Indagini Ricerca - intervalli di fiducia e livelli

Nelle indagini di ricerca, le statistiche vengono applicate a campioni randomizzati. Queste statistiche rappresentano il grado in cui un ricercatore può confidare che il campione di studio sia ragionevolmente valido e affidabile.

Che cos'è un intervallo di fiducia?

A intervallo di confidenza è il margine di errore che un ricercatore avrebbe sperimentato se potesse chiedere ad una particolare domanda di ricerca di ogni membro della popolazione target e ricevere la stessa risposta membri del campione hanno dato nel sondaggio.

Ad esempio, se il ricercatore ha utilizzato un intervallo di confidenza di 4 e 60% dei partecipanti al campione di indagine risposto "Raccomando agli amici", potrebbe essere

sicuro che tra il 54% e il 64% dei membri dell'intera popolazione di destinazione direbbe anche "Consiglierei agli amici" quando viene posta la stessa domanda. L'intervallo di confidenza, in questo caso, è +/- 4.

Qual è il livello di fiducia?

A

livello di confidenza è un'espressione di quanto sia sicuro che un ricercatore possa essere dei dati ottenuti da un campione. I livelli di fiducia sono espressi in percentuale e indicano quanto spesso tale percentuale della popolazione target dà una risposta che rientri nell'intervallo di confidenza. Il livello di confidenza più comunemente utilizzato è del 95%. Un concetto correlato si chiama significato statistico.

La fiducia di un ricercatore nella probabilità

che il suo campione è veramente rappresentativo della popolazione target è influenzato da un certo numero di fattori. La fiducia del ricercatore nella progettazione e nell'implementazione dello studio - e una consapevolezza delle sue limitazioni - si basa in gran parte su tre importanti variabili: dimensione del campione, frequenza di risposta e dimensione della popolazione. I ricercatori hanno da tempo concordato che queste variabili devono essere attentamente considerate durante la fase di pianificazione della ricerca. Dimensioni del campione

In generale, i campioni più grandi forniscono dati che riflettono veramente la popolazione target. Un ampio

• intervallo di confidenza indica una minore fiducia nei dati perché c'è un margine maggiore di per errore . Un ampio intervallo di fiducia è come coprire le tue scommesse. Anche se esiste una relazione tra l'intervallo di confidenza e la dimensione del campione, ma non è una relazione lineare. Un ricercatore non può ridurre a metà un livello di fiducia raddoppiando la dimensione del campione. Frequenza di risposta La precisione con cui i dati del campione riflette la popolazione di destinazione dipende anche dalla percentuale degli intervistati che hanno dato una risposta particolare o hanno risposto in modo specifico. Maggiore è il numero di intervistati che hanno dato una risposta particolare, dicono "Molto felice", più sicuro che il ricercatore possa essere di quella risposta.Ci sarà una certa variabilità nella percentuale nelle aree medie della curva normale. Cioè, se un ricercatore è al 50% sicuro che i membri delle popolazioni target risponderanno (entro un intervallo di confidenza) come i membri della popolazione campione, probabilmente ci sarà una variazione da quel livello del 50%.
• È bene ricordare che gli outlier (i dati che si trovano alle estremità, o le code, della curva normale) sono più probabili che si verificano a circa la stessa velocità della popolazione come fanno in un campione - c'è meno variabilità qui, perché c'è frequenza inferiore. (Si consideri come le palle in una scatola di Galton tendono ad accatastare in mezzo alla mostra del Pacific Science Center? Solo alcune palline rimbalzano nelle code.) Per questo motivo è più facile essere sicuri della frequenza delle risposte estreme . La dimensione della popolazione

• non è un fattore importante nella dimensione del campione, a meno che un ricercatore non stia lavorando con una popolazione che sia molto piccola e

• conosciuta (ad esempio, abbastanza piccola affinché tutti i membri della popolazione può essere identificato dal ricercatore). Creative Research Systems sottolinea che: La matematica della probabilità dimostra che la dimensione della popolazione è irrilevante a meno che la dimensione del campione non superi un qualche percento della popolazione totale che stai esaminando. Ciò significa che un esempio di 500 persone è altrettanto utile nell'esaminare i pareri di uno stato di 15 000 000 come sarebbe una città di 100 000.

La generazione di un

campione rappresentativo

può essere un processo costoso e che richiede tempo. I ricercatori devono affrontare sempre un compromesso tra il livello di fiducia che vorrebbero ottenere - o il grado di precisione che devono raggiungere - e il livello di fiducia che possono permettersi. Dimensione del campione nella ricerca di ricerche qualitative La ricerca qualitativa è di natura esplorativa o descrittiva e non si concentra sui numeri o sulla misurazione. Ma le preoccupazioni circa l'errore di campionamento nella ricerca di indagini di qualità sono ancora valide. Come regola generale, se un campione è rappresentativo dell'universo bersaglio, i temi oi modelli che emergono dalla ricerca rifletteranno la popolazione più grande che è di interesse per il ricercatore.

Se il campione è rappresentativo e consiste in una grande percentuale della popolazione target, la fiducia nell'accuratezza dei dati derivanti da quel campione tende ad essere elevata.

Determinazione della dimensione del campione nella ricerca di ricerche

Le regole differenti si applicano alla ricerca quantitativa e alla ricerca qualitativa quando si tratta di determinare le dimensioni del campione. In generale, per essere sicuri nei dati generati dalla ricerca di indagine qualitativa, un ricercatore deve avere una chiara idea di come i dati saranno utilizzati. I dati possono formare la base di una narrazione descrittiva (come in uno studio di casi o di qualche ricerca etnografica) o può servire in modo esplorativo per identificare le variabili rilevanti che potrebbero essere successivamente testate per le correlazioni in uno studio quantitativo.

Dimensione del campione nella ricerca quantitativa di ricerca

La ricerca quantitativa spesso comporta confronti tra segmenti di mercato o sottogruppi di un mercato di riferimento.Poiché la ricerca quantitativa è determinata dal numero, la determinazione di una dimensione campione confortevole può essere abbastanza facile - per ogni gruppo o segmento importante di uno studio, un ricercatore spera di indagare 100 partecipanti.

Questo numero è una raccomandazione e non un assoluto. Un ricercatore di mercato esaminerà una serie di variabili rilevanti per determinare le dimensioni di un campione nella ricerca di indagini.

Dimensioni del campione nella ricerca quantitativa di ricerca

Quando si effettua una ricerca di mercato di indagine, l'obiettivo è

inferire

dal campione che è probabile che sia vero dell'universo bersaglio. Un campione fornisce dati che possono essere osservati o conosciuti. Da questi dati osservati o noti, un ricercatore può stimare il grado in cui un valore o parametro sconosciuto può essere trovato in una popolazione target. La ricerca quantitativa delle ricerche si basa sulla nozione di una curva simmetrica normale

che rappresenta, nella mente del ricercatore, l'universo bersaglio - la popolazione su cui il ricercatore deve stimare piuttosto che > so parametri. Un campione rappresentativo consente a un ricercatore di calcolare - dai dati del campione - una gamma di valori stimata che probabilmente includano il valore sconosciuto o il parametro di interesse. Questa gamma stimata di valori rappresenta un'area sulla curva normale, ed è generalmente espressa in decimale o in percentuale.

La Curva Normale e Probabilità Una curva normale e simmetrica è un'espressione visiva di probabilità. Vediamo un semplice euristico: un'attività in un centro scientifico consente un gran numero di sfere che cadono tra due lastre acriliche, una alla volta. Ogni palla cade attraverso la stessa apertura nella parte superiore del display e poi scende tra uno dei divisori verticali paralleli che separano le pile di palle una volta che si riposano. Dopo diverse ore le palle hanno formato la forma di una curva normale. La curva cambia un po 'come ogni pallina appena introdotta colpisce la massa di palle che sono arrivate in primo luogo. Ma in generale, la curva simmetrica è evidente e si è verificata naturalmente, indipendente da qualsiasi azione degli osservatori o del personale del Centro Scientifico. La forma curva che forma le palline riflette la probabilità che la maggior parte delle palle cadrà nel centro e rimanga lì. Meno palline lo faranno alle estremità estreme della curva - alcune inevitabilmente saranno, ma sono poche in numero.

Questa curva normale è simile al concetto di un campione. Ogni volta che il display viene svuotato e le palline ancora una volta sono lasciate cadere nella casella di Galton, la configurazione delle pile di palloni sarà solo un po 'diversa. Ma nel tempo, la forma della curva non cambia molto e il modello rimarrà vero.