ΜΕΘΟΔΟΛΟΓΙΑ ΕΡΕΥΝΑΣ. 3 η ΠΑΡΟΥΣΙΑΣΗ. Ι. Δημόπουλος Τμήμα Διοίκησης Επιχειρήσεων και Οργανισμών. ΤΕΙ Πελοποννήσου

Transcript

1 ΜΕΘΟΔΟΛΟΓΙΑ ΕΡΕΥΝΑΣ 3 η ΠΑΡΟΥΣΙΑΣΗ Ι. Δημόπουλος Τμήμα Διοίκησης Επιχειρήσεων και Οργανισμών. ΤΕΙ Πελοποννήσου

2 Συλλογή δεδομένων Πρωτογενή δεδομένα Εργαστηριακές μετρήσεις Παρατήρηση Παρατήρηση με συμμετοχή, συστηματική παρατήρηση Αρχειακό υλικό Συνέντευξη Δομημένη, μη δομημένη, άμεση, έμμεση, επαναλαμβανόμενη (panel), κλινική, σε βάθος.

3

4 Κάποιοι ορισμοί Πληθυσμός: το σύνολο των υπό μελέτη αντικειμένων. Δείγμα: υποσύνολο του πληθυσμού το οποίο επιλέγεται για ανάλυση Παράμετρος: ένα περιληπτικό μέτρο που περιγράφει ένα χαρακτηριστικό του πληθυσμού. Στατιστικός Δείκτης (ή στατιστικό μέτρο): ένα περιληπτικό μέτρο που περιγράφει ένα χαρακτηριστικό του δείγματος

5 ΠΛΗΘΥΣΜΟΣ - ΔΕΙΓΜΑ Συλλογή δεδομένων πληθυσμού-δείγματος Απογραφική μέθοδος (Απογραφή) Πληροφορίες από κάθε στοιχείο του πληθυσμού. Προφανώς μια τέτοια διαδικασία είναι εξαιρετικά χρονοβόρα και πολυδάπανη και για αυτό σπάνια χρησιμοποιείται στην πράξη. Δειγματοληπτική μέθοδος Πληροφορίες από ένα δείγμα το οποίο περιέχει ορισμένα μόνο στοιχεία του πληθυσμού. Δειγματοληψία Η διαδικασία με την οποία επιλέγονται ορισμένα στοιχεία από έναν συγκεκριμένο πληθυσμό ως αντιπρόσωποι του συνολικού πληθυσμού.

6 ΠΛΗΘΥΣΜΟΣ - ΔΕΙΓΜΑ Πληθυσμός Δείγμα Οι παράμετροι συνοψίζουν χαρακτηριστικά ΕΚΤΙΜΗΣΗ Τα στατιστικά μέτρα συνοψίζουν χαρακτηριστικά Συμπεράσματα για τον πληθυσμό από το δείγμα

7 Γιατί χρειαζόμαστε τη δειγματοληψία; Συλλογή πληροφοριών από μεγάλο πληθυσμό με μικρό κόστος με μεγάλη ταχύτητα με επαρκή ακρίβεια Ερώτημα Μπορούμε (δικαιούμαστε) να γενικεύσουμε; ή Τα συμπεράσματα που βασίζονται σ αυτή είναι εξίσου αξιόπιστα με τα συμπεράσματα που βασίζονται στην απογραφή; ή Τα συμπεράσματα που εξάγονται από τα δεδομένα του δείγματος μπορούν να γενικευθούν στον πληθυσμό;

8 Απάντηση Εξαρτάται κυρίως από την αντιπροσωπευτικότητα του δείγματος Ποιόν αντιπροσωπεύει το δείγμα; Πληθυσμός δειγματοληψίας Δείγμα Πληθυσμός στόχος Πληθυσμός στόχος Πληθυσμός δειγματοληψίας Δείγμα

9 Ποιόν αντιπροσωπεύει το δείγμα; Ικανοποίηση των κατοίκων του Ν. Μεσσηνίας από τις υπηρεσίες του Γ.Ν. Καλαμάτας Νοσηλευθέντες στο Νοσ. Καλαμάτας Δείγμα Κάτοικοι Ν. Μεσσηνίας

10 Τι αφορά η αντιπροσωπευτικότητα; Τα υπό μελέτη χαρακτηριστικά του πληθυσμού Χαρακτηριστικά ατόμου (στοιχείου) Χαρακτηριστικά του περιβάλλοντος του ατόμου Χαρακτηριστικά χρόνου Η αντιπροσωπευτικότητα του δείγματος είναι αναγκαία προϋπόθεση για την εξαγωγή συμπερασμάτων που αφορούν τον πληθυσμό. Διασφάλιση αντιπροσωπευτικότητας Σχεδιασμός της δειγματοληψίας πριν την πραγματοποίησή της Το αντίθετο της αντιπροσωπευτικότητας είναι η μεροληψία (bias)

11 Μέγεθος δείγματος Εξαρτάται κυρίως από : το μέγεθος του πληθυσμού τον επιδιωκόμενο βαθμό ακρίβειας των συμπερασμάτων τον αριθμό των χαρακτηριστικών (μεταβλητών) που θα μελετηθούν την ομοιογένεια του πληθυσμού ως προς τα χαρακτηριστικά που θα μελετηθούν

12 Σφάλματα μέτρησης Σφάλμα μέτρησης: η διαφορά (απόκλιση) της παρατηρούμενης τιμής από την πραγματική τιμή Παρατηρούμενη τιμή = πραγματική τιμή +/- σφάλμα (τυχαίο + συστηματικό) συστηματικό σφάλμα: το αποτέλεσμα μεταβάλλεται με σταθερό (συστηματικό) τρόπο από τη μία μέτρηση στην άλλη (π.χ. εξάσκηση, κόπωση, πλήξη, μπορούν να προκαλέσουν σταθερή και προοδευτική βελτίωση ή επιδείνωση των μετρήσεων). Σφάλματα επιλογής και σφάλματα μέτρησης. τυχαίο σφάλμα: το αποτέλεσμα μεταβάλλεται με μή σταθερό τρόπο. Δεν υπάρχει κάποια συγκεκριμένη τάση στην επίδραση των παραγόντων που προκαλούν το σφάλμα. Συνήθως έχει να κάνει με απρόσμενες μεταβολές στις περιστάσεις κάτω από τις οποίες γίνονται οι μετρήσεις (πχ. αλλαγές στη διάθεση, αυξομείωση της προσοχής, κ.λπ)

13 Κάποιες έννοιες Αξιοπιστία (reliability) Αφορά τη διακριτική ικανότητα της μεθόδου (μέτρο, δείγμα, διαδικασία κλπ.) να προσεγγίζει το μετρούμενο μέγεθος Συνδέεται με το τυχαίο σφάλμα Αξιοπιστία = Πραγματικό μέγεθος Μετρούμενο μέγεθος

14 Έλεγχος αξιοπιστίας Διάφοροι μέθοδοι ελέγχου της αξιοπιστίας ανάλογα με την τεχνική-μέθοδο έρευνας. π.χ. Έλεγχος-επανέλεγχος (test-retest reliability) Παράλληλες μορφές (parallel forms) Τεχνική των δύο ημίσεων (split-half technique) Δείκτης αξιοπιστίας του Cronbach (Cronbach s α) Aξιοπιστία μεταξύ παρατηρητών/βαθμολογητών (inter-rate reliability)

15 Τεχνικές μείωσης τυχαίου σφάλματος Σφάλματα οφειλόμενο στον ερευνητή κατάλληλη εκπαίδευση χρήση κατάλληλων εργαλείων συλλογής δεδομένων προσφορά κινήτρων διαγραφή/τροποποίηση ερωτήσεων/παρατηρήσεων χαμηλής αξιοπιστίας Σφάλματα εξωτερικά του ερευνητή Συστηματικό έλεγχος της μέτρησης (τυποποιημένες και καλά ελεγχόμενες συνθήκες) Διασπορά του τυχαίου σφάλματος σε μεγαλύτερο αριθμό δειγμάτων (ερωτήσεων) του ίδιου χαρακτηριστικού θα έχει σαν αποτέλεσμα τη μικρότερη επίδραση τυχαίων σφαλμάτων στο σύνολο της δοκιμασίας. Διαγραφή/τροποποίηση μετρήσεων που παρουσιάζουν χαμηλό επίπεδο αξιοπιστίας Πιλοτική έρευνα για την δοκιμή του εργαλείου μέτρησης σε δείγμα του υπό μελέτη πληθυσμού προκειμένου να εντοπισθούν δοκιμασίες που δεν είναι αξιόπιστα

16 Κάποιες έννοιες Εγκυρότητα (validity) Εγκυρότητα: μετράμε αυτό που υποτίθεται πως μετράμε;. Αφορά την καταλληλότητα της μεθόδου (μέτρο, δείγμα, διαδικασία κλπ.) να μετρά μια παράμετρο. Συνδέεται με το συστηματικό σφάλμα

17 Πιστότητα και ακρίβεια μέτρησης Eγκυρότητα (validity) + Αξιοπιστία (reliability) Eγκυρότητα (validity) + Μη αξιοπιστία (no reliability) Μη εγκυρότητα (no validity) + Αξιοπιστία (reliability) Τυχαίο σφάλμα Συστηματικό σφάλμα Μία μέτρηση μπορεί να είναι αξιόπιστη (ακριβής) αλλά όχι έγκυρη Στην πράξη μία μέτρηση που δεν είναι έγκυρη δεν μπορεί να θεωρηθεί αξιόπιστη

18 Είδη δειγματοληψίας Δειγματοληψία Μη «τυχαιοποιημένη» Non-Probability Samples: Δεν χρησιμοποιείται η τυχαία επιλογή Δεν εξασφαλίζετε ότι όλα τα στοιχεία του πληθυσμού έχουν καθορισμένη πιθανότητα επιλογής στο δείγμα. Δεν βασίζονται στην θεωρία πιθανοτήτων «Τυχαία» ή «τυχαιοποιημένη» δειγματοληψία ή δειγματοληψία πιθανότητας (Probability Samples) δειγματοληψία στην τύχη «τυχαία» ή «τυχαιοποιημένη» δειγματοληψία: διαδικασία με την οποία επιδιώκεται να εξασφαλιστεί ότι όλα τα στοιχεία του πληθυσμού έχουν καθορισμένη πιθανότητα επιλογής στο δείγμα

19 Είδη δειγματοληψίας ΔΕΙΓΜΑΤΟΛΗΨΙΑ Δειγματοληψία ευκολίας (convenience sampling) Δειγματοληψία αναλογίας (quota sampling) Δειγματοληψία σκοπιμότητας (purposive sampling) Μη τυχαία δειγματοληψία Άγνωστη πιθανότητα επιλογής (δειγματοληψία μη-πιθανότητας/ non-probability sampling) Τυχαία δειγματοληψία Γνωστή πιθανότητα επιλογής (δειγματοληψία πιθανότητας/ probability sampling) Απλή τυχαία δειγματοληψία Συστηματική δειγματοληψία Δειγματοληψία κατά στρώματα Επιφανειακή δειγματοληψία Δειγματοληψία κατά συστάδες Πολυσταδιακή δειγματοληψία

20 Δειγματοληψία με άγνωστη πιθανότητα επιλογής Δεν είναι δυνατός ο προσδιορισμός της μέλους του πληθυσμού στο δείγμα πιθανότητας επιλογής του κάθε Δεν διασφαλίζεται η δυνατότητα επιλογής σε κάθε στοιχείο του πληθυσμού Ευκαιριακά ή υποκειμενικά τα κριτήρια επιλογής Καθώς η δειγματοληψία σε αυτή την περίπτωση δεν βασίζεται στην τυχαιότητα, δεν μπορεί να είναι βέβαιο (με βάση τη θεωρία των πιθανοτήτων) ότι το δείγμα έχει τα ίδια χαρακτηριστικά με αυτά του πληθυσμού ότι, δηλαδή, είναι αντιπροσωπευτικό

21 Δειγματοληψία με άγνωστη πιθανότητα επιλογής Δειγματοληψία ευκολίας (convenience sampling) Η επιλογή του δείγματος γίνεται με μοναδικό κριτήριο την ευκολία συλλογής δεδομένων από έναν γνωστό πληθυσμό Δειγματοληψία αναλογίας (quota sampling) Η επιλογή του δείγματος γίνεται ώστε αυτό να περιλαμβάνει στοιχεία στην ίδια αναλογία που περιλαμβάνονται στον πληθυσμό Δειγματοληψία σκοπιμότητας (purposive sampling) Εύκολος σχηματισμός δείγματος (μεγάλος ο βαθμός ανταπόκρισης)

22 Δειγματοληψία με άγνωστη πιθανότητα επιλογής Δεν είναι δυνατός ο προσδιορισμός της πιθανότητας επιλογής του κάθε μέλους του πληθυσμού στο δείγμα Δεν διασφαλίζεται η δυνατότητα επιλογής σε κάθε μέλος του πληθυσμού Ευκαιριακά ή υποκειμενικά τα κριτήρια επιλογής Καθώς η δειγματοληψία σε αυτή την περίπτωση δεν βασίζεται στην τυχαιότητα, δεν μπορεί να είναι βέβαιο (με βάση τη θεωρία των πιθανοτήτων) ότι το δείγμα έχει τα ίδια χαρακτηριστικά με αυτά του πληθυσμού ότι είναι δηλαδή αντιπροσωπευτικό. Κατά συνέπεια, τα αποτελέσματα της ανάλυσης του δείγματος δεν είναι μπορούν να γενικευθούν

23 Απλή τυχαία δειγματοληψία (simple random sampling) Αρχή: Όλες οι μονάδες του πληθυσμού (στοιχεία ή άτομα) έχουν την ίδια πιθανότητα επιλογής στο δείγμα Διαδικασία Προσδιορισμός Πληθυσμού Ανάπτυξη δειγματοληπτικού πλαισίου Αντιστοίχηση ενός αριθμού σε κάθε στοιχείο του πληθυσμού Τυχαία επιλογή του απαιτούμενου πλήθους τυχαίων αριθμών και των αντίστοιχων στοιχείων του πληθυσμού

24 Απλή τυχαία δειγματοληψία

25 Απλή τυχαία δειγματοληψία Πλεονεκτήματα Απλή διαδικασία Εύκολη μέτρηση του τυπικού (δειγματοληπτικού) σφάλματος και των ορίων αξιοπιστίας Μειονεκτήματα Ανάγκη δειγματοληπτικού πλαισίου (πλήρη καταλόγου των μονάδων (ατόμων) του πληθυσμού) Δεν επιτυγχάνεται πάντα η πιο πλήρης αντιπροσωπευτικότητα Διασπορά μονάδων πληθυσμού ενδεχομένως γίνεται δύσκολη και πολυδάπανη η διαδικασία

26 Συστηματική δειγματοληψία (systematic sampling) Αρχή: Επιλογή του δείγματος με βάση κάποιον απλό, συστηματικό κανόνα Διαδικασία Καθορισμός του πληθυσμού δειγματοληψίας Υπολογισμός του δειγματοληπτικού κλάσματος Επιλογή της πρώτης μονάδας (ατόμου) που θα περιληφθεί στο δείγμα Καθορισμός του κανόνα επιλογής των υπόλοιπων μονάδων του δείγματος

27 Συστηματική δειγματοληψία Παράδειγμα: Θέλουμε να εκτιμήσουμε την ικανοποίηση των εξυπηρετούμενων στα εξωτερικά ιατρεία του ενός νοσοκομείου (περίπου 80 άτομα / ημέρα). Βήματα: 1. Ορισμός πληθυσμού δειγματοληψίας: π.χ. επισκέψεις στα εξωτερικά ιατρεία μεταξύ 1/7 και 31/7 (80x25=2000) 2. Καθορισμός μεγέθους του δείγματος: π.χ. 250 άτομα 3. Υπολογισμός δειγματοληπτικού κλάσματος (κ=2000/250=8) 4. Επιλογή του πρώτου ατόμου που θα ληφθεί στο δείγμα με έναν τυχαίο αριθμό από 1 έως 8 (π.χ. 2) 5. Στο δείγμα: κάθε 8ο άτομο μετά το πρώτο που επελέγη

28 Συστηματική δειγματοληψία Δειγματοληψία Εκτιμώμενος πληθυσμός δειγματοληψίας: ~2000 Μέγεθος δείγματος: 250 Δειγματοληπτικό κλάσμα: κ= 2000 / 250 = 8 Πρώτο άτομο στο δείγμα: 2ο σε σειρά (όπως προέκυψε από τη λήψη ενός τυχαίου αριθμού από 1 έως 8) Υπόλοιπα άτομα 2+ixκ, i= κλπ

29 Συστηματική δειγματοληψία Πλεονεκτήματα Απλή διαδικασία Εύκολη μέτρηση του τυπικού (δειγματοληπτικού) σφάλματος και των ορίων αξιοπιστίας Μειονεκτήματα Ανάγκη δειγματοληπτικού πλαισίου (πλήρη καταλόγου των μονάδων (ατόμων) του πληθυσμού) Ανάλογα με τα χαρακτηριστικά της ακολουθίας ατόμων μπορεί να υπάρξει απόκλιση από την αντιπροσωπευτική επιλογή του δείγματος

30 Στρωματοποιημένη δειγματοληψία (stratified sampling) Αρχή: Είναι το δειγματοληπτικό σχέδιο σύμφωνα με το οποίο τα στοιχεία του πληθυσμού διαιρούνται σε ομοιογενείς υποπληθυσμούς ή στρώματα (strata) (π.χ. k στρώματα) στη βάση κάποιου σημαντικού χαρακτηριστικού και στη συνέχεια από κάθε ένα από τα στρώματα του πληθυσμού επιλέγεται ένα απλό τυχαίο δείγμα μεγέθους Ν i, i = 1,2,...,k ανεξάρτητα από τα άλλα. Το ενιαίο δείγμα μεγέθους Ν = Ν 1 + Ν Ν k που προκύπτει από την ένωση των k ανεξαρτήτων απλών τυχαίων δειγμάτων ονομάζεται στρωματοποιημένο τυχαίο δείγμα (stratified sample).

31 Στρωματοποιημένη δειγματοληψία Λίστα προσωπικού Διοικητικό προσωπικό Ιατρικό προσωπικό Νοσηλευτικό προσωπικό Στρώματα

32 Στρωματοποιημένη δειγματοληψία Πλεονεκτήματα Μεγαλύτερη ακρίβεια εκτιμήσεων όσο μεγαλύτερη είναι η εσωτερική ομοιογένεια των «στρωμάτων» και η ετερογένεια μεταξύ τους (μικρότερο τυχαίο σφάλμα, στενότερα όρια αξιοπιστίας) Δεν μπορεί να δώσει λιγότερο ακριβή αποτελέσματα από την απλή τυχαία δειγματοληψία. Αν όλα τα στρώματα είναι εξ ίσου ανομοιογενή με τον πληθυσμό ως προς το χαρακτηριστικό που μας ενδιαφέρει, οι εκτιμήσεις θα έχουν την ίδια ακρίβεια με την απλή τυχαία δειγματοληψία, για το ίδιο μέγεθος δείγματος. Μειονεκτήματα Ανάγκη δειγματοληπτικού πλαισίου Πολύπλοκος υπολογισμός ορίων αξιοπιστίας

33 Δειγματοληψία κατά συστάδες (clusters) Αρχή Δειγματοληψία με βάση κάποιες λειτουργικές ομάδες (συστάδες-clusters) στις οποίες ανήκουν τα μέλη του πληθυσμού Διαδικασία Ταξινόμηση του πληθυσμού σε συστάδες (ομάδες) από μονάδες (άτομα-στοιχεία) Λήψη τυχαίου δείγματος από κάθε ομάδα Περίληψη στο δείγμα του συνόλου ή μέρους των μονάδων (ατόμων) από τις επιλεγμένες συστάδες Όταν όλα τα στοιχεία των επιλεγμένων ομάδων περιέχονται στο τελικό δείγμα έχουμε δειγματοληψία κατά ομάδες σε ένα στάδιο (single stage cluster Sampling) Όταν δείγμα μόνο από τα στοιχεία των επιλεγμένων ομάδων περιέχονται στο ενιαίο δείγμα έχουμε δειγματοληψία κατά ομάδες σε δύο στάδια. Η δειγματοληψία με το σχέδιο αυτό μπορεί να προχωρήσει σε τρία ή και περισσότερα στάδια (multistage cluster sampling).

34 Δειγματοληψία κατά συστάδες Παράδειγμα: Θέλουμε να εκτιμήσουμε την κατάσταση της υγείας των παιδιών Α Δημοτικού του Νομού Α (150 Δημοτικά σχολεία x ~20 μαθητές μαθητές) Βήματα: 1. Λήψη τυχαίου δείγματος σχολείων: π.χ. 15 σχολεία (χρειάζεται μόνο κατάλογος των σχολείων) 2. Λήψη των παιδιών της Α Δημοτικού από κάθε σχολείο που επελέγη (15 σχολεία x 20 μαθητές = 300 μαθητές) 1. Λήψη τυχαίου δείγματος σχολείων: π.χ. 30 σχολεία ή 2. Λήψη δείγματος 10 παιδιών από κάθε σχολείο που επελέγη (30 σχολεία x 10 μαθητές = 300 μαθητές) (χρειάζεται κατάλογος μαθητών μόνο από τα επιλεγμένα σχολεία)

35

36 Δειγματοληψία κατά συστάδες Πλεονεκτήματα Δεν είναι απαραίτητος πλήρης κατάλογος των μονάδων (ατόμων) του πληθυσμού δειγματοληψίας άλλα μόνο των συστάδων Ευκολία οργάνωσης και μικρότερο κόστος δειγματοληψίας Μειονεκτήματα Μεγαλύτερο τυπικό σφάλμα και ευρύτερα όρια αξιοπιστίας σε σύγκριση με απλή τυχαία δειγματοληψία (για ίδιο μέγεθος δείγματος) Πολύπλοκος υπολογισμός του τυπικού σφάλματος και των ορίων αξιοπιστίας

37 Συμπερασματικά Η δειγματοληψία απαιτεί σχεδιασμό Αναγκαία η ύπαρξη δειγματοληπτικού πλαισίου Αποσαφήνιση του ποια ακριβώς είναι η δειγματοληπτική μονάδα (σε κάθε στάδιο της δειγματοληψίας εάν υπάρχουν περισσότερα στάδια) Ο δειγματοληπτικός σχεδιασμός με γνωστή πιθανότητα επιλογής είναι προτιμότερος

38