ΜΕΘΟΔΟΛΟΓΙΑ ΕΡΕΥΝΑΣ Ι. Δημόπουλος, Καθηγητής, Τμήμα Διοίκησης Επιχειρήσεων και Οργανισμών-ΤΕΙ Πελοποννήσου
Σχηματική παρουσίαση της ερευνητικής διαδικασίας ΣΚΟΠΟΣ-ΣΤΟΧΟΣ ΘΕΩΡΙΑ ΥΠΟΘΕΣΕΙΣ ΕΡΓΑΣΙΑΣ Ερευνητικά ερωτήματα ΣΥΛΛΟΓΗ ΔΕΔΟΜΕΝΩΝ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΤΕΧΝΙΚΗ ΕΡΕΥΝΑΣ - ΠΕΙΡΑΜΑ (Πριν, μετά, ) - ΠΑΡΑΤΗΡΗΣΗ (άμεση, έμεση, με συμετοχή, συστηματική,.) -ΣΥΝΕΝΤΕΥΞΗ (Δομημένη, μη δομημένη, επαναλαμβανόμενη, κλινική, ) -... ΣΥΜΠΕΡΑΣΜΑΤΑ Απαντήσεις στα ερευνητικά ερωτήματα Επιβεβαίωση ή απόρριψη υποθέσεων εργασίας
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.
Δευτερογενή δεδομένα Τα Επιστημονικά άρθρα Βιβλία Εκθέσεις επιτροπών Επίσημες εκδόσεις οργανισμών
ΔΕΙΓΜΑ Η συλλογή δεδομένων συχνά περιλαμβάνει κάποια μορφή δειγματοληψίας Δειγματοληψία Η διαδικασία με την οποία επιλέγονται ορισμένα στοιχεία από ένα συγκεκριμένο πληθυσμό ως αντιπρόσωποι του συνολικού πληθυσμού. Δειγματοληψία Απογραφή Δείγμα Συνολικός πληθυσμός
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 εξάγονται από τα δεδομένα του δείγματος μπορούν να γενικευθούν στον πληθυσμό;
Απάντηση Εξαρτάται κυρίως από την αντιπροσωπευτικότητα του δείγματος Ποιόν αντιπροσωπεύει το δείγμα; Πληθυσμός δειγματοληψίας Δείγμα Πληθυσμός στόχος Πληθυσμός στόχος Πληθυσμός δειγματοληψίας Δείγμα
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
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
Μέγεθος δείγματος Εξαρτάται 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
Τύποι δειγματοληψίας Δειγματοληψία με γνωστή πιθανότητα επιλογής (δειγματοληψία πιθανότητας/probability sampling) ή «τυχαία» ή «τυχαιοποιημένη» δειγματοληψία εφαρμογή θεωρίας πιθανοτήτων γνωστή η πιθανότητα επιλογής ενός στοιχείου δυνατότητα υπολογισμού τυχαίου σφάλματος Δειγματοληψία με άγνωστη πιθανότητα επιλογής (δειγματοληψία μη-πιθανότητας/non-probability sampling) άγνωστη πιθανότητα επιλογής ενός στοιχείου ευκαιριακά ή υποκειμενικά κριτήρια επιλογής μη δυνατότητα υπολογισμού τυχαίου σφάλματος
Κάποιες έννοιες Πιστότητα (accuracy) Αφορά την καταλληλότητα της μεθόδου (μέτρο, δείγμα, διαδικασία κλπ.) να μετρά μια παράμετρο Συνδέεται με το συστηματικό σφάλμα Ακρίβεια (precision) Αφορά τη διακριτική ικανότητα της μεθόδου (μέτρο, δείγμα, διαδικασία κλπ.) να προσεγγίζει το μετρούμενο μέγεθος Συνδέεται με το τυχαίο σφάλμα
Πιστότητα και ακρίβεια εκτίμησης πιστότητα (accuracy) ακρίβεια (precision) πιστότητα (accuracy) όχι ακρίβεια (precision) όχι πιστότητα (accuracy) ακρίβεια (precision) τυχαίο σφάλμα Συστηματικό σφάλμα
Δειγματοληψία με άγνωστη πιθανότητα επιλογής Δειγματοληψία ευκολίας (convenience sampling) εύκολη πρόσβαση στον πληθυσμό Δειγματοληψία αναλογίας (quota sampling) το δείγμα αντανακλά τη δημογραφική δομή του πληθυσμού, Δειγματοληψία σκοπιμότητας (purposive sampling) επιλογή ατόμων που «κρίνεται» ότι πρέπει να μελετηθούν Προβλήματα Αδυναμία υπολογισμού του σφάλματος δειγματοληψίας Μεγάλη πιθανότητα συστηματικού σφάλματος Απαιτείται μεγάλη εμπειρία / επανειλημμένη εφαρμογή
Δειγματοληψία με γνωστή πιθανότητα επιλογής «Τυχαία» ή «τυχαιοποιημένη» δειγματοληψία 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
Μέθοδοι δειγματοληψίας με γνωστή πιθανότητα επιλογής Απλή τυχαία δειγματοληψία Συστηματική δειγματοληψία Δειγματοληψία κατά στρώματα Επιφανειακή δειγματοληψία Δειγματοληψία κατά συστάδες Πολυσταδιακή δειγματοληψία
Απλή τυχαία δειγματοληψία (simple random sampling) Αρχή Όλες οι μονάδες του πληθυσμού (στοιχεία ή άτομα) έχουν την ίδια πιθανότητα επιλογής στο δείγμα Διαδικασία Λήψη πλήρους καταλόγου των μονάδων (στοιχείων) του πληθυσμού από τον οποίο θα γίνει δειγματοληψία δειγματοληπτικό πλαίσιο Αρίθμηση των μονάδων (ατόμων) Επιλογή μονάδων δείγματος με τυχαιοποιημένο τρόπο (π.χ. με τη χρήση τυχαίων αριθμών)
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 η διαδικασία γίνεται δύσκολη και πολυδάπανη
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
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
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=1 250 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 κλπ
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
Στρωματοποιημένη δειγματοληψία (stratified sampling) Αρχή Η αρχή της κατά στρώματα δειγματοληψίας στηρίζεται στην απλή ιδέα πως αν καταφέρουμε να διαιρέσουμε τον πληθυσμό σε ομάδες (στρώματα) σχετικά ομοιογενή ως προς το υπό μελέτη χαρακτηριστικό, θα αρκεί ένα μικρό δείγμα από κάθε στρώμα για να εκτιμήσουμε την τιμή του χαρακτηριστικού. Στην οριακή περίπτωση, αν η ομοιογένεια κάθε στρώματος ήταν απόλυτη, θα αρκούσε δείγμα μιας μονάδας από κάθε στρώμα.
Στρωματοποιημένη δειγματοληψία Διαδικασία Χωρισμός του πληθυσμού σε «στρώματα» (κατά προτίμηση με εσωτερική ομοιογένεια αλλά ετερογενή μεταξύ τους. Κάθε στοιχείο του πληθυσμού ανήκει μόνο σε ένα στρώμα). Ο διαχωρισμός σε στρώματα βασίζεται σε κάποιες μεταβλητές (χαρακτηριστικά) που μας ενδιαφέρει να μελετηθούν (π.χ. φύλο, επάγγελμα, ηλικία, τόπος κατοικίας, εισόδημα, μορφωτικό επίπεδο κλπ.) Λήψη τυχαίου δείγματος μονάδων σε κάθε «στρώμα» Συνδυασμός των αποτελεσμάτων όλων των «στρωμάτων»
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
Στρωματοποιημένη δειγματοληψία Επί πλέον 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..
Στρωματοποιημένη δειγματοληψία Επί πλέον Προκειμένου να εφαρμοστεί η μέθοδος αυτή θα πρέπει να είναι γνωστή εκ των προτέρων η κατανομή των χαρακτηριστικών της μεταβλητής που μας ενδιαφέρει στον πληθυσμό. (π.χ. ποιό είναι το ποσοστό ανδρών και ποιό γυναικών; ή, ποιά είναι τα ποσοστά για τις κατηγορίες εισοδήματος που μας ενδιαφέρουν- και ποιοί ανήκουν σε κάθε κατηγορία;) Αυτή η μέθοδος αποκλείει το ενδεχόμενο να συμπεριλάβουμε στο δείγμα περιπτώσεις που δεν είναι αντιπροσωπευτικές ολόκληρου του πληθυσμού (πχ μόνο άτομα του ενός φύλου, ή μόνο χαμηλά εισοδήματα κλπ, αν π.χ. η μεταβλητή διαχωρισμού των στρωμάτων είναι το φύλο ή το εισόδημα αντίστοιχα)
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 συστάδων Περίληψη στο δείγμα του συνόλου ή μέρους των μονάδων (ατόμων) από τις επιλεγμένες συστάδες
Δειγματοληψία κατά συστάδες Παράδειγμα: Θέλουμε να εκτιμήσουμε την κατάσταση της υγείας των παιδιών Α Δημοτικού του Νομού Α (150 Δημοτικά σχολεία x ~20 μαθητές 3.000 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) ή 1. Λήψη τυχαίου δείγματος σχολείων: π.χ. 30 σχολεία 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)
Δειγματοληψία κατά συστάδες Πλεονεκτήματα Δεν είναι απαραίτητος πλήρης κατάλογος μονάδων (ατόμων) του πληθυσμού δειγματοληψίας άλλα μόνων των συστάδων Ευκολία οργάνωσης και μικρότερο κόστος δειγματοληψίας Μειονεκτήματα Μεγαλύτερο τυπικό σφάλμα και ευρύτερα όρια αξιοπιστίας σε σύγκριση με την απλή τυχαία δειγματοληψία (για ίδιο μέγεθος δείγματος) Πολύπλοκος υπολογισμός του τυπικού σφάλματος και των ορίων αξιοπιστίας
Δειγματοληψία με άγνωστη πιθανότητα επιλογής Δειγματοληψία ευκολίας (convenience sampling) Δειγματοληψία αναλογίας (quota sampling) Δειγματοληψία σκοπιμότητας (purposive sampling) Δεν είναι δυνατός ο προσδιορισμός της πιθανότητας επιλογής του κάθε μέλους του πληθυσμού στο δείγμα Δεν διασφαλίζεται η δυνατότητα επιλογής σε κάθε μέλος του δείγματος 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
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