UZORKOVANJE: osnovni pojmovi i principi

1. UZORKOVANJE: osnovni pojmovi i principi 06.11. 2008 Metodologija naučnih istraživanja

2. UZORKOVANJE • U istraživanjima najčešće nije moguće ispitati celu populaciju koja nas interesuje, zato biramo UZORAK • Nauka bez mogućnosti predviđanja nije nauka, a predviđanja nema bez generalizacije • Osnovno pitanje uzorkovanja je “U odnosu na koga ili šta želimo da generalizujemo”

3. Osnovni pojmovi • Populacija: skup pojedinaca, stvari, događaja ili bilo kojih entiteta na koji želimo da se odnose naše generalizacije (“osnovni skup”) • Pojedinci, stvari ili događaji u osnovnom skupu su članovi populacije • Ako hoćemo da izvedemo potpuno generalizovane zaključke iz istraživanja, npr. na ljude uopšte, iz svih društava i perioda, onda imamo beskonačnu populaciju • Češće definišemo konačnu populaciju: ograničenje na neku državu i/ili vreme istraživanja

4. Osnovni pojmovi/2 • Uzorak: deo populacije na kome vršimo ispitivanje • Biranje u uzorak bez vraćanja: kada jednom izvučemo nekog člana populacije u uzorak, on se više “ne vraća u šešir” • Biranje sa vraćanjem: izabranog člana populacije vratimo u populaciju – time on ponovo ima šansu da se nađe u uzorku

5. Osnovni pojmovi/3 • Teorijska i dostupna populacija: ako definišemo populaciju tako da se “proteže kroz vreme” (npr muškarci bez redovnih prihoda stariji od 50 godina) ne možemo vaditi uzorke događaja koji su prošli ili koji se još nisu desili • Dostupna populacija je ona do koje istraživač može da dođe, npr. ljudi stariji od 50 godina koji koriste narodnu kuhinju, staračke domove, Centre za socijalni rad

6. Osnovni pojmovi/4 • Jedinice uzorkovanja: članovi populacije koji se biraju u nekoj fazi biranja u uzorak. Ne moraju biti iste kao i jedinice posmatranja. • Planirani i realizovani uzorak: planirani je onaj koji smo specifikovali planom uzorka. Realizovani je onaj do kojeg smo uspeli da dođemo.

7. Osnovni princip uzorkovanja • Ne sme postojati nikakav razlog za biranje nekog člana, a ne nekog drugog, tako da taj razlog ima veze sa pojavom koju istražujemo • Primer: ako smo naše siromašne muškarce birali na psihijatrijskom odeljenju za lečenje od alkoholizma, onda ćemo dobiti uzorak onih ljudi koji su sebe u stanje siromaštva doveli pijenjem, • ali time omašujemo ostale uzroke siromaštva

8. Reprezentativnost uzorka • Osnovni kvalitet uzorka – mora po svojstvima da liči na populaciju • Smatra se da je nepristrasnost kod izbora uzorka i dovoljna veličina uzorka najbolji način da uzorak bude reprezentativan

9. Veličina uzorka • Nema jedinstvenog recepta, ali postoje neke smernice: • Što veću moć statističkog testa i viši nivo značajnosti želimo, to uzorak mora biti veći • Ako koristimo kontrolne varijable (tj ako uzorak delimo na poduzorke), uzorak mora biti veći • Što su poduzorci koji nastaju “delovanjem” kontrolnih varijabli brojniji, uzorak moa biti veći • Što pojave (varijable) koje se mere imaju veći varijabilitet u populaciji, to uzorak mora biti veći

10. Slučajni (probabilistički) uzorci • Iz spiska članova populacije, metodama slučajnog izbora, biramo uzorak • Metode slučajnog izbora: • Prosto slučajno biranje • Sistematsko biranje sa jednakim verovatnoćama • Stratifikovano slučajno biranje • Ponderisanje • Klaster biranje • Višeetapno biranje • Slučajno biranje telefonskih brojeva

11. Vežba • Podela u 7 grupa • Svaka grupa treba da prouči i prezentuje ostalima jedan način biranja slučajnog uzorka • Izvucite teze: osnovne ideje, ključne reči • Kratko objašnjenje tih ideja • Vreme za rad: 20 min • Vreme za prezentacije: 3 minuta

12. Prosto slučajno biranje • Primena statističkog ideala -svi članovi imaju jednaku šansu da se nađu u uzorku, bez vraćanja • Primer: izvlačenje iz šešira ceduljica sa imenima članova populacija • Lutrijske mašine, računari (generatori slučajnih brojeva), tabela slučajnih brojeva, • Sortiranje po ključu • Nedostatak: moramo imati spisak svih članova populacije

13. Sistematsko biranje sa jednakim verovatnoćama • Uzimamo interval (korak) uzorkovanja, npr. Svaka stota osoba (korak) • Npr: uzmemo osobu br 1, pa 101, pa 201... • Ili izabrati bilo koji broj od 0- 100, pa primeniti korak (40, pa 140, pa 240...) • Moramo imati spisak populacije na kojem je redosled osoba nije u vezi sa nekim osobinama pojedinaca, već slučajan (najčešće po azbučnom redu)

14. Stratifikovano slučajno biranje • “proporcionalno biranje” ili “kvotno slučajno biranje” • Podelimo na stratume, npr: pol, razred, uzrast... • Medjusobni brojčani odnosi članova stratuma mora biti sličan odnosima u celoj populaciji • Postiže se smanjenje standardne greške • Prednosti: brže i jeftinije od prostog slučajnog biranja, validne generalizacije na stratume

15. Ponderisanje • “Weighting” • Kad realizovani uzorak odstupa od planiranih, za “peglanje” uzorka • Što manje ponderisanja, to bolje • Ponder: inverzna verovatnoća uzorkovanja (Pu) – npr.1 učenik predstavlja 20 učenika • Ekspanzija na populaciju – kod stratifikovanih uzoraka • Može se njime dejstvovati na poznate pristrasne uzorke, ali ne i na nepoznate

16. Klaster biranje • Najkorištenija metoda slučajnog uzorkovanja • Populacija se deli na klastere, a članovi se u okviru klastera biraju slučajno • Primer klastera: škola, preduzeće, opštine, MZ... • U odabranim klasterima ili zonama, ispitujemo sve članove

17. Višeetapno biranje • Kombinacija dva ili više načina biranja • Tri etape: • Deljenje populacije na celine (od većih ka sve manjim) • Primena nekog od načina biranja u okviru celine (npr. Stratifikacijom po nekom kriterijumu, proporcionalno) • Izbor jedinica posmatranja, slučajnim biranjem sa nekog od spiska (npr. Sa biračkog spiska)

18. Slučajno biranje telefonskih brojeva • Najpre su birani brojevi iz telefonskog imenika, ali postoji deo populacije koji nema fiksni telefon ili pak neki koji ne daju svoje brojeve telefona u imenik • Zato se prešlo na slučajno biranje broja – digitalno generisanje broja

19. Neprobabilistički uzorci • Ne postoji spisak populacije • Ne postoji mogućnost da se za svakog člana populacije izračuna verovatnoća biranja

20. Neprobabilistički uzorci • Prigodni • Namerni

21. Prigodni uzorak • Biranje onih članova populacije koji su nam dostupni, raspoloživi • Npr. anketa na Internetu, ispitivanje posetilaca nekog skupa, ispitivanje prijatelja i kolega...

22. Namerni uzorci • Biranje modalnih članova (“tipičnih” predstavnika neke populacije) • Biranje eksperata • Heterogeno biranje (kada hoćemo da ispitamo svu različitost koja postoji u populaciji, npr. sva mišljenja, ideje; metod je brainstorming) • Biranje lancem preporuka (odaberemo nekoliko ispitanika, a zatim njih zamolimo da preporuči ostale ispitanike) • Kvotni uzorak: kada proporcionalno biramo ispitanike u uzorak na osnovu zastupljenosti u populaciji

23. Primer kvotnog obrasca za jedan punkt Starost: M Ž ukupno 16 – 18 3 1 4 19 – 21 2 2 4 22 – 24 2 2 4 25 – 27 1 3 4 Ukupno: 8 8 16