پرسشنامه / مبانی نظری و پژوشی/ Spss

 - نمونه گیری                                                                                          

جامعه هدف : جامعه ا ی است که محقق مایل است نتایج رابه آن تعمیم دهد .

جامعه مورد مطالعه : جامعه  ای است که نمونه از آن انتخاب شده است این جامعه لازم است در طرح پیشنهادی به طور واضح تعریف شود .

نمونه گیری : یعنی انتخاب تعدادی از افراد از یک جامعه مشخص و تعریف شده علت نمونه گیری آن است که اولاً مطالعه در کل جامعه بسیار پر هزینه و اتلاف کننده زمان است . ضمن اینکه در بسیاری از موارد نمی توا ند جامعه را به طور دقیق تعیین نمود ( به عنوان مثال : جامعه دقیق بیماران مبتلا به بیماریهای کرونر قلبی را نمی توان تعیین کرد) . ثانیاً اگر نمونه به اندازه کافی بزرگ و نماینده جامعه مورد مطالعه باشد می توان اطلاعاتی در مورد جامعه بدهد که مورد اعتماد و اطمینان باشد .

هر نمونه بایستی واجد دو خصوصیت باشد ، نخست آنکه اندازه یا حجم منطقی داشته باشد و دوم اینکه مصرف یا نماینده جمعیتی باشد که از آن بدست آمده است .

نقش تفسیر آماری عبارت است از صدور مجوز برای تعمیم نتایج حاصل از نمونه به جمعیت نمونه برداری شده در رابطه با تعمیم نتایج از جامعه مورد مطالعه به جامعه هدف باید به این پرسش پاسخ داد که آیا جامعه نمونه برداری شده نماینده جامعه هدف می باشد یا خیر ؟ در این مورد یک جامعه ( یا نمونه ) در صورتی نماینده جمعیت هدف است که توزیع خصوصیات یا ویژگیهای مهم آن جامعه با توزیع آن صفات در جامعه هدف یکسان باشد . قضاوت یکسانی در این توزیع بیشتر یک امر بالینی است تا آماری.

روشهای نمونه گیری ، دو روش عمده برای نمونه گیری استفاده می ود که هر یک از آنها نیز روشهای خاص خود را دارد :

1 . نمونه گیری احتمالی ( Probability Sampling)

2 . نمونه گیری غیر احتمالی ( Nonprobability Sampling)

1) نمونه گیری احتمالی : چنانچه هدف محقق اندازه گیری متغیرها در نمونه و تعمیم آن به جامعه باشد مانند مطالعه ای که هدف آن تعیین میزان شیوع پوسیدگی دندان در جامعه است ، این هدف با نمونه گیری غیر احتمالی تامین نمی شود و بایستی از روشهای نمونه گیری احتمالی استفاده شود .

در نمونه گیری احتمالی ، انتخاب افراد و واحدهای مطالعه به صورت تصادفی است تا اطمینان حاصل شود که انتخاب بر اساس شانس است و نیز شانس مساوی برای انتخاب شدن هر یک از واحدهای نمونه وجود دارد .

نمونه گیری احتمالی شامل چند روش نمونه گیری است که عبارت است از :

- نمونه گیری تصادفی ساده ( Simple Random Sampling)

- نمونه گیری تصادفی سیستماتیک ( Systematic Random Sampling)

- نمونه گیری طبقه ای ( Stratified Sampling)

- نمونه گیری خوشه ای ( Cluster Sampling)

- نمونه گیری چند مرحله ای ( Multistage Sampling)

نمونه گیری تصادفی ساده : دراین روش نمونه گیری واحدهای مورد انتخاب دارای شانس مساوی برای انتخاب شدن هستند . در این جا قوانین احتمال است که معین می کند کدام واحدها یا افراد از جمعیت مادر انتخاب خواهد شد . انتخاب یا از طریق قرعه کشی است و یا از طریق استفاده از جدول اعداد تصادفی . در روش قرعه کشی ابتدا کلیه واحدها یا افراد شماره بندی شده و یا اسامی آنها تهیه می شود و سپس به قید قرعه از بین آنها تعداد لازم برای نمونه انتخاب می شود .

در روش اعداد تصادفی می توان از جدول اعداد تصادفی و یا از کامپیوتر استفاده کرد . در روش استفاده از جدول اعداد تصادفی با توجه به حجم نمونه اعداد را انتخاب می کنیم مثلاً اگر حجم نمونه دو رقمی است . ابتدا یک عدد دو رقمی را به صورت کاملاً تصادفی مثلاً با قرار دادن نوک مداد انتخاب کرده و سپس جلو رفته و اعداد دو رقمی را انتخاب می کنیم تا جایی که به تعداد مورد نیاز انتخاب کرده باشیم .

نمونه گیری تصادفی سیستماتیک ( منظم ) : در این روش تعداد نمونه مورد نیاز ( n) ، از کل جامعه آماری (N) انتخاب می گردد . ابتدا فاصله نمونه گیری ( K) را به صورت زیر محاسبه می کنیم :

^{تعداد اعضای جامعه مورد مطالعه} _{= K}

      ^{تعداد اعضای نمونه}

سپس بین عدد 1 تا K یک عدد به طور تصادفی انتخاب میکنیم و بعد واحدها یا افراد بعدی را با فاصله K از عدد مذکور انتخاب می نماییم . در این روش حتماً تهیه لیست از جامعه مورد مطالعه قبل از همه لازم است .

به طور مثال اگر بخواهیم از بین 1000 بیمار 100 نفر را با استفاده از این روش انتخاب کنیم . ابتدا لیست هزار نفره تهیه می کنیم . سپس فاصله نمونه گیری را محاسبه می کنیم :

در مرحله بعدی یک نفر از بین 1 تا 10 را به طور تصادفی انتخاب می کنیم . اگر به طور مثال شماره 5 انتخاب شده باشد ، نفرات بعدی با فاصله ده تایی انتخاب می شوند : شماره های 15 ، 25 ، 35 ، 45 ، 55 و ... به ترتیب انتخاب خواهند شد .

نمونه گیری طبقه ای : در این روش نمونه گیری برای اجتناب از اشکالاتی که ممکن است در روش قبلی با آن مواجه شویم ، افراد جامعه آماری را بسته به خصوصیاتی که آنها را از یکدیگر متمایز می سازد به طبقات مختلف تقسیم می کنیم . سپس به تعداد مورد نیاز و متناسب با جمعیت هر یک از طبقات افراد نمونه را انتخاب می کنیم . انتخاب افراد می تواند هم به روش تصادفی باشد و هم به روش تصادفی سیستماتیک .

به طور مثال از یک جامعه آماری 10000 نفری که 15 درصد آن دانشجو ، 20 درصد کارمند اداری ، 30 درصد کارگر و 35 درصد کشاورز هستند می خواهیم 400 نفر نمونه انتخاب کنیم . در مرحله اول تعداد مورد نیاز را در هر یک از این طبقات بر حسب درصدهای فوق معین می کنیم که به شرح زیر است :

تعداد افراد نمونه از بین دانشجویان 60=15/0 ×400

تعداد افراد نمونه از بین کارمندان 80 = 2/0 × 400

تعداد افراد نمونه از بین کارگران 120 = 30/0 × 400

تعداد افراد نمونه از بین کشاورزان 140=35/0 × 400

مجموع افراد انتخاب شده از طبقات 400 نفر خواهد بود ( 400 = 140 + 120 + 80 + 60 ) در مرحله دوم از هر یک از طبقات جمعیت و با استفاده از روش تصادفی ساده یا سیستماتیک افراد نمونه را انتخاب می کنیم .

مزیت بزرگ این نمونه گیری بر نمونه گیریهای قبلی در این است که نسبت طبقات در بین افراد نمونه با نسبت طبقات در جامعه آماری تطابق دارد و شرایط یکسان بودن شانس انتخاب برای کل افراد جامعه تحقق پیدا می کند .

توجه: در جمعیتهای ناهمگن یا نامتجانس که توزیع جمعیت در گروهها و طبقات مختلف متفاوت است ، از روش نمونه گیری طبقه ای استفاده می شود .

نمونه گیری خوشه ای : در این روش نمونه گیری ، یک نمونه تصادفی از گروهها یا خوشه هایی از افراد و نه واحدهای منفرد گرفته می شود به عبارت دیگر واحدهای نمونه گیری خوشه هایی هستند نظیر خانواده ها ، مدارس ، بیمارستان ها ، بلوکهای شهری ، دهکده ها و غیره . در این جا فهرستی از خوشه ها تهیه کرده و به روش تصادفی از بین آنها نمونه را انتخاب می کنیم سپس افرادی را که در هر یک از خوشه ها قرار دارند مطالعه می کنیم .

برای مثال اگر بخواهیم از بین دانش آموزان دبستانهای دخترانه تهران نمونه ای برای بررسی بهداشت دهان و دندان انتخاب کنیم . ابتدا لیست تمام مدارس ابتدایی دخترانه تهران را تهیه کرده و سپس به صورت تصادفی چند مدرسه را از بین آنها انتخاب و دانش آموزان را معاین می کنیم . تعداد خوشه های صرفه جویی در وقت و هزینه و جلوگیری از پراکنده بودن نمونه های انتخاب شده در سطح شهر یا منطقه است .

نمونه گیری چند مرحله ای : در این روش نمونه گیری ، ابتدا از بین خوشه های جمعیت مورد مطالعه به صورت تصادفی نمونه را انتخاب می کنیم . سپس از افراد هر خوشه نیز به صورت تصادفی تعدادی را انتخاب می نماییم ، که در این صورت نمونه گیری حالت دو مرحله ای پیدا می کند . چنانچه در داخل خوشه های انتخاب شده ( مثل شهرستانها و پروژه های ملی ) ، خوشه های دیگری ( مثل روستاها ) را انتخاب کنیم و داخل هر روستای منتخب شده به طور تصادفی افرادی را انتخاب کنیم ، نمونه گیری حالت سه مرحله ای پیدا می کند .

2- نمونه گیری غیر احتمالی

زمانی که در انتخاب نمونه هیچگونه روش تصادفی به کار گرفته نشود ، نمونه گیری حالت غیر احتمالی به خود می گیرد که بر دو نوع است : نمونه گیری آسان و نمونه گیری سهمیه ای .

نمونه گیری آسان : نمونه گیری آسان ( Convenient Sampling) روشی از نمونه گیری است که برای سهولت و آسانی کار از افراد و واحدهایی در نمونه مورد مطالعه استفاده می گردد که در زمان مطالعه در دسترس هستند . برای مثال انتخاب تمام مراجعه کنندگان به یک درمانگاه تا سقف تعداد مورد نیاز ، نمونه گیری از نوع آسان است . فرق این روش با سرشماری آن است که در این روش از یک جامعه مورد مطالعه تعداد محدودی برای نمونه گیری انتخاب می شود ولی در روش سرشماری همه افراد جامعه مورد مطالعه تحت بررسی قرار می گیرند .

نمونه گیری سهمیه ای : نمونه گیری سهمیه ای ( Quota Sampling) روشی از نمونه گیری غیر احتمالی است که در آن برای هر یک از طبقات با زیر گروههای جامعه مورد مطالعه سهمیه ای در نظر گرفته می شود . روش انتخاب به صورت غیر احتمالی و از بین افراد در واحدهای در دسترس است ، اما متناسب با تعداد هر یک از طبقات با گروههای تشکیل دهنده جامعه آماری برای مثال پژوهشگری می خواهد در مورد آگاهیهای بهداشتی مردم در یک محله از شهر تحقیق کند . تعداد مورد نیاز او اگر به طور مثال 1000 نفر باشد ، این افراد را متناسب با تعداد افراد بی سواد و باسواد از بین افراد در دسترس انتخاب می کند . مثلاً اگر جمعیت محله 10000 نفر باشد که 8000 نفر آنها باسواد و 2000 نفرشان بی سواد باشند ، ترکیب نمونه انتخاب شده شامل 800 نفر باسواد و 200 نفر بی سواد در دسترس پژوهشگر خواهد بود .

حجم نمونه Sample size

تقریباً تمامی محققان در ابتدای مطالعه با این سئوال که چند نفر را باید وارد مطالعه کننده روبرو هستند . یکی از باورهای شایع این است که هر قدر اندازه نمونه مورد مطالعه بزرگ تر باشد ، تحقیق بهتر خواهد بود . این باور الزاماً صحیح نمی باشد . به طور کلی به جای انتخاب نمونه ای با حجم مازاد بر نیاز ، بهتر است به گردآوری صحیح تر و دقیق تر داده ها بپردازیم . کم بودن حجم نمونه نیز همیشه دلیل بر عدم انجام مطالعه نیست .

محاسبه حجم نمونه برای انجام مطالعه فرایندی نیازمند تفکر است و تنها با استفاده از فرمولهای آماری حل نمی شود ، اگر چه که استفاده از فرمولها در محاسبه حجم نمونه لازم است ولی این کار نیازمند توجه به نکات متعددی است که به اهم آنها در زیر اشاره شده است .

محاسبه حجم نمونه مستلزم ارائه مقادیر پارامترهایی نظیر میانگین ، واریانس ، نسبت مورد مقایسه ، سطح اطمینان ، توان و دقت و .. بر حسب اهداف ، نوع مطالعه ، پراکندگی داده ها ، نوع متغیرهای مورد بررسی ، منابع و .. می باشد .

چنانچه مدارکی دقیق از این مقادیر در دسترس نباشد می توان از اطلاعات مقالات مشابه و یا از نتایج مطالعه مقدماتی ( Pilot Study ) استفاده کرد .

هر قدر پراکندگی داده ها بیشتر باشد ،برای حصول به دقت مورد نظر ، به تعداد بیشتری از افراد نیاز داریم .

هر گاه هدف نشان دادن اختلاف معنی دار بین دو گروه است، هر چه این اختلاف بیشتر باشد حجم نمونه لازم برای نشان دادن آن کمتر خواهد بود در مرحله بعد حجم نمونه بستگی دارد به این که ما بخواهیم معنی دار بودن نتیجه را با چه احتمالی پیدا نماییم هر اندازه حجم نمونه بزرگ تری انتخاب شود ، احتمال یافتن اختلاف معنی دار بیشتر است .

در مواقعی که تعداد اهداف و متغیرهای مطالعه خیلی زیاد است ، که هر کدام از آنها حجم نمونه خاص خود را نیاز دارند ، راه حلهای متفاوتی را می توان در نظر گرفت ، که به دو مورد از آنها اشاره می کنیم :