Upload
emina-becic
View
42
Download
8
Embed Size (px)
DESCRIPTION
dd
Citation preview
Nacrtistraživanja Uzorak Prikupljanje
podatakaObrada
podataka
Metode istraživanja
Uzorak
Uzorak
Populacija
Uzorakpopulacije
Pravilnosti utvrđene na uzorku
Koncept uzorkovanja
Određivanje uzorka populacije proces je odabira nekolicine iz veće grupe, stime da ta nekolicina postaje osnova na kojoj vršimo procjene i predviđanječinjenica, situacija ili ishoda za promatranu veću grupu. Uzorak je podgrupapopulacije koja nas zanima.
Uzorak predstavlja ili reprezentira populaciju.
Tipovi uzoraka
Slučajni (Random) / probabilistički uzorci
Namjerni (Non-Random) / ne-probabilistički uzorci
Miješani uzorci
Jednostavni random
Stratificirani random
Klasterski uzorak
Kvotni
Sistematski uzorci
Proporcionalni stratificirani
Disproporcionalni stratificirani
Zonski
Dvozonski
Višezonski
Prigodni
Prosudbeni
Snježna gruda
Uzorak
Jednostavni slučajni (random) uzorakSlučajni (Random) / vjerojatni uzorci
Stratificirani slučajni (random) uzorakSlučajni (Random) / vjerojatni uzorci
1. Prepoznati strate ili elemente u populaciji iz koje uzimamo uzorak.
2. Odlučiti koje strate treba uzeti u uzorak.
3. Smjestiti svaki pojedini element u odgovarajući stratum.
Stratificirani slučajni (random) uzorakSlučajni (Random) / vjerojatni uzorci
4. Dodati brojeve svakom elementu u svakom stratumu posebno.
5. Odabrati veličinu cjelokupnog uzorka.
SRS tehnika
Stratificirani slučajni (random) uzorakSlučajni (Random) / vjerojatni uzorci
6. Odabrati: želimo li proporcionalni ili disproporcionalni stratificirani uzorak.
Disproporcionalni uzorak
Jednaki uzorci nejednakih populacija
Stratificirani slučajni (random) uzorakSlučajni (Random) / vjerojatni uzorci
6. Odabrati: želimo li proporcionalni ili disproporcionalni stratificirani uzorak.
Proporcionalni uzorak
Uzorak je 10% svake populacije
Stratificirani slučajni (random) uzorakSlučajni (Random) / vjerojatni uzorci
7. Odrediti broj elemenata koji će biti izabrani iz svakog od stratuma (Bel).
(n) Veličina uzorka(k) Broj strata
8. Odabraiti odgovarajući broj elemenata iz svakog od stratuma uz pomoć SRS tehnike.
7. Odrediti proporciju (p) za svaki od stratuma
NBelp = (Bel) broj elemenata
(N) Ukupna populacija
8. Odabraiti odgovarajući broj elemenata iz svakog od stratuma.
9. Odabraiti odgovarajući broj elemenata iz svakog od stratuma uz pomoć SRS tehnike.
knBel =.
ili
Stratificirani slučajni (random) uzorak (primjer)
Slučajni (Random) / vjerojatni uzorci
Zonski uzorakKlaster uzorci
Klaster iz Slavonije
Klaster iz Cent. Hrv.
Klaster iz Zagreba
Klaster iz Istre
Klaster iz Kvarnera
Dvozonski uzorakKlaster uzorci
Slavonija
Osijek
Vukovar
Virovitica
itd.
Klaster iz Osijeka
Klaster iz Vukovara
Klaster iz Virovitice
Istra
Pula
Pazin
itd.
Klaster iz Pule
Klaster iz Pazina
Dalmacija
Split
Šibenik
Knin
itd.
Klaster iz Splita
Klaster iz Šibenika
Klaster iz Knina
Višezonski uzorakKlaster uzorci
Klasterski uzorak temelji se nasposobnosti istraživača da podjelicjelokupnu populaciju u grupekoje zovemo klasteri, te da ondaodabere elemente u svakomklasteru koristeći SRS tehniku.
Klasteri se najčešće biraju nateritorijalnom nivou, ali klasterimogu biti odabrani i na temeljusličnih karakteristika populacijskihpod-grupa. Kod više-zonskihuzoraka ovo se često kombinira.
Prigodni uzorakNamjerni (Non-Random) / vjerojatni uzorci
Kvotni uzorakNamjerni (Non-Random) / vjerojatni uzorci
Prosudbeni uzorakNamjerni (Non-Random) / vjerojatni uzorci
Prosudbeni uzorak koristimo onda kada procjenjujemo tko može dati najboljeinformacije o nekom događaju ili procesu. Istraživač iz cjelokupne populacije izabireone ljude za koje vjeruje da znaju najviše o procesu.
Štrajk
Predstavnik sindikata
Predstavnik uprave
Gruda snijegaNamjerni (Non-Random) / vjerojatni uzorci
Gruda snijega je procesodabira uzorka korištenjemmreže.Proces započinje sodabranim sugovornikom kojiidentificira druge ljude u grupiili organizaciji za koje drži damogu dati traženeinformacije.Naredni sugovornici dajuinformacije o slijedećimsugovornicima i tako sve doknije postignut dovoljno velikiuzorak da bi bioreprezentativan.
Kvotni uzorak s ponderomMiješani uzorak
Kvotni uzorak s ponderomMiješani uzorak
Kvotno zonski uzorakMiješani uzorak
Oblikovanje uzorka istraživanja
• Definiranje ciljane populacije (popis stanovništva koje je cilj istraživanja)
• Konstrukcija teorijske podloge uzorka– Slaganje definirane populacije s teorijskom podlogom uzorka
– Prostorni raspored ispitivanog stanovništava
– Snaga karata, GIS i GPS
– Popis domaćinstava
– Problemi s teorijskom podlogom uzorka
• Određivanje veličine uzorka– Veličina i oblikovanje uzorka odražavaju nivo detalja koje želimo
imati u tabelama i drugim podatkovnim produktima
• Odabir uzorka– Različite metode i tehnike uzorkovanja
Oblikovanje uzorka istraživanja
• Definiranje ciljane populacije(Grafički prikaz popisa stanovništvakoje je cilj istraživanja)
Oblikovanje uzorka istraživanja
• Konstrukcija teorijske podloge uzorka– Slaganje definirane
populacije s teorijskom podlogom uzorka
– Prostorni raspored ispitivanog stanovništava
– Snaga karata, GIS i GPS
– Popis domaćinstava
– Problemi s teorijskom podlogom uzorka
Što je to uzorak?
Uzorak je konačni dio statističke populacije čija se obilježjaizučavaju kako bi se dobile informacije o cjelini (Webster,1985). Kada se odnosi na ljude on može biti definiran kaoskup respodenata (ljudi) izabran iz veće populacije u svrhuistraživanja.
Što je uzorkovanje?
• Uzorkovanje - je akt, proces, ili tehnika odabiranja odgovarajućeg uzorka, ili reprezentativnog dijela populacije u svrhu određivanja parametara ili karakteristika čitave populacije.
• Uzorkovanje - je odabir elemenata, slijeđenjem propisanih pravila iz definirane populacije– Elementi – individue, domaćinstva, parcele zemljišta, poslovnih
transakcija, itd.
• Uzorkovanje provodimo:• Kako bi poopćili ili izveli
zaključak o populaciji koju izučavamo
• Kako bi bili mnogo efikasniji i mnogo jeftiniji
Probabilistički uzorak
• Uključuje izbor uzorka izpopulacije, utemeljen naprincipima slučajnog odabira ilijednake šanse. Korištenjemodgovarajućih procedura,statističkih formula, očekivanevrijednosti populacije i marginegreške mogu biti izračunate, paje moguće izvesti ispravnezaključke o populaciji.
• Probabilistički uzorak je mnogokompleksniji, zahtijeva mnogoviše vremena i obično mnogoskuplji od ne-probabilističkoguzorka.
• Definira populaciju– Jedinice ili elemente analize
• Odnosno: jedinice domaćinstava, individua, institucija itd.
– Definira granica jedinica/elementa analize
• Što izučavamo – zavisi o ciljevima istraživanja
• Primjeri – žrtve zločina, udovice, maloljetne majke, samohrani roditelji
– Definira prostor jedinice analize.
Probabilistički uzorak
Ciljana populacija
• Priroda traženih podataka: osobnipodaci, bolničko liječenje, škole itd.• Prostorna lokacija: Geografskegranice populacije moraju se odreditijednako tako kao i nivo geografskihdetalja koje zahtijevaju očekivanja odistraživanja (županija, grad, itd.).• Referentni period: vremenskiperiod koji pokriva istraživanje.• Druge karakteristike, takve kaosocio-demografske karakteristike(interes za starost pojedinih grupa,na primjer) ili tip industrije.
Uobičajene metode probabilističkih uzoraka
– Jednostavna random metoda
– Sustavno uzorkovanje
– Uzorkovanje s vjerojatno proporcionalnim veličinama
– Stratificirano uzorkovanje
– Klastersko uzorkovanje
– Višestruko uzorkovanje
Slučajni (Random) / probabilistički uzorci
Jednostavni random
Stratificirani random
Klasterski uzorak
Proporcionalni stratificirani
Disproporcionalni stratificirani
Zonski
Dvozonski
Višezonski
Ne – probabilističko uzorkovanje
• U ne – probabilističkom uzorkovanju sve dok su elementi izabirani arbitrarno nema načina procijeniti vjerojatnost za bilo koji uključeni element u uzorku.
• Nema sigurnosti – da je bilo koji element imao šansu biti uključen, što čini nemogućim procjenu varijabilnosti i greške u uzorku.
Ovo uključuje prigodne ili namjerne uzorke, grudu snijega, dobrovoljne ili kvotne uzorke.
Namjerni (Non-Random) / ne-probabilistički uzorci
Kvotni
Prigodni
Prosudbeni
Snježna gruda
Konstrukcija teorijske podloge uzorka
• Teorijska podloga uzorka -popis ili resursi koji konstituiraju elemente analize.
• Slaganje definirane populacije s teorijskom podlogom uzorka
• Problemi teorijske podloge uzorka– Neispravnosti,– nekompletnost popisa,– nedostatak informacija – itd.
Veličina uzorka
• Opće je pravilo, što više ljudi je obuhvaćeno istraživanjem (veličina uzorka) manja će biti greška u uzorku.
• Ciljana populacija je populacija koju želimo promatrati dok je istraživana populacija ona populacija koju možemo promatrati..
• Cilj ovoga procesa je imati istraživanu populaciju što je moguće bliže ciljanoj populaciji. Vrlo je važno da korisnici podataka iz istraživanja budu informirani o razlici između ovo dvoje, jer se rezultati istraživanja mogu primijeniti samo na istraživanu populaciju.
Uzorak kojim mjerimo stavove ili mišljenjaodređene skupine ljudi, mora predstavljatiili reprezentirati čitavu populaciju iz kojeje izvučen. Očekujemo da će se rezultatiiz uzorka sasvim «usko» poklapati srezultatima koje bismo dobili iz čitavepopulacije, kad bismo je podvrgli popisuili izborima. Da bi zadovoljio načeloreprezentativnosti uzorak morapredstavljati minijaturu populacije. Nekiautori smatraju da je samo onaj uzorakreprezentativan koji počiva na dosljednojprimjeni računa vjerojatnosti kod izbora iliplaniranja samog uzorka.
Reprezentativnost uzorka
Reprezentativni uzorak i normalna distribucija
Reprezentativni uzorak je takav uzorak koji za određeni niz varijabli liči naosnovni skup, iz kojega je izvučen, do te mjere da izvjesne specifičneanalize izvršene na njemu daju rezultate koji će pasti unutar prihvatljivihgranica, postavljenih za odgovarajuće vrijednosti osnovnog skupa, a jedinoće u maloj proporciji rezultati takvih analiza uzorka pasti izvan tih granica.
Statistički značaj 68,27%
m = 0, s = 1, od -1 x s do 1 x s
σ = standardna devijacija uzorka
Statistički značaj 95%
m = 0, s = 1, od -1,96 x s do 1,96 x s
σ = standardna devijacija uzorka
Statistički značaj 99%
m = 0, s = 1, od -2,576 x s do 2,576 x s
σ = standardna devijacija uzorka
Procjena standardne pogreške aritmetičke sredine
Procjena standardne devijacije osnovnog skupa na osnovi podataka iz uzorka.
Izravna procjena standardne pogreške aritmetičke sredine na osnovi podataka iz uzorka.
12
−=
nns σ
1−==
nnssX
σ
σ = standardna devijacija uzorka
n = broj jedinica u uzorku
n-1 = stupanj slobode
Procjena aritmetičke sredine – Primjer:Provedeno je ispitivanje jednostavnog slučajnog uzorkaučenika 8. razreda osnovnih škola nizom od 80 zadatakaobjektivnog tipa o poznavanju “Opće deklaracije o ljudskimpravima”. Ispitivanje je obuhvatilo 220 učenika, aritmetičkasredina dobivena na uzorku iznosi 58,70, standardna devijacija17,92. Zanima nas u kojim se granicama nalazi aritmetičkasredina osnovnog skupa. Kako je osnovni skup vrlo velik,može se poći od pretpostavke beskonačnog osnovnog skupa.
Procjena aritmetičke sredine osnovnog skupa
1. Procijenit ćemo standardnu devijaciju osnovnog skupapomoću izraza:
96,171220
22092,171
22 =−
=−
=n
ns σ
2. Zatim se procjenjuje standardna pogreška aritmetičkesredine pomoću sljedećeg izraza:
2109,1220
96,171
==−
==nn
ssXσ
Ukoliko nas ne zanima procjena standardne devijacijeosnovnog skupa standardna pogreška aritmetičkesredine se može izračunati pomoću izraza 1−
=n
s σµ
Procjena granica u okviru kojih se nalazi aritmetičkasredina:
• Uz 95 – postotnu pouzdanost:58,70 ± (1,96 x 1,21) tj. između 56,33 i 61,07.
• Uz 99 – postotnu pouzdanost:58,70 ± (2,58 x 1,21) tj. između 54,72 i 62,68.
Procjena aritmetičke sredine osnovnog skupa
Procjena aritmetičke sredine - pregled
Osnovni skup
beskonačni konačni
Uzorak
veliki mali (ne prelazi 30 jedinica)
Standardan pogreška se množi s 1,96 (95%) odnosno 2,58 (99%)
Standardna pogreška se množi brojevima iz tablice t-distribucije
1−=
nsX
σNn
nsX −
−= 1
1σ
Procjena proporcije osnovnog skupa
Proporcijom se naziva određeni dio cjeline p koji se od ostalih dijelova q razlikuje nekim obilježjem. Prema tome:
p + q = 1
1−=
npqs p
Procjena standardne pogreške proporcije za beskonačni osnovni skup.
Nn
npqs p −−
= 11
Procjena standardne pogreške proporcije za konačni osnovni skup gdje je uzorak veći od 5% osnovnog skupa.
Procjena proporcija - pregled
Osnovni skup
beskonačni konačni
Uzorak
veliki mali (ne prelazi 30 jedinica)
Standardan pogreška se množi s 1,96 (95%) odnosno 2,58 (99%)
Standardna pogreška se množi brojevima iz tablice t-distribucije
1−=
npqsp N
nnpqsp −−
= 11
• Prije svega, valja reći da nije točno da pouzdanost jednoguzorka raste proporcionalno s njegovom veličinom. Čak ikod uzorka odabranog sasvim slučajno, pouzdanostrezultata zavisi od drugog korijena veličine uzorka.Tako će istraživač, koji je četiri puta povećao svoj uzorak,dobiti samo dvostruko veću pouzdanost rezultata.
• Slučajna pogreška uzorka se smanjuje, kad se uzorakpovećava (ali samo ako sve ostale stvari ostanupodjednake). Slučajne pogreške ili varijabilnost jednoguzorka mjeri se standardnom pogreškom aritmetičkihsredina, proporcijom totala, koeficijentom korelacijepojedinaca koji su dali određeni odgovor.
• Istraživača, naravno, zanima kako se povećanjemuzorka smanjuje standardna pogreška, odnosnovarijabilnost očekivanih rezultata.
Veličina uzorka
n=veličina uzorkaN=veličina odabrane populacijet 2 =Kvadrat vrijednost standardne devijacije koji odgovara prostoru
normalne distribucije vrijednosti p = postotak kategorije za koje se veličina uzorka izračunavaq = 1- p d 2 =kvadrat vrijednosti jedne-polovine intervala preciznosti po
očekivanom uzorku
Veličina uzorka
http://www.mef.hr/if/alati/racunala/tekst/velicina_u.htm
n = (1-n/N)*(t 2 (p*q)/d2 = korekcija konačne populacije*(nivo vjerojatnosti*varianca)/interval povjerenja
“Formula tvrdi da je veličina uzorka izraz korekcijskogfaktora konačne populacije (1-n/N) puta nivo vjerojatnostiza učestalost ovog uzorka puta varijanca ili varijabilnostvarijable u populaciji podijeljena s veličinom intervalapouzdanosti koji očekujemo u našoj procjeni” (Czaja andBlair, 2005:143)
Vrijednost uzorka raste ako možemo istovremeno povećati njegovupreciznost i točnost. Budući da nam uzorak služi da bismo na osnovudobivenih vrijednosti zaključili o pravoj vrijednosti populacije ili osnovnogskupa, to ćemo nastojati da naše ocjene tih pravih vrijednosti budu štopreciznije. Ovu preciznost možemo izmjeriti pomoću računa vjerojatnosti.Pod mjerenjem preciznosti jedne ocjene misli se na to koliko će se uskojedan niz mogućih ocjena na osnovu uzorka poklapati s pravimvrijednostima osnovnog skupa. Preciznost ocjene zavisi, dakle, u prvomredu od planiranja samog uzorka. Preciznost je to veća, što su manjestatističke ili slučajne greške ili pristranosti uvjetovane izborom uzorka.
Preciznost i točnost uzorka
Za razliku od preciznosti točnost će ovdje značiti odsutnost ili smanjenje pristranih, ne-statističkih ili “sistematskih pogrešaka” do kojih možemo doći u prikupljanju i izračunavanju prikupljenih podataka.
Potonje pogreške mogu se izbjeći pažljivim planiranjem, savjesnim provođenjem i višekratnim kontroliranjem anketnih postupaka. Postoji pravilo koje kaže da je uzorak to precizniji, što je veći, to jest što se više približava veličini osnovnog skupa.
Preciznost i točnost uzorka
Međutim sama veličina ne odlučuje o preciznosti uzorka, jer ona ukonkretnim istraživanjima zavisi od niza međuzavisnih varijabli, od kojih sunajznačajnije slijedeće:
• Varijabilnost obilježja koje mjerimo. Na primjer, ako želimo ispitatiinteligenciju šestogodišnje djece, potreban nam je manji uzorak, negoako želimo ispitati inteligenciju odraslih ljudi, jer je varijabilnost koddjece manja.
• Veličina jedinice uzorka – jedan uzorak od mnogo malih jedinica,slučajno odabranih, valja uvijek pretpostavljati uzorku iste veličine, alisastavljenom od manjeg broja velikih jedinica, makar ove izgledale vrlodobro odabrane.
• Upotreba stratifikacije – svaka klasa ili grupa iz osnovnog skupa morabiti na valjan način zastupljena u uzorku. Na primjer, u demografskomizučavanju pučanstva nastojat ćemo da sve grupe po dobi i spolu buduzastupljene u odgovarajućim proporcijama.
Preciznost i točnost uzorka