#کلاس #متدولوژی
🔸آشنایی با نمونه‌های آماری
#یونس_شکرخواه
داشتن #نمونه (sample) و #نمونه‌گیری (sampling) یکی از مهم‌ترین بخش‌های علم #آمار است. یک نمونه باید طوری انتخاب شود که تنوع و اندازه لازم را داشته باشد تا نتایج قابل اعتماد وقابل تعمیم باشند. برای گرداوری داده‌های مورد نظر در هر زمینه‌ای دو راه وجود دارد یا راه گردآوری داده‌ها از طریق کلیه افراد (که به آن #سرشماری می‌گویند که هم هزینه‌بر و هم وقت‌گیر است) و یا از طریق نمونه‌گیری (انتخاب نمونه‌ای از افراد جامعه و جمع آوری داده‌های مورد نظر از طریق آن‌ها).
در عین حال باید در نظر داشت که بین #جامعه_آماری (Statistical population) با #نمونه_آماری تحقیق تفاوت وجود دارد. جامعه آماری به مجموعه افراد، عناصر و سوژه‌هایی گفته می‌شود که حداقل یک صفت یا ویژگی مشترک دارند؛ اما نمونه آماری تحقیق گروهی از اعضای جامعه آماری هستند که اطلاعات مورد نیاز پژوهش را می‌توان از طریق آن‌ها به دست آورد. رابطه نمونه و جمعیت از جهاتی همان حکایت مشت نمونه خروار است. به دیگر زبان نمونه در علم آمار باید معرف جمعیت مورد تحقیق باشد. پس بنابراین اگر بخواهیم موضوعی را در جامعه‌ای بررسی کنیم، می‌توانیم به جای سراغ گرفتن از یکایک اعضای آن جامعه (که بسیار پر دردسر و پر هزینه است) از نمونه‌گیری استفاده کنیم.
▫️اما چطور باید نمونه سازی کرد؟
🔹نمونه‌گیری احتمالی
(Probability Sampling)
در این نوع از نمونه‌گیری‌ها؛ نمونه‌ها معرف جمعیت هستند و به دیگر سخن همه شانس انتخاب شدن به عنوان نمونه را دارند (بیشتر از صفر) و شامل این انواع است: تصادفی ساده، سیستماتیک، قشربندی شده و خوشه‌ای.
🔹تصادفی ساده
(Simple Random)
از طریق قرعه کشی، استفاده از جداول اعداد تصادفی یا از طریق برنامه‌های رایانه‌ای. در این روش هر یک از اعضای جامعه شانس برابر در انتخاب برای قرار گرفتن در نمونه دارد. افزون براین نمی‌توانید مثلا به یک خیابان بروید و با هر فردی بر حسب اتفاق مصاحبه کنید. حتی نمی‌شود مثلا از یک دفترچه تلفن برای انتخاب نمونه‌ها مدد گرفت؛ زیرا عده‌ای هستند که یا تلفن ندارند و یا نامشان در دفترچه تلفن نیست. مهم‌ترین نکته در نمونه‌گیری تصادفی این است که در این روش نباید در انتخاب نمونه‌ها هیچ اثری از جانبداری و سوگیری در انتخاب نمونه‌ها وجود داشته باشد.
🔹سیستماتیک
(Systematic Random):
انتخاب اعضای جمعیت در این روش بر اساس یک قاعده مشخص صورت می‌گیرد و وقتی اولین عضو انتخاب شد بقیه اعضا به راحتی تعیین می‌شوند. مثلا دهمین در یک ردیف ساختمان (یک عدد اتفاقی) که مورد بعدی به ترتیب می‌شود بیستمین وسی‌امین خانه و.... تا نمونه مورد بررسی کامل شود. در این روش در واقع حجم جمعیت بر حجم نمونه تقسیم می‌شود تا فاصله نمونه‌گیری به دست آید.
🔹قشربندی شده
(Stratified Random)
نمونه قشربندی شده یک باز تولید کوچک از جمعیت اماری است. در این روش قبل از نمونه‌گیری باید جمعیت را بر اساس خصایص مهم مثل جنسیت؛ سطح تحصیلات؛ مذهب؛ طبقه اجتماعی و ... شکل داد و سپس بر اساس قشر (stratum) به تصادف انتخاب کرد. مثلا اگر سی و هشت درصد جمعیت تحصیلات دانشگاهی دارند آنگاه باید سی و هشت درصد نمونه از جمعیت را به شیوه تصادفی برگزیده شود. نمونه قشربندی اگر اطلاعات خوبی از جمعیت از پیش در اختیار باشد از نمونه تصادفی بهتر جواب می‌دهد
🔹خوشه‌ای
(cluster)
که دو گونه خوشه‌ای تصادفی و خوشه‌ای قشر بندی دارد. این روش به درد مواردی می‌خورد که می‌شود جمعیت را به مقولات متعدد تجزیه کرد. در این شیوه واحد اندازه‌گیری فرد نیست بلکه گروه است و این گروه‌ها به صورت طبیعی شکل گرفته باشند.
🔹نمونه‌گیری غیر احتمالی
(Non-probability Sampling)
این نوع از نمونه‌گیری‌ها شامل این موارد است: سهمیه‌ای، هدفمند و گلوله برفی
🔹سهمیه‌ای
(Quota sample)
پژوهشگر در روش سهمیه‌ای؛ آگاهانه سطوحی از قشرها را در نمونه قرار می‌دهد. این کار تضمین می‌کند که بخش‌های خاص و مورد نظر از جمعیت در نمونه قرار گرفته‌اند. در روش سهمیه‌ای سهم نمونه باید با سهم واقعی موجود در جمعیت تناسب داشته باشد.
🔹هدفمند
(purposive sample)
نمونه بر اساس قضاوت شخصی یا اهداف مطالعه کننده انتخاب می‌شود. به عبارت بهتر پژوهشگر شخصا گروه‌های خاصی را در نظر دارد و می‌خواهد درباره آن‌ها تحقیق کند
🔹گلوله برفی
(snowball sample)
این نمونه‌گیری که در تحقیقات کیفی رایج است؛ خودش گونه‌ای از روش هدفمند است. در این شیوه از مشارکت کنندگانی که انتخاب شده‌اند به مشارکت کنندگان بعدی دست یافته می‌شود. حجم نمونه در این روش مثل گلوله برف که همانطور که می‌چرخد برف بیشتری به خودش جذب می‌کند؛ در مسیر تحقیق بزرگ‌تر می‌شود. مثال: تحقیق درباره مهاجران در یک جامعه یا معتادان.
🔸آشنایی با نمونه‌های آماری
#یونس_شکرخواه
داشتن #نمونه (sample) و #نمونه‌گیری (sampling) یکی از مهم‌ترین بخش‌های علم #آمار است. یک نمونه باید طوری انتخاب شود که تنوع و اندازه لازم را داشته باشد تا نتایج قابل اعتماد وقابل تعمیم باشند. برای گرداوری داده‌های مورد نظر در هر زمینه‌ای دو راه وجود دارد یا راه گردآوری داده‌ها از طریق کلیه افراد (که به آن #سرشماری می‌گویند که هم هزینه‌بر و هم وقت‌گیر است) و یا از طریق نمونه‌گیری (انتخاب نمونه‌ای از افراد جامعه و جمع آوری داده‌های مورد نظر از طریق آن‌ها).
در عین حال باید در نظر داشت که بین #جامعه_آماری (Statistical population) با #نمونه_آماری تحقیق تفاوت وجود دارد. جامعه آماری به مجموعه افراد، عناصر و سوژه‌هایی گفته می‌شود که حداقل یک صفت یا ویژگی مشترک دارند؛ اما نمونه آماری تحقیق گروهی از اعضای جامعه آماری هستند که اطلاعات مورد نیاز پژوهش را می‌توان از طریق آن‌ها به دست آورد. رابطه نمونه و جمعیت از جهاتی همان حکایت مشت نمونه خروار است. به دیگر زبان نمونه در علم آمار باید معرف جمعیت مورد تحقیق باشد. پس بنابراین اگر بخواهیم موضوعی را در جامعه‌ای بررسی کنیم، می‌توانیم به جای سراغ گرفتن از یکایک اعضای آن جامعه (که بسیار پر دردسر و پر هزینه است) از نمونه‌گیری استفاده کنیم.
▫️اما چطور باید نمونه سازی کرد؟
🔹نمونه‌گیری احتمالی
(Probability Sampling)
در این نوع از نمونه‌گیری‌ها؛ نمونه‌ها معرف جمعیت هستند و به دیگر سخن همه شانس انتخاب شدن به عنوان نمونه را دارند (بیشتر از صفر) و شامل این انواع است: تصادفی ساده، سیستماتیک، قشربندی شده و خوشه‌ای.
🔹تصادفی ساده
(Simple Random)
از طریق قرعه کشی، استفاده از جداول اعداد تصادفی یا از طریق برنامه‌های رایانه‌ای. در این روش هر یک از اعضای جامعه شانس برابر در انتخاب برای قرار گرفتن در نمونه دارد. افزون براین نمی‌توانید مثلا به یک خیابان بروید و با هر فردی بر حسب اتفاق مصاحبه کنید. حتی نمی‌شود مثلا از یک دفترچه تلفن برای انتخاب نمونه‌ها مدد گرفت؛ زیرا عده‌ای هستند که یا تلفن ندارند و یا نامشان در دفترچه تلفن نیست. مهم‌ترین نکته در نمونه‌گیری تصادفی این است که در این روش نباید در انتخاب نمونه‌ها هیچ اثری از جانبداری و سوگیری در انتخاب نمونه‌ها وجود داشته باشد.
🔹سیستماتیک
(Systematic Random):
انتخاب اعضای جمعیت در این روش بر اساس یک قاعده مشخص صورت می‌گیرد و وقتی اولین عضو انتخاب شد بقیه اعضا به راحتی تعیین می‌شوند. مثلا دهمین در یک ردیف ساختمان (یک عدد اتفاقی) که مورد بعدی به ترتیب می‌شود بیستمین وسی‌امین خانه و.... تا نمونه مورد بررسی کامل شود. در این روش در واقع حجم جمعیت بر حجم نمونه تقسیم می‌شود تا فاصله نمونه‌گیری به دست آید.
🔹قشربندی شده
(Stratified Random)
نمونه قشربندی شده یک باز تولید کوچک از جمعیت اماری است. در این روش قبل از نمونه‌گیری باید جمعیت را بر اساس خصایص مهم مثل جنسیت؛ سطح تحصیلات؛ مذهب؛ طبقه اجتماعی و ... شکل داد و سپس بر اساس قشر (stratum) به تصادف انتخاب کرد. مثلا اگر سی و هشت درصد جمعیت تحصیلات دانشگاهی دارند آنگاه باید سی و هشت درصد نمونه از جمعیت را به شیوه تصادفی برگزیده شود. نمونه قشربندی اگر اطلاعات خوبی از جمعیت از پیش در اختیار باشد از نمونه تصادفی بهتر جواب می‌دهد
🔹خوشه‌ای
(cluster)
که دو گونه خوشه‌ای تصادفی و خوشه‌ای قشر بندی دارد. این روش به درد مواردی می‌خورد که می‌شود جمعیت را به مقولات متعدد تجزیه کرد. در این شیوه واحد اندازه‌گیری فرد نیست بلکه گروه است و این گروه‌ها به صورت طبیعی شکل گرفته باشند.
🔹نمونه‌گیری غیر احتمالی
(Non-probability Sampling)
این نوع از نمونه‌گیری‌ها شامل این موارد است: سهمیه‌ای، هدفمند و گلوله برفی
🔹سهمیه‌ای
(Quota sample)
پژوهشگر در روش سهمیه‌ای؛ آگاهانه سطوحی از قشرها را در نمونه قرار می‌دهد. این کار تضمین می‌کند که بخش‌های خاص و مورد نظر از جمعیت در نمونه قرار گرفته‌اند. در روش سهمیه‌ای سهم نمونه باید با سهم واقعی موجود در جمعیت تناسب داشته باشد.
🔹هدفمند
(purposive sample)
نمونه بر اساس قضاوت شخصی یا اهداف مطالعه کننده انتخاب می‌شود. به عبارت بهتر پژوهشگر شخصا گروه‌های خاصی را در نظر دارد و می‌خواهد درباره آن‌ها تحقیق کند
🔹گلوله برفی
(snowball sample)
این نمونه‌گیری که در تحقیقات کیفی رایج است؛ خودش گونه‌ای از روش هدفمند است. در این شیوه از مشارکت کنندگانی که انتخاب شده‌اند به مشارکت کنندگان بعدی دست یافته می‌شود. حجم نمونه در این روش مثل گلوله برف که همانطور که می‌چرخد برف بیشتری به خودش جذب می‌کند؛ در مسیر تحقیق بزرگ‌تر می‌شود. مثال: تحقیق درباره مهاجران در یک جامعه یا معتادان.