حجم نمونه در پژوهش

یکی از مهم‌ترین تصمیم‌ها در طراحی یک پژوهش، تعیین حجم نمونه است. اگر تعداد نمونه خیلی کم باشد، ممکن است پژوهش توان کافی برای شناسایی تفاوت‌ها و روابط واقعی را نداشته باشد. در مقابل، انتخاب نمونه بسیار بزرگ می‌تواند هزینه و زمان اجرای تحقیق را افزایش دهد و در برخی موارد باعث معنادار شدن تفاوت‌های بسیار کوچک و کم‌اهمیت شود.

به همین دلیل، تعیین حجم نمونه نباید به صورت حدسی انجام شود.

در پایان نامه‌ها و تحقیقات دانشگاهی معمولاً روش‌های مختلفی برای تعیین حجم نمونه استفاده می‌شود؛ از جمله:

• فرمول کوکران
• جدول مورگان
• تحلیل توان آماری
• قواعد مربوط به رگرسیون و مدل‌های چندمتغیره
• سرشماری در جامعه‌های کوچک

انتخاب روش مناسب به نوع پژوهش، حجم جامعه، نوع تحلیل آماری و سطح دقت مورد نیاز بستگی دارد.

اما حجم نمونه در پژوهش چگونه تعیین می‌شود؟

حجم نمونه تعداد افرادی یا واحدهایی است که از جامعه آماری انتخاب می‌شوند تا بر اساس اطلاعات آن‌ها درباره جامعه نتیجه‌گیری شود.

حجم نمونه چیست؟

حجم نمونه یا Sample Size تعداد مشاهداتی است که در تحلیل آماری وارد می‌شوند.

برای مثال اگر جامعه آماری یک تحقیق شامل ۵۰۰۰ دانشجو باشد و پژوهشگر ۳۵۷ نفر را انتخاب کند، حجم نمونه برابر ۳۵۷ نفر است.

نمونه باید تا حد امکان نماینده جامعه باشد تا بتوان نتایج را با اطمینان بیشتری به جامعه تعمیم داد.

البته بزرگ بودن نمونه به تنهایی کافی نیست. روش نمونه‌گیری، کیفیت داده‌ها و طراحی پژوهش نیز اهمیت زیادی دارند.

در مقاله جداگانه «روش‌های نمونه‌گیری در تحقیق» این موضوع را کامل‌تر بررسی خواهیم کرد.

چرا تعیین حجم نمونه مهم است؟

حجم نمونه مستقیماً بر دقت و قدرت تحلیل آماری تاثیر می‌گذارد.

اگر نمونه خیلی کوچک باشد:

• خطای استاندارد افزایش پیدا می‌کند.
• فاصله اطمینان گسترده‌تر می‌شود.
• توان آزمون کاهش پیدا می‌کند.
• احتمال خطای نوع دوم بیشتر می‌شود.

اگر نمونه مناسب باشد، پژوهش شانس بیشتری برای شناسایی اثرهای واقعی دارد.

برای درک بهتر این موضوع می‌توانید مقاله «خطای نوع اول و دوم چیست؟» را مطالعه کنید.

تفاوت جامعه آماری و نمونه چیست؟

جامعه آماری شامل تمام افراد یا واحدهایی است که پژوهش درباره آن‌ها انجام می‌شود.

نمونه بخشی از جامعه است که واقعاً مورد بررسی قرار می‌گیرد.

برای مثال:

جامعه:

تمام مشتریان یک بانک

نمونه:

۴۰۰ مشتری انتخاب‌شده از بین تمام مشتریان بانک

در بسیاری از تحقیقات امکان بررسی کل جامعه وجود ندارد. به همین دلیل از نمونه استفاده می‌شود.

اگر جامعه بسیار کوچک باشد، ممکن است سرشماری و بررسی همه اعضای جامعه منطقی‌تر باشد.

چه عواملی بر حجم نمونه تاثیر دارند؟

حجم نمونه به چند عامل اصلی بستگی دارد:

• حجم جامعه
• سطح اطمینان
• میزان خطای مجاز
• پراکندگی ویژگی مورد مطالعه
• اندازه اثر
• توان آزمون
• نوع آزمون آماری
• تعداد متغیرها
• روش نمونه‌گیری

به همین دلیل نمی‌توان برای همه پژوهش‌ها یک عدد ثابت به عنوان حجم نمونه مناسب معرفی کرد.

سطح اطمینان چیست؟

سطح اطمینان مشخص می‌کند پژوهشگر چه میزان اطمینان برای برآورد پارامترهای جامعه در نظر گرفته است.

یکی از رایج‌ترین سطوح:

95%

است.

در سطح اطمینان ۹۵ درصد، مقدار Z تقریباً برابر است با:

1.96

سطوح دیگر نیز وجود دارند.

برای مثال:

90% → Z ≈ 1.645

99% → Z ≈ 2.576

هرچه سطح اطمینان بیشتر شود، در شرایط برابر حجم نمونه مورد نیاز نیز افزایش پیدا می‌کند.

خطای نمونه‌گیری چیست؟

خطای نمونه‌گیری یا Margin of Error میزان خطایی است که پژوهشگر برای برآورد پارامتر جامعه می‌پذیرد.

یکی از مقادیر رایج:

5%

است.

یعنی:

d = 0.05

اگر پژوهشگر بخواهد دقت بیشتری داشته باشد و خطا را به:

3%

کاهش دهد، معمولاً حجم نمونه مورد نیاز افزایش پیدا می‌کند.

در نتیجه رابطه کلی چنین است:

خطای کمتر → نمونه بیشتر

خطای بیشتر → نمونه کمتر

فرمول کوکران چیست؟

فرمول کوکران یکی از رایج‌ترین روش‌های تعیین حجم نمونه در تحقیقات پیمایشی است.

این فرمول به‌ویژه در پایان نامه‌های مدیریت، علوم اجتماعی و تحقیقات پرسشنامه‌ای زیاد استفاده می‌شود.

برای جامعه بسیار بزرگ یا نامحدود، شکل معروف فرمول به صورت زیر است:

n₀ = Z²pq / d²

در این فرمول:

n₀: حجم نمونه اولیه

Z: مقدار مربوط به سطح اطمینان

p: نسبت برآوردشده وجود صفت در جامعه

q: برابر 1-p

d: خطای مجاز

اگر اطلاعاتی درباره p وجود نداشته باشد، معمولاً:

p = 0.5

و:

q = 0.5

در نظر گرفته می‌شود.

این انتخاب معمولاً بیشترین واریانس و در نتیجه حجم نمونه محافظه‌کارانه‌تری ایجاد می‌کند.

مثال محاسبه حجم نمونه با فرمول کوکران

فرض کنید:

سطح اطمینان = ۹۵ درصد

پس:

Z = 1.96

همچنین:

p = 0.5

q = 0.5

d = 0.05

فرمول:

n₀ = (1.96² × 0.5 × 0.5) / 0.05²

نتیجه تقریباً برابر است با:

384

بنابراین برای یک جامعه بسیار بزرگ، حجم نمونه حدود ۳۸۴ نفر به دست می‌آید.

این عدد یکی از دلایلی است که در بسیاری از تحقیقات پیمایشی عدد ۳۸۴ دیده می‌شود.

اما اگر جامعه محدود باشد، باید حجم نمونه اصلاح شود.

فرمول کوکران برای جامعه محدود

اگر تعداد اعضای جامعه مشخص و محدود باشد، حجم نمونه اولیه باید اصلاح شود.

فرمول اصلاح‌شده:

n = n₀ / [1 + (n₀ – 1) / N]

که در آن:

N: حجم جامعه

n₀: حجم نمونه اولیه

n: حجم نمونه نهایی

برای مثال فرض کنید:

N = 1000

و حجم نمونه اولیه:

n₀ = 384

باشد.

با اعمال اصلاح جامعه محدود، حجم نمونه نهایی کمتر از ۳۸۴ خواهد شد.

بنابراین در جوامع کوچک‌تر، حجم نمونه مورد نیاز نیز معمولاً کاهش پیدا می‌کند.

جدول مورگان چیست؟

جدول کرجسی و مورگان یکی دیگر از روش‌های رایج تعیین حجم نمونه برای جامعه‌های محدود است.

در این جدول، برای حجم‌های مختلف جامعه، حجم نمونه پیشنهادی ارائه شده است.

برای مثال به صورت تقریبی:

حجم جامعه	حجم نمونه پیشنهادی
100	80
200	132
500	217
1000	278
5000	357
10000	370
بسیار بزرگ	حدود 384

جدول مورگان استفاده ساده‌ای دارد و برای تحقیقات پیمایشی متداول است.

اما باید توجه کرد که این جدول بر مفروضات مشخصی مانند سطح اطمینان و خطای نمونه‌گیری بنا شده است و برای همه انواع پژوهش‌ها بهترین روش نیست.

تفاوت فرمول کوکران و جدول مورگان

فرمول کوکران و جدول مورگان هر دو برای تعیین حجم نمونه در تحقیقات پیمایشی استفاده می‌شوند، اما روش استفاده از آن‌ها متفاوت است.

در فرمول کوکران، پژوهشگر پارامترهایی مانند:

• سطح اطمینان
• خطای مجاز
• نسبت p و q
• حجم جامعه

را وارد محاسبه می‌کند.

اما جدول مورگان آماده است و پژوهشگر فقط با توجه به حجم جامعه، حجم نمونه پیشنهادی را پیدا می‌کند.

به همین دلیل استفاده از جدول مورگان ساده‌تر است، اما فرمول کوکران انعطاف بیشتری دارد.

اگر پژوهشگر بخواهد سطح اطمینان یا میزان خطا را تغییر دهد، استفاده از فرمول کوکران مناسب‌تر خواهد بود.

چه زمانی از جدول مورگان استفاده کنیم؟

جدول مورگان بیشتر برای تحقیقات پیمایشی با جامعه مشخص کاربرد دارد.

برای مثال اگر جامعه تحقیق ۱۰۰۰ نفر باشد، جدول مورگان حجمی نزدیک به ۲۷۸ نفر پیشنهاد می‌کند.

این روش در بسیاری از پایان نامه‌های مدیریت، علوم اجتماعی و علوم رفتاری استفاده می‌شود.

اما اگر نوع تحلیل پیچیده‌تر باشد، فقط استفاده از جدول مورگان کافی نیست.

برای مثال در تحلیل‌هایی مانند:

• رگرسیون چندگانه
• تحلیل عاملی
• مدل‌سازی معادلات ساختاری
• رگرسیون لجستیک

باید تعداد متغیرها، اندازه اثر و قدرت آزمون نیز در نظر گرفته شوند.

تعیین حجم نمونه با تحلیل توان آماری

یکی از روش‌های علمی‌تر تعیین حجم نمونه، استفاده از Power Analysis است.

در این روش حجم نمونه بر اساس چند عامل تعیین می‌شود:

• اندازه اثر مورد انتظار
• سطح معناداری
• توان آزمون
• نوع آزمون آماری
• تعداد متغیرها یا گروه‌ها

توان آزمون نشان می‌دهد یک آزمون تا چه اندازه احتمال دارد یک اثر واقعی را شناسایی کند.

یکی از مقادیر رایج:

Power = 0.80

است.

یعنی پژوهش به گونه‌ای طراحی شده است که در صورت وجود اثری با اندازه مشخص، حدود ۸۰ درصد احتمال برای شناسایی آن وجود داشته باشد.

برای درک بهتر این موضوع می‌توانید مقاله «خطای نوع اول و دوم چیست؟» را مطالعه کنید.

ارتباط اندازه اثر و حجم نمونه

اندازه اثر یکی از عوامل مهم در محاسبه حجم نمونه است.

اگر انتظار داشته باشیم اثر واقعی بزرگ باشد، معمولاً نمونه کمتری برای شناسایی آن نیاز است.

اما اگر اثر واقعی کوچک باشد، به نمونه بیشتری نیاز خواهیم داشت.

به صورت ساده:

اثر بزرگ → نمونه کمتر

اثر کوچک → نمونه بیشتر

برای مثال شناسایی یک اختلاف بسیار بزرگ بین دو گروه با ۵۰ نفر ممکن است امکان‌پذیر باشد، اما برای شناسایی یک اختلاف بسیار کوچک ممکن است به چند صد نفر نیاز باشد.

برای آشنایی بیشتر می‌توانید مقاله «اندازه اثر چیست؟ Effect Size در آمار و پایان نامه» را مطالعه کنید.

حجم نمونه در آزمون t

برای تعیین حجم نمونه در آزمون t باید مواردی مانند:

• نوع آزمون t
• اندازه اثر
• سطح معناداری
• توان آزمون

در نظر گرفته شوند.

برای مثال در مقایسه دو گروه مستقل، اگر اندازه اثر متوسط، سطح معناداری ۰.۰۵ و توان ۰.۸۰ در نظر گرفته شود، حجم نمونه مورد نیاز می‌تواند بسیار کمتر از حالتی باشد که اندازه اثر کوچک انتظار می‌رود.

به همین دلیل نمی‌توان گفت برای همه آزمون‌های t یک حجم نمونه ثابت مانند ۳۰ یا ۱۰۰ نفر کافی است.

برای توضیح ساختار این آزمون مقاله «آزمون t چیست؟» را نیز ببینید.

حجم نمونه در ANOVA

در ANOVA تعداد گروه‌ها نیز بر حجم نمونه اثر می‌گذارد.

برای مثال مقایسه:

سه گروه

با:

پنج گروه

حتی با اندازه اثر مشابه، ممکن است نیاز به حجم نمونه متفاوتی داشته باشد.

همچنین بهتر است حجم گروه‌ها تا حد امکان متعادل باشد، مگر اینکه طراحی پژوهش دلیل دیگری داشته باشد.

در تعیین حجم نمونه ANOVA معمولاً موارد زیر لحاظ می‌شوند:

• تعداد گروه‌ها
• اندازه اثر
• α
• توان آزمون

اطلاعات بیشتر درباره ساختار تحلیل در مقاله «آزمون ANOVA چیست؟» ارائه شده است.

حجم نمونه در رگرسیون چندگانه

در رگرسیون چندگانه فقط حجم جامعه معیار مناسبی برای تعیین نمونه نیست.

تعداد متغیرهای مستقل نیز اهمیت دارد.

هرچه تعداد پیش‌بین‌ها بیشتر باشد، معمولاً به نمونه بیشتری نیاز داریم.

در منابع مختلف قواعد سرانگشتی متعددی ارائه شده است، اما روش دقیق‌تر استفاده از تحلیل توان بر اساس:

• تعداد پیش‌بین‌ها
• اندازه اثر مورد انتظار
• سطح معناداری
• توان مورد نیاز

است.

برای مثال مدلی با دو متغیر مستقل معمولاً نیازهای متفاوتی نسبت به مدلی با ۱۵ متغیر مستقل دارد.

برای توضیحات بیشتر درباره مدل رگرسیون می‌توانید مقاله «رگرسیون چندگانه چیست؟» را مطالعه کنید.

حجم نمونه در رگرسیون لجستیک

در رگرسیون لجستیک علاوه بر تعداد کل نمونه، تعداد وقوع رویداد نیز اهمیت زیادی دارد.

فرض کنید متغیر وابسته:

خرید / عدم خرید

باشد.

اگر ۵۰۰ نفر در نمونه وجود داشته باشند اما فقط ۱۰ نفر خرید کرده باشند، مدل ممکن است برای برآورد چند متغیر مستقل با مشکل مواجه شود.

بنابراین فقط اعلام اینکه نمونه ۵۰۰ نفر است کافی نیست.

باید تعداد موارد در گروه رویداد هدف نیز بررسی شود.

در مدل‌های لجستیک، تحلیل توان یا روش‌های مبتنی بر تعداد رویدادها نسبت به استفاده ساده از جدول مورگان منطقی‌تر است.

برای اطلاعات بیشتر مقاله «رگرسیون لجستیک چیست؟» را مطالعه کنید.

حجم نمونه در تحلیل عاملی

در تحلیل عاملی، تعداد متغیرها یا گویه‌ها نقش مهمی در تعیین حجم نمونه دارد.

قواعد سرانگشتی مختلفی مانند تعداد مشخصی نمونه به ازای هر گویه ارائه شده‌اند، اما هیچ قانون واحدی برای همه پژوهش‌ها وجود ندارد.

مواردی مانند:

• تعداد عوامل
• تعداد گویه‌ها
• قدرت بارهای عاملی
• اشتراکات
• کیفیت داده‌ها

بر حجم نمونه مناسب تاثیر دارند.

به همین دلیل در تحلیل عاملی بهتر است فقط به یک قاعده ساده مانند پنج نفر برای هر گویه اکتفا نشود.

برای آشنایی با این تحلیل می‌توانید مقاله «تحلیل عاملی چیست؟» را مطالعه کنید.

حجم نمونه در مدل‌سازی معادلات ساختاری

در SEM موضوع حجم نمونه اهمیت بسیار زیادی دارد.

مدل‌های پیچیده‌تر با تعداد سازه‌ها و پارامترهای بیشتر معمولاً به داده بیشتری نیاز دارند.

عواملی مانند:

• نوع SEM
• پیچیدگی مدل
• تعداد متغیرهای مشاهده‌شده
• اندازه اثر
• کیفیت شاخص‌ها
• نوع برآوردگر

بر حجم نمونه مورد نیاز اثر می‌گذارند.

بنابراین استفاده از یک عدد ثابت مانند «۲۰۰ نفر همیشه کافی است» دقیق نیست.

در بسیاری از پژوهش‌ها بهتر است حجم نمونه با تحلیل توان، شبیه‌سازی یا قواعد متناسب با روش برآورد تعیین شود.

برای توضیحات بیشتر می‌توانید مقاله «مدل‌سازی معادلات ساختاری چیست؟» را مطالعه کنید.

حجم نمونه در تحقیقات پرسشنامه‌ای

در تحقیقات پرسشنامه‌ای معمولاً تعیین حجم نمونه به شکل زیر انجام می‌شود:

ابتدا جامعه آماری مشخص می‌شود.

سپس با توجه به نوع تحلیل، روش تعیین حجم نمونه انتخاب می‌شود.

اگر هدف فقط برآورد ویژگی‌های یک جامعه بزرگ باشد، فرمول کوکران می‌تواند مناسب باشد.

اما اگر قرار است داده‌ها با تحلیل عاملی، رگرسیون یا SEM بررسی شوند، نیازهای تحلیل آماری نیز باید در نظر گرفته شوند.

همچنین کیفیت پرسشنامه اهمیت زیادی دارد.

قبل از تحلیل نهایی باید روایی و پایایی ابزار بررسی شود.

برای این موضوع می‌توانید مقاله «روایی و پایایی پرسشنامه چیست؟» را مطالعه کنید.

افزایش حجم نمونه برای جبران پرسشنامه‌های ناقص

یکی از اشتباهات رایج این است که پژوهشگر دقیقاً به تعداد حجم نمونه مورد نیاز پرسشنامه توزیع کند.

در عمل ممکن است بخشی از پرسشنامه‌ها:

• برگشت داده نشوند.
• ناقص باشند.
• پاسخ‌های غیرقابل استفاده داشته باشند.

بنابراین بهتر است مقداری بیش از حجم نمونه محاسبه‌شده برای جمع‌آوری داده در نظر گرفته شود.

برای مثال اگر حجم نمونه مورد نیاز:

300 نفر

باشد و احتمال ریزش حدود ۱۰ درصد پیش‌بینی شود، می‌توان تعداد بیشتری پرسشنامه توزیع کرد تا پس از حذف موارد ناقص، حداقل ۳۰۰ مشاهده معتبر باقی بماند.

میزان افزایش نمونه باید با شرایط واقعی تحقیق متناسب باشد.

آیا تعداد 30 نفر برای هر پژوهش کافی است؟

خیر.

عدد ۳۰ گاهی در آموزش‌های مقدماتی آمار مطرح می‌شود، اما نمی‌توان آن را به عنوان حجم نمونه مناسب برای همه تحقیقات در نظر گرفت.

ممکن است برای یک تحلیل ساده ۳۰ نفر کافی باشد و برای تحقیق دیگر حتی ۳۰۰ نفر نیز کم باشد.

حجم نمونه باید بر اساس طراحی واقعی پژوهش تعیین شود.

بنابراین قواعدی مانند:

«حداقل ۳۰ نفر همیشه کافی است»

یا:

«همیشه باید ۳۸۴ نفر انتخاب کنیم»

از نظر آماری دقیق نیستند.

آیا همیشه حجم نمونه 384 نفر است؟

خیر.

عدد ۳۸۴ معمولاً از فرمول کوکران برای یک جامعه بسیار بزرگ با شرایط مشخصی مانند:

• سطح اطمینان ۹۵ درصد
• خطای ۵ درصد
• p=0.5

به دست می‌آید.

اگر هر کدام از این شرایط تغییر کند، حجم نمونه نیز تغییر می‌کند.

همچنین اگر جامعه محدود باشد، نمونه مورد نیاز کمتر خواهد شد.

بنابراین استفاده مکانیکی از عدد ۳۸۴ در همه پایان نامه‌ها اشتباه است.

مثال تعیین حجم نمونه برای جامعه 1000 نفری

فرض کنید جامعه آماری تحقیق شامل:

1000 نفر

است.

با استفاده از جدول مورگان، حجم نمونه تقریبی:

278 نفر

خواهد بود.

با فرمول کوکران و اصلاح جامعه محدود نیز عددی نزدیک به همین محدوده به دست می‌آید، البته بسته به پارامترهای دقیق محاسبه.

حال اگر پژوهشگر پیش‌بینی کند حدود ۱۵ درصد پرسشنامه‌ها قابل استفاده نباشند، بهتر است تعداد بیشتری پرسشنامه توزیع کند.

برای مثال ممکن است حدود ۳۲۰ پرسشنامه توزیع شود تا در نهایت حداقل حجم مورد نیاز داده معتبر جمع‌آوری شود.

مثال تعیین حجم نمونه برای جامعه 5000 نفری

اگر جامعه:

5000 نفر

باشد، جدول مورگان حجم نمونه‌ای حدود:

357 نفر

پیشنهاد می‌کند.

برای جوامع بزرگ‌تر مشاهده می‌شود که افزایش بسیار زیاد حجم جامعه دیگر باعث افزایش شدید حجم نمونه نمی‌شود.

به همین دلیل تفاوت حجم نمونه برای جامعه ۵۰۰۰ و ۱۰۰۰۰ نفری چندان زیاد نیست.

این رفتار یکی از ویژگی‌های محاسبات نمونه‌گیری برای برآورد نسبت‌ها با خطای ثابت است.

انتخاب روش تعیین حجم نمونه در پایان نامه

روش مناسب به نوع پژوهش بستگی دارد.

یک راهنمای ساده:

نوع پژوهش	روش مناسب‌تر
پیمایش با جامعه محدود	کوکران یا مورگان
برآورد نسبت در جامعه بزرگ	کوکران
آزمون t و ANOVA	تحلیل توان
رگرسیون	تحلیل توان بر اساس تعداد پیش‌بین‌ها
رگرسیون لجستیک	تحلیل توان و توجه به تعداد رویداد
تحلیل عاملی	معیارهای خاص تحلیل عاملی
SEM	روش متناسب با پیچیدگی مدل و تحلیل توان

بنابراین قبل از انتخاب فرمول، باید مشخص شود چه تحلیلی قرار است انجام شود.

اشتباهات رایج در تعیین حجم نمونه

یکی از اشتباهات رایج، استفاده از جدول مورگان برای هر نوع پژوهش است.

جدول مورگان برای همه تحلیل‌ها طراحی نشده است.

اشتباه دیگر استفاده از عدد ۳۸۴ بدون توجه به حجم جامعه و هدف پژوهش است.

همچنین برخی پژوهشگران حجم نمونه را بعد از جمع‌آوری داده تعیین می‌کنند؛ در حالی که حجم نمونه باید تا حد امکان قبل از شروع جمع‌آوری داده و بر اساس طراحی پژوهش مشخص شود.

نادیده گرفتن ریزش نمونه و پرسشنامه‌های ناقص نیز می‌تواند باعث شود حجم نهایی داده‌ها کمتر از مقدار مورد نیاز باشد.

نتیجه‌گیری

حجم نمونه در پژوهش یکی از مهم‌ترین بخش‌های طراحی تحقیق است و نباید به صورت حدسی تعیین شود.

روش‌هایی مانند فرمول کوکران و جدول مورگان برای بسیاری از پژوهش‌های پیمایشی کاربرد دارند، اما برای همه تحلیل‌های آماری کافی نیستند.

در پژوهش‌هایی که از:

• آزمون t
• ANOVA
• رگرسیون
• تحلیل عاملی
• SEM

استفاده می‌شود، بهتر است نیازهای خود تحلیل آماری نیز در تعیین نمونه در نظر گرفته شوند.

عواملی مانند اندازه اثر، توان آزمون، سطح معناداری، تعداد متغیرها و میزان ریزش نمونه می‌توانند حجم نمونه مناسب را تغییر دهند.

به همین دلیل بهترین حجم نمونه عددی ثابت نیست و باید بر اساس ویژگی‌های همان پژوهش تعیین شود.

سوالات متداول درباره حجم نمونه در پژوهش

حجم نمونه چیست؟

حجم نمونه تعداد افراد یا واحدهایی است که از جامعه انتخاب شده و داده‌های آن‌ها در پژوهش تحلیل می‌شود.

حجم نمونه با فرمول کوکران چگونه محاسبه می‌شود؟

برای جامعه بزرگ از فرمول n₀=Z²pq/d² استفاده می‌شود و برای جامعه محدود، اصلاح حجم جامعه نیز اعمال می‌شود.

چرا حجم نمونه کوکران معمولاً 384 است؟

در شرایط رایج شامل سطح اطمینان ۹۵ درصد، خطای ۵ درصد و p=q=0.5، حجم نمونه جامعه بسیار بزرگ حدود ۳۸۴ به دست می‌آید.

جدول مورگان چیست؟

جدولی است که برای حجم‌های مختلف جامعه، حجم نمونه پیشنهادی ارائه می‌کند.

برای جامعه 1000 نفری چند نمونه لازم است؟

در جدول مورگان حدود ۲۷۸ نفر پیشنهاد می‌شود، اما روش نهایی باید با نوع پژوهش و تحلیل آماری هماهنگ باشد.

آیا 30 نفر برای پژوهش کافی است؟

الزاماً خیر. حجم نمونه باید بر اساس نوع آزمون، اندازه اثر، توان و طراحی پژوهش تعیین شود.

آیا نمونه بیشتر همیشه بهتر است؟

نمونه بیشتر معمولاً دقت و توان را افزایش می‌دهد، اما لزوماً از نظر هزینه و اهمیت عملی نتیجه بهترین انتخاب نیست.

برای پایان نامه از کوکران استفاده کنیم یا مورگان؟

اگر پژوهش پیمایشی و جامعه مشخص باشد، هر دو می‌توانند کاربرد داشته باشند. اگر تحلیل آماری پیچیده‌تری مانند رگرسیون یا SEM انجام می‌شود، بهتر است تحلیل توان و نیازهای مدل نیز در نظر گرفته شوند.