サンプルサイズ - 社会学的研究の選択方法

世論調査 の人口のは、多くの場合、人々の大規模なグループの間で行われます。 多くの場合、間違っての質問は、社会のすべてのメンバーに答えるためにならば、結果の信頼性が良くなるというアイデアがあります。 膨大な時間に、そのような検査のお金のコストと複雑さが許容可能ではありません。 回答が増えてコストが増加するだけでなく、不正なデータのリスクを高めるだけではなく。 実用的な観点からは、面接やプログラマーの多くは、彼らの行動の信頼性の高いモニタリングの可能性を減少させます。 この調査は継続的に呼び出されます。

社会学では、不連続の研究では、最も頻繁に使用される、またはサンプリング方法です。 彼の結果は、それが一般的である人々の大規模なグループに配布することができます。

定義と重点サンプリング法

サンプリング方法 - 群衆から研究の単位、及び調査結果の選択の定量方法は、これに参加していない、それぞれ個々に拡張されます。

サンプリング方法はまた、科学的研究や学問の対象です。 彼は人口の信頼できる情報を得るための手段であり、そのパラメータのすべての評価を与えることができます。 選択項目の条件は結果に、その後の統計分析に影響を与えます。 選択手順が悪い実行した場合は、収集した情報の処理のも、最も信頼性の高い方法の使用は役に立たないだろう。

選択理論の重要な概念

一般的な全体の結論は、サンプリングを策定しているの点でコールの相互接続ユニット。 それは一つの国なので、上の特定の地域、会社の作業スタッフとの住民にサービスを提供することができたよう。D.を

特殊な技術及び条件を用いて単離した一般的な部分の合計サンプル（またはサンプル）。 例えば、形成中に統計的基準を占めました。

個体数はこの中に含まれるかのセットは、ボリュームにそれを呼び出します。 しかし、それは集落、人々の数ではなく、投票所にいないだけで表現することができる、それは間違いなく、観察ユニットを含む、より大きな単位、です。 しかし、それはすでに多段階サンプリングです。

選択部は、集団の構成部品であり、それらは、観察ユニット直接（シングルステップサンプル）と大きく形成のいずれであってもよいです。

サンプリング法を用いた研究の信頼性の高い結果を得るためのほとんどの役割は、このようなサンプリングの代表としての性質です。 これは、回答者が完全にすべてのその特性を果たすべきとなっている一般集団の一部です。 過ちを認めるために、任意の偏差。

サンプリングの適用の段階

すべての経験的な ケーススタディでは、 ステージで構成されています。 次のようにサンプリング方法を適用した場合のシーケンスを構築されます。

1. 一般集団を設定、選択手順ボリュームが特徴：サンプルプロジェクトを作成します。
2. 実装：社会学的データ収集の過程では、回答者の選択方法を示すジョブ面接を実行します。
3. 代表のエラーの識別と訂正。

社会学におけるサンプルの種類

サンプリング手順に人口の研究が進行を決定した後。 彼らは二つのタイプ（基準）に分けることができます。

1. サンプリング時の役割確率法則。
2. スクリーニング工程の数。

最初の基準が使用される場合、この方法は、ランダムに単離され、非ランダムに選択されます。 後者に基づいて、試料は、単段および多段とすることができると主張することができます。

サンプルの種類 直接だけでなく、その結果について、準備や研究の段階ではないだけに影響を与えます。 あなたがそれらのいずれかを優先する前に、概念の内容を理解する必要があります。

国内のアプリケーションで「ランダム」の定義、数学でより意味とは全く逆。 そのような選択は厳密なルールに従って行われるが、試料に含まれるのと同じ機会を一般集団の各ユニットを提供することが重要であるため、それらからの任意の偏差を許可されていません。 これらの条件に従わない場合、この確率は異なるものになります。

ランダムなサンプルは、順番にに細分化：

• シンプルな;
• 機械（体系的）。
• ソケット（シリアル、クラスタ）。
• 層状（典型的またはゾーン型）。

単純型のコンテンツ

シンプルなサンプリング方法は、テーブルを使用して行われます 乱数。 最初は、サンプルサイズが決定されます。 これは、一般集団に属する番回答者の完全なリストを作成します。 数学と統計の出版物に含まれる特殊なテーブルの選択のために使用されます。 どれでも優れたそれらを使用することを禁止しました。 サンプルサイズの場合 すなわち、001から790への最後の数が人の総数であり、選択の各ユニットの数が3桁である必要があり、3桁の数です。 研究では、テーブルで発見され、この範囲の数を、割り当てられているそれらの人々を登録します。

体系的なタイプのコンテンツ

系統的なサンプリングは、計算に基づいています。 、集団のすべての要素のアルファベット順のリストをコンパイル済みのみステップと設定されている - サンプルサイズ。 ステップのための式 次のように：

N：N、N -一般集団と、n -サンプル。

たとえば、150 000 5 000 = 30だから、すべての30人が調査に参加するために選択されます。

概要ネストされたタイプ

人の研究人口が自然少数のグループで構成されている場合は、クラスタのサンプリングは、条件で使用されています。 この場合、そのようなスロットのリスト、決定された数の最初のステップに注意してください。 乱数表の助けを借りて選択し、各サンプルスロット内にあるすべての回答者の継続的な調査を実施しています。 この場合には、それらの多くは、研究に小さい平均サンプリング誤差が参加しました。 しかし、この技術が検討巣における同様の特徴ことを条件に使用することができます。

成層SUMMARY選択

層化抽出された別の前のもので、そのオンザ前夜ザ選択の一般的な集団である分割に地層、すなわち均質な部品のA共通の属性。 例えば、教育、選挙好みのレベル、生活のさまざまな側面の満足度。 最も簡単なオプションは、性別や年齢によって被写体を分割することです。 原理的には、各階層の総量に比例する人の数を割り当てられているように選択を行う必要があります。

この場合のサンプルサイズは、ランダム選択の状況に比べて小さくてもよいが、この表現は高くなるであろう。 この点で最高の - 層化抽出は、財務情報、および繁殖の点で最も高コストであることを認識すべきです。

非ランダムクォータサンプル

クォータのサンプルもあります。 彼女 - 数学的基礎を持っている非ランダム選択の唯一の種類、。 割合を提示し、一般集団と一致しなければならない単位から形成されたクォータサンプル。 意図的な分布特性は、このような形で行われます。 調査症状の数が人々の意見、推定値を表示された場合、クォータは、多くの場合、回答者の性別、年齢および教育です。

ケーススタディはまた、選択の二つの方法を区別：リサンプリングの交換なし。 最初に選出された場合は事後テストユニットは、選択に参加し続けることを、一般集団に返されます。 第二の実施形態では、選択される集団の残りのメンバーの可能性を増加させる、回答者を選別しました。

社会科学者G. A. Cherchillは、次のルールを開発した：サンプルサイズは、部品分類20-50プライマリおよびセカンダリのための少なくとも100回の観察を提供するように努めるべきです。 これは、様々な理由のために、試料中の回答者の大半は、調査に参加したりしても、それを放棄することはできません念頭に置くべきです。

サンプルの大きさを決定するための方法

社会学的研究では、これらのメソッドを適用します。

1.任意の、すなわちサンプルサイズは総人口の組成の5~10％の範囲内で決定されます。

2.計算の伝統的な方法は、定期的な調査に基づいており、例えば、年に一度、600、2000、2500年の回答者をカバーします。

3.統計は - 情報の信頼性を確立することです。 科学としての統計は、単独で開発していません。 、技術的、経済的、人道：被験者と彼女の研究の分野は、積極的に関連する他の部門に関与しています。 だから、その方法は、具体的には、サンプルサイズの決意を世論調査の準備のために、社会学で使用されると。 科学としての統計は、広範な方法論的基盤を持っています。

4.研究費のために設定された許容量でのコストに。

5.サンプルのサイズは、一般集団の単位の数に等しくてもよく、その後の研究では、連続的な性質を持っていることがあります。 このアプローチは、小グループに適用可能です。 例えば、労働者集団、学生など。D.

以前は、その特性が最小誤差を有する集団の特性を説明するとき、試料が代表的であると考えられることがわかりました。

サンプルサイズ計算の推定は、一般的な集団から割り当てられる単位の最終的な数に先行します。

N = Npqt ^2：NΔ2 _のp + PQT ^2、請求N -一般集団の単位数、P - （ - P Q = 1）、T - （特殊テーブルによって識別される）一致率信頼確率P、Δ検討形質の割合_P -許容誤差。

これは、サンプル量を計算する方法の一の実施形態に過ぎません。 式は、研究（例えば、反復または非反復サンプル）を選択された条件と条件に依存して変化し得ます。

サンプリング誤差

サンプルタイプのいずれかの使用に基づいて母集団の世論調査では、我々は、上述しています。 しかし、どのような場合には、すべての研究者の仕事は、つまり、あなたは彼らが人口の特性を反映するかどうかを決定する必要があり、数字の正確さの程度を評価することです。

サンプリング誤差はランダムと非ランダムに分けることができます。 第一のタイプだけでなく、連続式の調査によるものである（中間）画分との差で表すことができる一般的なものから選択インジケータ変化を伴います。 そしてごく自然に、それは回答者の数を増やすことを背景に下落している場合。

選択および一般の割合を差し引くとサンプリング方法論確立されたルールの不整合に起因することによって見出されるバイアスは、一般的な指標からの偏差と呼ばれます。

これらのタイプのエラーは、全体的なサンプリングエラーに含まれています。 一般集団の研究で一つだけのサンプルを描くことができます。 可能な最大サンプリングインジケータ偏差の計算は、特別な式で行うことができます。 これは、マージナルサンプリング誤差と呼ばれています。 平均サンプリング誤差のようなものもあります。 これは、一般的なサンプルの画分から二乗偏差を意味します。

エラーの事後（posleopytny）型として単離しました。 これは一般的な関心（平均値）から、その下のインジケータのサンプルの偏差を指します。 これは、調査に設立された選択的に一般的な指標、信頼できる情報源から来たの詳細、およびを、比較することによって計算されます。 情報の信頼できる情報源としては、企業の多くの場合、人事部門は、政府統計機関です。

先験的な誤差は、サンプルの拒絶反応およびそれらの株式の差として発現され、特別な式であってもよい計算することができる一般的な指標として、もあります。

教育研究では、ほとんどの場合、調査回答者の選択に関連する次のエラーを犯しています。

1.サンプル集団グループが異なる一般的に属しています。 彼らは、サンプル全体に適用される統計的な結論を開発するために使用されている場合。 許容できないことは明らかです。

2.サンプルの種類を検討する際にいかなるアカウントは、研究者の組織と財務能力を取らず、そのうちの一つが好ましいです。

3.完全にサンプリングエラーを防止することで、総人口の統計的な基準構造を使用しないでください。

4.アカウントに比較研究の回答者の代表者の選択の要件を服用しないでください。

5.インタビュアー命令は、選択タイプによって採用された仕様に適合しなければなりません。

調査の回答者の参加の性質は、オープンまたは匿名かもしれません。 これは、などの用語に同意していないので、参加者が引退することができ、サンプルの形成について検討すべきです。