Jednym z najczęstszych błędów metodologicznych jest założenie, że duża próba automatycznie staje się reprezentatywna. Możemy przebadać nawet 10 000 osób i nadal uzyskać systematycznie obciążony wynik, jeżeli uczestnicy zostali dobrani w sposób nieodzwierciedlający populacji docelowej.
Populacja docelowa
Najpierw należy określić, do kogo chcemy odnosić wyniki.
Przykład:
wszyscy ratownicy medyczni pracujący w Polsce to inna populacja niż:
ratownicy medyczni uczestniczący w szkoleniach internetowych.
Badanie drugiej grupy nie pozwala automatycznie generalizować wyników na wszystkich ratowników.
Próba losowa
W probabilistycznym doborze próby jednostki mają znane prawdopodobieństwo znalezienia się w badaniu.
Przykłady:
- losowanie proste,
- warstwowe,
- systematyczne,
- klastrowe.
Taki schemat daje mocniejsze podstawy do wnioskowania populacyjnego.
Losowanie warstwowe
Załóżmy, że chcemy zapewnić reprezentację różnych województw albo grup wiekowych.
Populację dzielimy na warstwy, a następnie losujemy uczestników w każdej z nich.
Może to poprawić precyzję i zapewnić odpowiednią reprezentację ważnych podgrup.
Próba wygodna
W convenience sampling uczestnicy są dobierani dlatego, że są łatwo dostępni.
Przykłady:
- pacjenci jednego oddziału,
- studenci jednej uczelni,
- osoby odpowiadające na post umieszczony w mediach społecznościowych.
Próba taka może być bardzo użyteczna, ale ogranicza możliwość uogólniania.
Dobór celowy
W purposive sampling badacz świadomie wybiera osoby spełniające określone kryteria.
Takie rozwiązanie może mieć sens np. w badaniach:
- ekspertów,
- rzadkich chorób,
- szczególnych grup zawodowych.
Nie należy jednak nazywać go doborem losowym.
Samoselekcja
W ankietach internetowych częsty jest self-selection bias.
Osoby szczególnie zainteresowane tematem mogą odpowiadać częściej.
Ankieta dotycząca wypalenia może przyciągać np. osoby:
- silnie wypalone,
- szczególnie zaangażowane w temat,
- mające skrajnie pozytywne lub negatywne doświadczenia.
Błąd braku odpowiedzi
Nie wszyscy zaproszeni biorą udział. Jeżeli osoby, które nie odpowiedziały, systematycznie różnią się od respondentów, wyniki mogą być obciążone. Samo zwiększenie liczby wysłanych zaproszeń nie rozwiązuje tego problemu.
Wielkość próby a reprezentatywność
Liczebność wpływa przede wszystkim na:
- precyzję,
- błąd standardowy,
- moc statystyczną.
Nie naprawia systematycznego błędu selekcji.
Bardzo duża niereprezentatywna próba nadal może prowadzić do bardzo precyzyjnego, ale obciążonego oszacowania.
Margines błędu
Popularny „margines błędu” ma określone założenia dotyczące schematu losowania.
Nie należy automatycznie pisać:
„przy n = 1000 błąd wynosi około 3%”
dla internetowej próby samoselekcyjnej.
Taki wzór nie uwzględnia biasu selekcji.
Ważenie danych
Jeżeli znamy strukturę populacji, można czasem zastosować wagi.
Przykład:
w populacji jest 60% kobiet, a w próbie 80%.
Odpowiednie ważenie może częściowo skorygować strukturę próby.
Nie naprawi jednak różnic dotyczących nieobserwowanych cech.
Praca magisterska a próba wygodna
W pracy dyplomowej pełne losowanie często nie jest możliwe.
Nie oznacza to, że badanie jest bezwartościowe.
Należy jednak poprawnie napisać:
„Zastosowano dobór wygodny. Wyniki odnoszą się bezpośrednio do badanej próby, a ich uogólnianie na populację wymaga ostrożności.”
Zaawansowana statystyka nie naprawia złego doboru
Regresja, uczenie maszynowe czy nawet bardzo duża liczba zmiennych nie mogą całkowicie naprawić sytuacji, w której określona grupa populacji w ogóle nie mogła znaleźć się w próbie.
Projekt badania jest równie ważny jak analiza statystyczna.
Co opisać w metodach?
Warto podać:
- populację docelową,
- kryteria włączenia,
- kryteria wyłączenia,
- sposób rekrutacji,
- metodę doboru,
- liczebność,
- udział odpowiedzi,
- ograniczenia reprezentatywności.
Najczęstsze błędy
- utożsamianie dużego n z reprezentatywnością,
- brak opisu rekrutacji,
- nazywanie próby wygodnej losową,
- podawanie klasycznego marginesu błędu dla samoselekcyjnej ankiety,
- ignorowanie nonresponse,
- zbyt szeroka generalizacja wyników.
FAQ
Czy duża próba jest reprezentatywna?
Nie automatycznie.
Co decyduje o reprezentatywności?
Przede wszystkim schemat doboru oraz stopień pokrycia populacji.
Czy próba wygodna może być użyteczna?
Tak, ale wymaga ostrożności przy generalizacji.
Czy większe n usuwa bias?
Nie.
Czy można stosować wagi?
Tak, jeśli dysponujemy odpowiednimi informacjami o populacji.
Zapraszamy do kontaktu
Potrzebujesz zaplanowania doboru próby, obliczenia liczebności lub analizy ankiety?
statystyka@statystyka.org.pl
tel. 692 809 254
Frazy kluczowe: dobór próby, reprezentatywność próby, próba losowa, próba wygodna, dobór celowy, badania ankietowe, metodologia badań, analiza statystyczna, statystyka do pracy mgr, wielkość próby, bias selekcji