی ساده خواهد داشت. در انجام نمونه‌گیری سیستماتیک، ضروری است که محقق با انتخاب یک فاصله نمونه‌گیری نامناسب، سوگیری را در نمونه ایجاد نکند. به عنوان مثال، هنگام انجام نمونه‌گیری از سوابق مالی یا سایر مواردی که از یک برنامه تقویمی پیروی می‌کنند، محقق نمی‌خواهد "7" را به عنوان فاصله نمونه‌گیری انتخاب کند زیرا در این صورت نمونه شامل مشاهداتی خواهد بود که همگی در یک روز هفته بوده‌اند. تأثیرات روزهای هفته ممکن است باعث آلودگی نمونه شود و نتایج سوگیرانه‌ای را برای محقق به ارمغان بیاورد.

مجله اینترنتی روان تنظیم

Online Journal of Ravantanzim

مجله تخصصی روانشناسی تربیتی شناختی

مدیر مسئول: محمود دلیر عبدی نیا

روانشناس تربیتی با دیدگاه شناختی

دانش آموخته دانشگاه تهران

لطفا نظرات و پیشنهادات خود را از طریق بخش نظرات مجله اینترنتی روان تنظیم و یا از طریق ایمیل برای ما ارسال کنید.

استفاده از مطالب ارائه شده در این پایگاه، صرفا با ذکر منبع آزاد می باشد.