Ketahui Bagaimana Sampel Kemungkinan dan Probabiliti Berbeza

Sampel merupakan bahagian penting dalam penyelidikan pasaran sejak membuat pemerhatian secara langsung terhadap semua anggota populasi yang sedang belajar secara amnya tidak dapat dilaksanakan. Sampel adalah subset populasi. Penjagaan mesti diambil untuk memastikan sampel itu sepadan dengan populasi yang lebih besar dalam semua cara yang boleh menjadi penting kepada hasil penyelidikan kajian. Sesetengah sampel sangat mewakili populasi yang lebih besar yang tidak bermasalah untuk membuat kesimpulan tentang populasi yang lebih besar berdasarkan pemerhatian kumpulan sampel.

Dua pendekatan: Sampling Probability versus Sampling Probability

Terdapat dua pendekatan umum untuk persampelan dalam penyelidikan pasaran: Pensampelan kebarangkalian dan persampelan bukan kebarangkalian. Pensampelan kebarangkalian mesti memenuhi syarat-syarat berikut: Setiap unit analisis mestilah mempunyai kebarangkalian yang sama dimasukkan ke dalam kumpulan sampel, dan kebarangkalian matematik mana-mana ahli kumpulan sampel yang dipilih untuk sampel boleh dikira secara matematik.

Apakah Ralat Sampling dan Bagaimana Saya Tahu Jika Saya Memiliki Ini?

Apabila bekerja dengan sampel bukan kebarangkalian, adalah penting untuk memahami berlakunya kesilapan pensampelan . Lebih kecil kumpulan persampelan, semakin besar kemungkinan kesilapan pensampelan. Salah satu jenis berat sebelah adalah hasil daripada penyertaan. Adalah penting untuk memahami kesan tidak partisipasi terhadap keseluruhan hasil kajian. Salah satu contohnya ialah dari Penyiasatan Persatuan Masyarakat 1980 (GSS) di mana mereka yang tidak terlibat dalam penyelidikan didapati agak berbeza - sebagai satu kumpulan-dari mereka yang telah mengambil bahagian.

Ahli kumpulan yang sukar dicapai akan jauh berbeza dengan peserta tenaga buruh mereka yang paling ketara dalam status sosioekonomi, status perkahwinan, umur, bilangan anak, kesihatan, dan seks.

Apakah Persampelan Kemudahan? Adakah Ia Mudah untuk Menganalisis?

Sampel kemudahan biasa digunakan dalam sains sosial dan sains tingkah laku kerana pergantungan berat terhadap pelajar kolej, pesakit, sukarelawan berbayar, ahli rangkaian sosial atau organisasi rasmi, dan juga tahanan.

Tujuan banyak sains sosial dan penyelidikan sains tingkah laku adalah untuk mengesahkan bahawa ciri-ciri tertentu berlaku atau tidak berlaku dalam kumpulan yang sedang menjalani kajian. Pendekatan yang biasa adalah mencari hubungan antara beberapa atribut . Sampel kemudahan berguna dan mencukupi untuk jenis kajian ini. Juga, adalah berguna untuk mengenali bahawa sampel kemudahan tidak selalu mudah disatukan.

Sampel-sampel kemudahan juga boleh dipadankan untuk membandingkan dua kumpulan. Untuk menggunakan sampel kemudahan yang sesuai , seorang penyelidik mesti dapat mengenal pasti rakan sejawatan bagi setiap ahli sampel pertama. Pasangan ini adalah ahli sampel kedua (dipadankan). Pembolehubah yang biasanya dipadankan termasuklah jantina, umur, bangsa, etnik, pencapaian pendidikan, tempat kediaman, orientasi politik, agama, jenis pekerjaan, dan gaji atau gaji. Memadankan pemboleh ubah ini membantu mengurangkan sumber bias . Walau bagaimanapun, adalah penting untuk menyedari bahawa walaupun pemadaman yang teliti mungkin tidak menghasilkan sampel yang bebas daripada kecenderungan-selalu terdapat kemungkinan kecenderungan dari sumber tersembunyi.

Apakah Pensampelan Purposif? Adakah Ia Sentiasa Bukan Probabilistik?

Pensampelan purposif digunakan apabila reka bentuk penyelidikan memerlukan sampel orang yang mempamerkan ciri-ciri tertentu.

Secara amnya, atribut ini jarang atau tidak biasa dan biasanya tidak diedarkan secara normal (mengikut "lengkung normal") dalam populasi yang lebih besar. Pensampelan purposif dipenuhi dengan berat sebelah, beberapa di antaranya berlaku sebagai hasil daripada kaedah yang digunakan untuk mengenal pasti ahli-ahli sampel purposive. Sebagai contoh, jika tujuan penyelidikan memerlukan Veteran dengan kecederaan otak traumatik (TBI), maka sampel mestilah terdiri daripada bekas anggota tentera yang telah mengalami kecederaan otak traumatik, dan yang mengenal pasti diri mereka dengan sewajarnya dan bersetuju untuk mengambil bahagian dalam kajian . Setiap sifat atau syarat ini menyumbang satu ukuran berat sebelah kepada sampel, dengan itu menghadkan tahap dan jenis kesimpulan yang dihasilkan dari kajian.

Batasan Penting Pendekatan Pensampelan Bukan Kebarangkalian

Satu batasan penting bagi pensampelan bukan kebarangkalian ialah kesimpulan tidak dapat diambil tentang populasi yang lebih besar berdasarkan sampel bukan kebarangkalian.

Walau bagaimanapun, ini tidak selalunya berlaku, memandangkan pandangan yang realistik mengenai bagaimana orang mendekati penemuan penyelidikan akan mudah mengenal pasti situasi di mana orang melakukan kesilapan membuat kesimpulan dari penemuan yang berkaitan dengan sampel kebarangkalian.

Juga dikenali sebagai: sampling kemudahan, pensampelan purposive

Contoh:

Sampel yang bertindak seperti tinjauan pendapat awam disebarkan dengan idea bahawa mereka mewakili bagaimana ahli-ahli penduduk akan mengundi dalam pilihan raya akan datang atau sebagainya. Contoh-contoh ini mestilah sangat mewakili penduduk untuk digunakan untuk membuat ramalan mengenai keputusan pilihan raya, contohnya.