Campione ottimale: definizione e fattori
Dopo aver letto questo articolo imparerai la definizione e i fattori che influenzano il campione ottimale per uno studio.
Definizione di un campione ottimale:
Un campione ottimale per uno studio può essere definito come quel campione che soddisfa i requisiti di efficienza, rappresentatività, affidabilità e flessibilità. Cioè, il campione dovrebbe essere abbastanza piccolo da prevenire spese inutili e abbastanza grande da aiutare il ricercatore ad evitare errori di campionamento oltre il limite della tolleranza.
Dovrebbe essere abbastanza grande da fornire risultati statisticamente rappresentativi e significativi in tutte le tabulazioni di qualsiasi importazione, ma non deve essere così grande da provocare uno spreco di fondi, ritardare il progetto e raggiungere una precisione inutilmente alta. Il campione dovrebbe fornire le stime desiderate con il livello di affidabilità richiesto a un costo minimo.
Va ricordato che, in pratica, un campionamento efficiente implica sfruttare al massimo le risorse disponibili in termini di tecnica e organizzazione dei dati statistici e adeguare, nel miglior modo possibile, i limiti di tempo, fondi e personale, originariamente imposti sullo studio.
Inoltre, in alcuni casi dovrebbe essere possibile espandere o contrarre la dimensione del campione per soddisfare le esigenze impreviste derivanti nel corso dello studio. In determinate situazioni, l'affidabilità e l'efficienza possono essere migliorate effettuando le modifiche desiderate nella dimensione del campione.
A livello di pratica, questi ideali possono essere avvicinati ma raramente realizzati e quindi non ci si può aspettare che si scelga la dimensione del campione corretta.
Fattori che influenzano il campione ottimale:
La scelta della dimensione del campione per un dato studio è influenzata da diversi fattori. Questi fattori sono correlati e variano notevolmente in diversi studi rispetto alla loro importanza relativa nel determinare la dimensione del campione.
(1) La natura della popolazione (omogenea-eterogenea):
La dimensione del campione in uno studio dipenderà dal grado di omogeneità della popolazione. Più la popolazione è omogenea, meno i casi richiesti per produrne un campione affidabile e, viceversa, più la popolazione è eterogenea, più i casi richiesti per costituire un campione affidabile di essa.
La dimensione del campione richiesta per uno studio soddisfacente su una popolazione eterogenea può essere ridotta classificando la popolazione in strati. Alcuni di questi strati saranno più omogenei e altri meno. Strati più omogenei possono essere rappresentati da campioni più piccoli rispetto a quelli relativamente eterogenei.
Questo perché più uno strato è omogeneo, meglio può rappresentare un campione casuale di una determinata dimensione, cioè più simili saranno i casi nel campione, quindi meno variabile la loro media.
(2) Complessità della tabulazione:
Nel prendere una decisione sulla dimensione del campione, si deve anche prendere in considerazione il numero di categorie e classi in cui i risultati devono essere raggruppati e analizzati. Maggiore è il numero di categorie, più grande sarà il campione totale necessario per fornire misure statistiche affidabili di esse.
Anche se un campione può sembrare abbastanza adeguato per la tabulazione principale, è probabile che il numero si riduca molto rapidamente quando vengono preparate le tabulazioni dettagliate.
Ad esempio, un campione di 1.000 studenti potrebbe sembrare un numero adeguato per un sondaggio progettato per accertare la percentuale di studenti che favoriscono la co-educazione. Diciamo che solo il 25% è a favore (250 studenti).
Se il ricercatore volesse andare oltre e conoscere il tipo di studenti che preferivano la co-educazione, avrebbe dovuto classificare ulteriormente questi intervistati, su dimensioni come, se avessero avuto una precedente esperienza dell'istituzione coeducational? Da quale classe sociale provengono? Che tipo di famiglia hanno? Qual era la natura della loro esperienza (se ce ne sono) nell'istituzione conciliativa? E così via.
Procedendo così, il ricercatore può finalmente trovare solo 10 o 15 casi di un tipo particolare (cioè, nessuna precedente esperienza di co-educazione, classe media, famiglia ortodossa, ecc.). Un tale campione può permettersi solo una base molto fragile per giungere a conclusioni significative e generalizzabili sulla relazione tra le variabili.
La dimensione del campione scelto dovrebbe essere abbastanza ampia da fornire misure affidabili delle categorie più importanti. Quando i dati sono suddivisi in sotto-classi sempre più piccole, il numero di casi che cadono in varie celle diventa presto così piccolo che le misure statistiche calcolate dalle voci della cella sono probabilmente inaffidabili.
Pertanto, l'intensità della tabulazione è un fattore che ha importanza per la decisione relativa alla dimensione del campione.
(3) Problemi relativi alla raccolta di dati:
Di solito, la dimensione del campione deve essere mantenuta entro il limite numerico dei casi che possono essere garantiti con determinati fondi e tempo. Il volume dei dati è influenzato dalla lunghezza del questionario / programma, dal numero di lavoratori sul campo, dalla dispersione o dalla concentrazione dei casi in una zona geografica, dal tasso di rifiuto, dalle perdite dei casi, dal tipo di campionamento impiegato e infine, il metodo di raccolta dei dati.
Al momento di decidere le dimensioni del campione, è necessario prendere in considerazione i costi di trasporto necessari per spostarsi da un indirizzo all'altro e in callback (seconda o terza chiamata). Durante la pianificazione della dimensione del campione, il ricercatore deve sempre anticipare che potrebbe non essere in grado di raccogliere il numero assegnato per l'interrogatorio.
Le persone migrano, muoiono, non sono in grado di fornire informazioni a causa di malattia, andare in vacanza o per lavoro, non possono essere localizzate, rifiutarsi di rispondere, gli indirizzi si rivelano sbagliati, e così via.
È una buona politica pianificare di ottenere informazioni da ogni caso nel campione se umanamente possibile. Ciò significa che sarà necessario molto più tempo di quanto sarebbe necessario se si ottengono solo casi accessibili e cooperativi. Tuttavia, è meglio avere un campione più piccolo senza pregiudizi rispetto a un campione ampio che probabilmente non è rappresentativo dell'universo per motivi di bias.
(4) Tipo di campionamento:
Generalmente, un campione più piccolo sarà sufficiente quando viene impiegata la stratificazione. Questo perché l'effetto della stratificazione è di risolvere la totalità relativamente eterogenea in un numero di sottocampioni individualmente omogenei. Più eterogenea la popolazione, maggiore è l'economia dei casi possibili attraverso la stratificazione.
Nel campionamento noto come doppio campionamento, il ricercatore combina un campione casuale di grandi dimensioni (per la raccolta di alcuni elementi di base di informazioni) con un campione controllato o stratificato molto piccolo (dal quale sono fornite informazioni dettagliate o complicate).
Il requisito qui è che la dimensione del campione casuale dovrebbe essere abbastanza grande da fornire pesi affidabili per i vari strati. Il campione stratificato stesso richiede meno casi rispetto al semplice campione casuale perché il campione in ogni strato deve essere rappresentativo di quello strato e non dell '"universo".
Un fattore importante nel determinare il numero necessario di casi è la dimensione delle unità di campionamento. Infatti, più grande è l'unità di campionamento, maggiore è il numero di casi che saranno necessari per la tabulazione individuale.
