روش‌های نمونه‌گیری در تحقیق چیست؟

در بیشتر پژوهش‌ها امکان بررسی تمام اعضای جامعه آماری وجود ندارد. ممکن است جامعه شامل چند هزار دانشجو، مشتری، بیمار، کارمند یا خانوار باشد و جمع‌آوری اطلاعات از همه آن‌ها هزینه و زمان زیادی نیاز داشته باشد.

در این شرایط پژوهشگر بخشی از جامعه را انتخاب می‌کند و اطلاعات همان بخش را مورد بررسی قرار می‌دهد.

به این فرایند نمونه‌گیری گفته می‌شود.

انتخاب روش نمونه‌گیری اهمیت زیادی دارد، زیرا اگر نمونه به شکل نامناسب انتخاب شود، حتی تحلیل آماری دقیق نیز نمی‌تواند مشکل ایجادشده در مرحله جمع‌آوری داده را برطرف کند.

برای مثال اگر هدف بررسی رضایت تمام مشتریان یک شرکت باشد اما فقط مشتریان بسیار وفادار وارد نمونه شوند، نتیجه تحقیق احتمالاً تصویر واقعی جامعه را نشان نخواهد داد.

اما روش‌های نمونه‌گیری در تحقیق چیست و چگونه باید روش مناسب را انتخاب کرد؟

به طور کلی، روش‌های نمونه‌گیری به دو گروه اصلی تقسیم می‌شوند:

• نمونه‌گیری احتمالی
• نمونه‌گیری غیراحتمالی

قبل از انتخاب هر روش نیز باید جامعه آماری و «حجم نمونه در پژوهش» به درستی مشخص شود.

نمونه‌گیری چیست؟

نمونه‌گیری یا Sampling فرایند انتخاب بخشی از اعضای جامعه آماری برای انجام پژوهش است.

فرض کنید جامعه تحقیق شامل:

۵۰۰۰ دانشجو

باشد.

پژوهشگر به جای بررسی هر ۵۰۰۰ دانشجو، ممکن است ۳۵۷ نفر را انتخاب کند.

این ۳۵۷ نفر نمونه تحقیق هستند.

هدف این است که ویژگی‌های نمونه تا حد ممکن نماینده جامعه باشد تا بتوان بر اساس داده‌های نمونه درباره جامعه نتیجه‌گیری کرد.

این موضوع یکی از پایه‌های اصلی آمار استنباطی است.

جامعه آماری چیست؟

جامعه آماری مجموعه تمام افراد، اشیا یا واحدهایی است که پژوهشگر قصد مطالعه آن‌ها را دارد.

برای مثال:

موضوع تحقیق:

بررسی رضایت کارکنان یک سازمان

جامعه آماری:

تمام کارکنان آن سازمان

یا:

موضوع تحقیق:

بررسی رفتار خرید مشتریان فروشگاه‌های اینترنتی

جامعه آماری می‌تواند تمام مشتریانی باشد که در محدوده زمانی و شرایط تعریف‌شده توسط پژوهش وارد مطالعه می‌شوند.

تعریف دقیق جامعه اهمیت زیادی دارد، زیرا روش نمونه‌گیری مستقیماً به آن وابسته است.

نمونه چیست؟

نمونه بخشی از جامعه آماری است که واقعاً داده از آن جمع‌آوری می‌شود.

یک نمونه مناسب باید تا حد امکان ویژگی‌های مهم جامعه را منعکس کند.

برای مثال اگر جامعه شامل:

• ۶۰ درصد زن
• ۴۰ درصد مرد

باشد، اما نمونه به شکل غیرمنطقی شامل ۹۵ درصد مرد باشد، ممکن است نمایندگی مناسبی از جامعه نداشته باشد.

البته نمایندگی نمونه فقط به جنسیت محدود نیست و ممکن است متغیرهایی مانند:

• سن
• تحصیلات
• منطقه جغرافیایی
• سابقه کاری
• گروه شغلی

نیز اهمیت داشته باشند.

تفاوت نمونه‌گیری احتمالی و غیراحتمالی چیست؟

مهم‌ترین تقسیم‌بندی روش‌های نمونه‌گیری، تفکیک بین Sampling احتمالی و غیراحتمالی است.

در نمونه‌گیری احتمالی، اعضای جامعه بر اساس یک سازوکار تصادفی انتخاب می‌شوند و احتمال انتخاب آن‌ها قابل تعریف است.

در نمونه‌گیری غیراحتمالی، انتخاب افراد لزوماً بر اساس احتمال تصادفی مشخص انجام نمی‌شود.

ویژگی	نمونه‌گیری احتمالی	نمونه‌گیری غیراحتمالی
انتخاب تصادفی	دارد	معمولاً ندارد
احتمال انتخاب	قابل محاسبه	معمولاً نامشخص
قابلیت تعمیم	معمولاً بیشتر	محدودتر
هزینه و اجرا	دشوارتر	ساده‌تر
کاربرد	تحقیقات کمی و پیمایشی	پژوهش‌های اکتشافی و خاص

انتخاب بین این دو روش به هدف تحقیق، دسترسی به جامعه و محدودیت‌های اجرایی بستگی دارد.

انواع نمونه‌گیری احتمالی

مهم‌ترین روش‌های نمونه‌گیری احتمالی عبارت‌اند از:

• تصادفی ساده
• سیستماتیک
• طبقه‌ای
• خوشه‌ای
• چندمرحله‌ای

هر کدام از این روش‌ها شرایط خاص خود را دارند.

نمونه‌گیری تصادفی ساده چیست؟

نمونه‌گیری تصادفی ساده یکی از پایه‌ای‌ترین روش‌های نمونه‌گیری است.

در این روش همه اعضای جامعه شانس مشخص و برابر برای انتخاب شدن دارند.

برای مثال فرض کنید جامعه شامل ۱۰۰۰ دانشجو است و می‌خواهیم ۱۰۰ نفر را انتخاب کنیم.

ابتدا به هر دانشجو یک شماره اختصاص می‌دهیم.

سپس با استفاده از:

• جدول اعداد تصادفی
• نرم‌افزار
• تولیدکننده عدد تصادفی

۱۰۰ شماره انتخاب می‌کنیم.

افرادی که شماره آن‌ها انتخاب شده است وارد نمونه می‌شوند.

مزایای نمونه‌گیری تصادفی ساده

یکی از مهم‌ترین مزایای این روش، سادگی منطق آن است.

اگر فهرست کامل جامعه در دسترس باشد، اجرای روش نسبتاً شفاف است.

همچنین چون انتخاب بر اساس تصادف انجام می‌شود، دخالت سلیقه پژوهشگر کاهش پیدا می‌کند.

این روش برای جامعه‌هایی مناسب‌تر است که ساختار بسیار پیچیده‌ای ندارند و فهرست کاملی از اعضای آن‌ها در دسترس است.

محدودیت‌های نمونه‌گیری تصادفی ساده

مهم‌ترین مشکل این روش، نیاز به فهرست کامل اعضای جامعه است.

برای مثال اگر جامعه تمام مشتریان یک بازار بزرگ باشد، ممکن است تهیه فهرست کامل امکان‌پذیر نباشد.

همچنین اگر جامعه دارای گروه‌های بسیار متفاوت باشد، تصادفی ساده ممکن است به صورت اتفاقی بعضی گروه‌های کوچک را به اندازه کافی وارد نمونه نکند.

در چنین شرایطی نمونه‌گیری طبقه‌ای ممکن است انتخاب مناسب‌تری باشد.

نمونه‌گیری سیستماتیک چیست؟

در نمونه‌گیری سیستماتیک، اعضای جامعه بر اساس فاصله مشخصی انتخاب می‌شوند.

فرض کنید جامعه:

1000 نفر

و حجم نمونه:

100 نفر

باشد.

فاصله نمونه‌گیری برابر است با:

1000 / 100 = 10

در این حالت پس از انتخاب یک نقطه شروع تصادفی، مثلاً نفر شماره 6، افراد بعدی به صورت زیر انتخاب می‌شوند:

6، 16، 26، 36 و …

یعنی هر دهمین نفر وارد نمونه می‌شود.

مزایای نمونه‌گیری سیستماتیک

این روش نسبت به نمونه‌گیری تصادفی ساده در برخی موارد اجرای آسان‌تری دارد.

به‌خصوص زمانی که یک فهرست مرتب از اعضای جامعه وجود داشته باشد.

برای مثال می‌توان از آن برای انتخاب:

• پرونده بیماران
• مشتریان
• کارکنان
• اسناد سازمانی

استفاده کرد.

محدودیت نمونه‌گیری سیستماتیک

اگر در فهرست جامعه یک الگوی دوره‌ای وجود داشته باشد، نمونه‌گیری سیستماتیک ممکن است دچار سوگیری شود.

برای مثال اگر فهرست به گونه‌ای مرتب شده باشد که هر دهمین فرد متعلق به یک گروه خاص باشد، انتخاب هر دهمین نفر می‌تواند نمونه را منحرف کند.

به همین دلیل قبل از استفاده از این روش باید ساختار فهرست بررسی شود.

نمونه‌گیری طبقه‌ای چیست؟

نمونه‌گیری طبقه‌ای یا Stratified Sampling زمانی استفاده می‌شود که جامعه از گروه‌های مشخصی تشکیل شده باشد و پژوهشگر بخواهد اطمینان حاصل کند هر گروه در نمونه حضور کافی دارد.

برای مثال کارکنان یک دانشگاه ممکن است شامل:

• اعضای هیئت علمی
• کارکنان اداری
• کارکنان خدماتی

باشند.

در نمونه‌گیری طبقه‌ای ابتدا جامعه به این طبقات تقسیم می‌شود و سپس از هر طبقه نمونه انتخاب می‌شود.

انتخاب داخل هر طبقه نیز معمولاً به صورت تصادفی انجام می‌شود.

نمونه‌گیری طبقه‌ای متناسب

در روش متناسب، سهم هر طبقه در نمونه با سهم آن در جامعه هماهنگ است.

برای مثال جامعه شامل:

• ۶۰ درصد کارکنان اداری
• ۳۰ درصد آموزشی
• ۱۰ درصد خدماتی

است.

اگر حجم نمونه ۲۰۰ نفر باشد، می‌توان تقریباً:

• ۱۲۰ نفر اداری
• ۶۰ نفر آموزشی
• ۲۰ نفر خدماتی

انتخاب کرد.

این روش باعث می‌شود ساختار اصلی جامعه بهتر در نمونه حفظ شود.

مزیت نمونه‌گیری طبقه‌ای

یکی از مهم‌ترین مزایای این روش، نمایندگی بهتر گروه‌های مهم جامعه است.

اگر بعضی طبقات کوچک اما از نظر پژوهش مهم باشند، نمونه‌گیری طبقه‌ای می‌تواند از حذف اتفاقی آن‌ها جلوگیری کند.

همچنین در برخی شرایط این روش نسبت به تصادفی ساده دقت آماری بیشتری ایجاد می‌کند.

نمونه‌گیری خوشه‌ای چیست؟

در نمونه‌گیری خوشه‌ای یا Cluster Sampling، به جای انتخاب مستقیم افراد، گروه‌های طبیعی از جامعه انتخاب می‌شوند.

برای مثال فرض کنید هدف بررسی دانش‌آموزان یک شهر باشد.

به جای تهیه فهرست تمام دانش‌آموزان، می‌توان مدارس را به عنوان خوشه در نظر گرفت.

سپس تعدادی مدرسه به صورت تصادفی انتخاب شده و دانش‌آموزان آن مدارس بررسی می‌شوند.

خوشه‌ها می‌توانند شامل:

• مدارس
• بیمارستان‌ها
• مناطق شهری
• شرکت‌ها
• شعب سازمان

باشند.

تفاوت نمونه‌گیری طبقه‌ای و خوشه‌ای

این دو روش گاهی با یکدیگر اشتباه گرفته می‌شوند.

در نمونه‌گیری طبقه‌ای معمولاً از همه طبقات نمونه گرفته می‌شود.

اما در نمونه‌گیری خوشه‌ای فقط بعضی خوشه‌ها انتخاب می‌شوند.

برای مثال:

طبقه‌ای:

از دانشجویان همه دانشکده‌ها نمونه انتخاب می‌کنیم.

خوشه‌ای:

چند دانشکده را انتخاب می‌کنیم و دانشجویان همان دانشکده‌ها را بررسی می‌کنیم.

هدف اصلی طبقه‌ای افزایش نمایندگی گروه‌ها است، در حالی که خوشه‌ای اغلب برای کاهش هزینه و ساده‌تر کردن جمع‌آوری داده استفاده می‌شود.

نمونه‌گیری چندمرحله‌ای چیست؟

نمونه‌گیری چندمرحله‌ای یا Multistage Sampling زمانی استفاده می‌شود که جامعه بزرگ و گسترده باشد و انتخاب مستقیم افراد دشوار یا پرهزینه باشد.

در این روش نمونه در چند مرحله انتخاب می‌شود.

برای مثال فرض کنید هدف بررسی دانش‌آموزان یک استان باشد.

پژوهشگر می‌تواند:

• ابتدا چند شهر را انتخاب کند.
• سپس از هر شهر چند مدرسه را انتخاب کند.
• بعد از هر مدرسه تعدادی دانش‌آموز را وارد نمونه کند.

در واقع نمونه‌گیری در چند سطح انجام می‌شود.

این روش در تحقیقات بزرگ کشوری یا منطقه‌ای کاربرد زیادی دارد و معمولاً ترکیبی از نمونه‌گیری خوشه‌ای، تصادفی یا طبقه‌ای است.

مزایای نمونه‌گیری چندمرحله‌ای

مهم‌ترین مزیت این روش کاهش هزینه و ساده‌تر شدن اجرای تحقیق است.

اگر جامعه در چند منطقه جغرافیایی پراکنده باشد، انتخاب مستقیم افراد از کل جامعه ممکن است عملی نباشد.

در این شرایط انتخاب مرحله‌ای باعث می‌شود پژوهشگر بتواند با منابع محدودتر داده جمع‌آوری کند.

البته تحلیل داده‌های حاصل از نمونه‌گیری پیچیده ممکن است نیازمند در نظر گرفتن ساختار نمونه نیز باشد.

نمونه‌گیری غیراحتمالی چیست؟

در نمونه‌گیری غیراحتمالی، همه اعضای جامعه الزاماً شانس مشخصی برای انتخاب شدن ندارند.

انتخاب نمونه ممکن است بر اساس:

• دسترسی
• قضاوت پژوهشگر
• ویژگی خاص افراد
• سهمیه‌های تعیین‌شده
• معرفی توسط سایر شرکت‌کنندگان

انجام شود.

این روش‌ها معمولاً ساده‌تر و کم‌هزینه‌تر هستند، اما قابلیت تعمیم نتایج به کل جامعه محدودتر است.

نمونه‌گیری غیراحتمالی در پژوهش‌های اکتشافی، کیفی یا مطالعاتی که دسترسی به جامعه دشوار است کاربرد زیادی دارد.

نمونه‌گیری در دسترس چیست؟

نمونه‌گیری در دسترس یا Convenience Sampling یکی از ساده‌ترین روش‌های نمونه‌گیری غیراحتمالی است.

در این روش افراد بر اساس دسترسی آسان انتخاب می‌شوند.

برای مثال پژوهشگر ممکن است پرسشنامه را بین دانشجویانی که در یک کلاس حضور دارند توزیع کند.

یا ممکن است لینک پرسشنامه را در شبکه‌های اجتماعی منتشر کند و پاسخ‌های دریافت‌شده را تحلیل کند.

این روش سریع و کم‌هزینه است، اما احتمال سوگیری در آن زیاد است.

افرادی که راحت‌تر در دسترس هستند الزاماً نماینده کل جامعه نیستند.

مثال نمونه‌گیری در دسترس

فرض کنید هدف بررسی نگرش دانشجویان یک دانشگاه درباره آموزش آنلاین باشد.

اگر پژوهشگر فقط پرسشنامه را بین دانشجویان یک کلاس توزیع کند، نمونه در دسترس ایجاد شده است.

این افراد ممکن است از نظر:

• رشته
• سن
• مقطع تحصیلی
• تجربه آموزش آنلاین

با کل جامعه تفاوت داشته باشند.

بنابراین تعمیم نتیجه به تمام دانشجویان دانشگاه باید با احتیاط انجام شود.

نمونه‌گیری هدفمند چیست؟

نمونه‌گیری هدفمند یا Purposive Sampling زمانی استفاده می‌شود که پژوهشگر افراد را بر اساس ویژگی یا تجربه مشخص انتخاب کند.

برای مثال اگر هدف بررسی تجربه مدیران ارشد درباره اجرای یک سیستم مدیریتی باشد، انتخاب افراد عادی منطقی نیست.

پژوهشگر عمداً افرادی را انتخاب می‌کند که اطلاعات و تجربه مرتبط دارند.

نمونه‌گیری هدفمند در تحقیقات کیفی بسیار رایج است.

در این روش هدف اصلی نمایندگی آماری کل جامعه نیست، بلکه انتخاب افرادی است که بتوانند اطلاعات عمیق و مرتبط ارائه دهند.

انواع نمونه‌گیری هدفمند

نمونه‌گیری هدفمند خود می‌تواند اشکال مختلفی داشته باشد.

برای مثال:

• انتخاب افراد خبره
• انتخاب موارد خاص
• انتخاب موارد معمول
• انتخاب موارد حداکثر تنوع
• انتخاب افراد با تجربه مشخص

روش دقیق به هدف پژوهش بستگی دارد.

برای مثال در یک مطالعه درباره مشکلات پیاده‌سازی هوش مصنوعی در سازمان‌ها، ممکن است فقط مدیران فناوری و تحلیل داده انتخاب شوند.

نمونه‌گیری سهمیه‌ای چیست؟

نمونه‌گیری سهمیه‌ای یا Quota Sampling شباهتی به نمونه‌گیری طبقه‌ای دارد، اما انتخاب افراد داخل هر گروه الزاماً تصادفی نیست.

برای مثال فرض کنید پژوهشگر می‌خواهد نمونه‌ای ۲۰۰ نفره شامل:

• ۱۲۰ زن
• ۸۰ مرد

داشته باشد.

او می‌تواند برای هر گروه سهمیه تعیین کند و افراد را تا تکمیل سهمیه انتخاب کند.

تفاوت مهم با نمونه‌گیری طبقه‌ای این است که در روش طبقه‌ای، انتخاب داخل هر طبقه معمولاً تصادفی است.

اما در نمونه‌گیری سهمیه‌ای افراد ممکن است بر اساس دسترسی انتخاب شوند.

نمونه‌گیری گلوله‌برفی چیست؟

نمونه‌گیری گلوله‌برفی یا Snowball Sampling زمانی کاربرد دارد که دسترسی مستقیم به اعضای جامعه دشوار باشد.

در این روش ابتدا چند فرد واجد شرایط شناسایی می‌شوند.

سپس از آن‌ها خواسته می‌شود افراد دیگری با ویژگی مشابه معرفی کنند.

نمونه به تدریج بزرگ‌تر می‌شود.

این فرایند شبیه گلوله برفی است که با حرکت کردن بزرگ‌تر می‌شود.

کاربرد نمونه‌گیری گلوله‌برفی

این روش برای جامعه‌هایی کاربرد دارد که شناسایی اعضای آن‌ها دشوار است.

برای مثال:

• گروه‌های تخصصی کوچک
• افراد دارای تجربه خاص
• برخی مشاغل نادر
• شبکه‌های اجتماعی خاص
• جامعه‌هایی که فهرست رسمی از اعضای آن‌ها وجود ندارد

البته این روش می‌تواند باعث ایجاد سوگیری شبکه‌ای شود، زیرا افراد معمولاً کسانی مشابه خود را معرفی می‌کنند.

نمونه‌گیری متوالی چیست؟

نمونه‌گیری متوالی یا Consecutive Sampling در برخی تحقیقات پزشکی و کاربردی استفاده می‌شود.

در این روش هر فردی که در یک بازه زمانی مشخص شرایط ورود به مطالعه را داشته باشد وارد نمونه می‌شود تا حجم نمونه مورد نیاز تکمیل شود.

برای مثال ممکن است تمام بیماران واجد شرایطی که طی شش ماه به یک درمانگاه مراجعه می‌کنند وارد مطالعه شوند.

این روش نسبت به نمونه‌گیری در دسترس ساختارمندتر است، اما همچنان معمولاً در گروه روش‌های غیراحتمالی قرار می‌گیرد.

مقایسه انواع روش‌های نمونه‌گیری

برای انتخاب راحت‌تر می‌توان روش‌ها را به شکل زیر مقایسه کرد:

روش	نوع	ویژگی اصلی
تصادفی ساده	احتمالی	انتخاب کاملاً تصادفی افراد
سیستماتیک	احتمالی	انتخاب با فاصله مشخص
طبقه‌ای	احتمالی	نمونه‌گیری از همه طبقات
خوشه‌ای	احتمالی	انتخاب چند خوشه از جامعه
چندمرحله‌ای	احتمالی	انتخاب نمونه در چند سطح
در دسترس	غیراحتمالی	انتخاب افراد قابل دسترس
هدفمند	غیراحتمالی	انتخاب افراد دارای ویژگی مشخص
سهمیه‌ای	غیراحتمالی	تکمیل سهمیه گروه‌ها
گلوله‌برفی	غیراحتمالی	معرفی افراد توسط مشارکت‌کنندگان
متوالی	غیراحتمالی	ورود پشت سر هم افراد واجد شرایط

هیچ روشی در همه پژوهش‌ها بهترین نیست.

روش مناسب باید بر اساس طراحی تحقیق انتخاب شود.

چگونه روش نمونه‌گیری مناسب را انتخاب کنیم؟

برای انتخاب روش نمونه‌گیری باید چند سوال مهم پاسخ داده شود.

آیا فهرست کامل جامعه در دسترس است؟

اگر بله، روش‌های احتمالی مانند تصادفی ساده یا سیستماتیک قابل استفاده هستند.

آیا جامعه دارای گروه‌های مهم و مشخص است؟

در این حالت نمونه‌گیری طبقه‌ای می‌تواند مناسب باشد.

آیا جامعه از نظر جغرافیایی پراکنده است؟

روش خوشه‌ای یا چندمرحله‌ای ممکن است هزینه را کاهش دهد.

آیا دسترسی به اعضای جامعه دشوار است؟

نمونه‌گیری هدفمند یا گلوله‌برفی ممکن است عملی‌تر باشد.

بنابراین روش نمونه‌گیری باید قبل از جمع‌آوری داده و با توجه به ساختار جامعه مشخص شود.

روش نمونه‌گیری در تحقیقات پرسشنامه‌ای

در تحقیقات پرسشنامه‌ای معمولاً یکی از دو وضعیت وجود دارد.

اگر فهرست جامعه در دسترس باشد، بهتر است در صورت امکان از روش‌های احتمالی استفاده شود.

برای مثال:

• تصادفی ساده
• سیستماتیک
• طبقه‌ای

اما اگر دسترسی کامل وجود نداشته باشد، ممکن است پژوهشگر به نمونه‌گیری در دسترس یا سهمیه‌ای روی بیاورد.

در چنین شرایطی باید محدودیت روش به صورت شفاف در پایان نامه گزارش شود.

بعد از انتخاب روش نمونه‌گیری نیز باید تعداد نمونه مناسب مشخص شود که در مقاله «حجم نمونه در پژوهش چگونه تعیین می‌شود؟» به طور کامل توضیح داده‌ایم.

روش نمونه‌گیری در تحقیقات پزشکی

در تحقیقات پزشکی انتخاب نمونه بسیار به طراحی مطالعه بستگی دارد.

ممکن است از:

• نمونه‌گیری تصادفی
• نمونه‌گیری متوالی
• نمونه‌گیری طبقه‌ای

استفاده شود.

برای مثال در یک درمانگاه، تمام بیماران واجد شرایط طی یک دوره مشخص می‌توانند وارد مطالعه شوند.

در کارآزمایی‌های بالینی نیز موضوع تخصیص تصادفی افراد به گروه‌ها مطرح می‌شود که با نمونه‌گیری تصادفی از جامعه یک مفهوم یکسان نیست.

این دو نباید با یکدیگر اشتباه گرفته شوند.

روش نمونه‌گیری در تحقیقات کیفی

در تحقیقات کیفی، هدف معمولاً برآورد آماری پارامترهای جامعه نیست.

به همین دلیل روش‌های هدفمند کاربرد زیادی دارند.

پژوهشگر افرادی را انتخاب می‌کند که تجربه یا دانش مرتبط با موضوع داشته باشند.

برای مثال در تحقیق درباره تجربه مدیران از شکست پروژه‌های فناوری، انتخاب مدیرانی که واقعاً تجربه شکست پروژه داشته‌اند منطقی‌تر از نمونه‌گیری تصادفی از تمام کارکنان است.

در این نوع پژوهش‌ها، کفایت اطلاعات و اشباع داده‌ها معمولاً اهمیت بیشتری از فرمول‌هایی مانند کوکران دارد.

سوگیری نمونه‌گیری چیست؟

سوگیری نمونه‌گیری یا Sampling Bias زمانی ایجاد می‌شود که روش انتخاب نمونه باعث شود بعضی اعضای جامعه شانس بیشتری برای ورود به مطالعه داشته باشند.

برای مثال اگر بررسی رضایت مشتری فقط از مشتریانی انجام شود که شکایت ثبت کرده‌اند، نمونه نماینده همه مشتریان نیست.

یا اگر یک پرسشنامه آنلاین فقط در یک شبکه اجتماعی خاص منتشر شود، افراد حاضر در آن شبکه ممکن است ویژگی متفاوتی نسبت به کل جامعه داشته باشند.

سوگیری نمونه‌گیری می‌تواند اعتبار تعمیم نتایج را کاهش دهد.

تفاوت خطای نمونه‌گیری و سوگیری نمونه‌گیری

این دو مفهوم یکسان نیستند.

خطای نمونه‌گیری ناشی از این است که فقط بخشی از جامعه بررسی شده است و حتی در یک نمونه‌گیری تصادفی نیز وجود دارد.

اما سوگیری نمونه‌گیری یک خطای سیستماتیک در نحوه انتخاب نمونه است.

افزایش حجم نمونه می‌تواند خطای تصادفی را کاهش دهد، اما لزوماً سوگیری را برطرف نمی‌کند.

اگر نمونه از ابتدا به شکل جانبدارانه انتخاب شده باشد، حتی هزاران پاسخ نیز الزاماً نتیجه را معتبر نمی‌کنند.

آیا نمونه بزرگ، نمونه نامناسب را جبران می‌کند؟

خیر.

این یکی از نکات بسیار مهم در نمونه‌گیری است.

فرض کنید هدف بررسی نظر تمام دانشجویان یک دانشگاه باشد اما فقط دانشجویان رشته مدیریت در نمونه حضور داشته باشند.

حتی اگر ۲۰۰۰ نفر از این دانشجویان پاسخ دهند، باز هم نمی‌توان با اطمینان نتیجه را به تمام دانشجویان دانشگاه تعمیم داد.

بنابراین کیفیت روش نمونه‌گیری در کنار حجم نمونه اهمیت دارد.

بزرگ کردن نمونه نمی‌تواند همه مشکلات طراحی را حل کند.

رابطه نمونه‌گیری و آزمون‌های آماری

روش نمونه‌گیری می‌تواند بر نحوه تفسیر نتایج آماری تاثیر بگذارد.

بسیاری از روش‌های استنباطی بر این مبنا طراحی شده‌اند که نمونه تا حد مناسبی از جامعه انتخاب شده باشد.

اگر نمونه به شدت سوگیرانه باشد، حتی اجرای صحیح «آزمون فرض آماری» نیز مشکل تعمیم نتیجه به جامعه را برطرف نمی‌کند.

بنابراین تحلیل آماری خوب از طراحی نمونه‌گیری خوب شروع می‌شود.

اشتباهات رایج در انتخاب روش نمونه‌گیری

یکی از اشتباهات رایج این است که پژوهشگر بنویسد نمونه‌گیری تصادفی انجام شده، در حالی که پرسشنامه فقط بین افراد در دسترس توزیع شده است.

روش نمونه‌گیری باید همان چیزی باشد که واقعاً در اجرا انجام شده است.

اشتباه دیگر استفاده از نمونه‌گیری تصادفی بدون داشتن چارچوب نمونه‌گیری مشخص است.

اگر فهرست اعضای جامعه وجود ندارد، باید توضیح داده شود تصادفی بودن انتخاب چگونه اجرا شده است.

همچنین نباید نمونه‌گیری طبقه‌ای و سهمیه‌ای با یکدیگر اشتباه گرفته شوند.

نحوه گزارش روش نمونه‌گیری در پایان نامه

در بخش روش تحقیق باید به صورت شفاف توضیح داده شود:

• جامعه آماری چه کسانی هستند.
• حجم جامعه چقدر است.
• حجم نمونه چگونه تعیین شده است.
• روش نمونه‌گیری چیست.
• انتخاب افراد دقیقاً چگونه انجام شده است.
• معیارهای ورود و خروج چه بوده‌اند.

برای مثال:

«جامعه آماری پژوهش شامل ۱۲۰۰ نفر از کارکنان سازمان بود. حجم نمونه بر اساس روش تعیین حجم نمونه برابر با ۲۹۱ نفر در نظر گرفته شد. با توجه به وجود سه گروه شغلی، از نمونه‌گیری طبقه‌ای متناسب استفاده شد و سپس افراد هر طبقه به صورت تصادفی انتخاب شدند.»

این نوع توضیح بسیار دقیق‌تر از نوشتن صرف:

«روش نمونه‌گیری تصادفی بود.»

است.

نتیجه‌گیری

روش‌های نمونه‌گیری در تحقیق نقش مهمی در اعتبار نتایج پژوهش دارند.

به طور کلی روش‌های نمونه‌گیری به دو گروه تقسیم می‌شوند:

• احتمالی
• غیراحتمالی

مهم‌ترین روش‌های احتمالی عبارت‌اند از:

• تصادفی ساده
• سیستماتیک
• طبقه‌ای
• خوشه‌ای
• چندمرحله‌ای

روش‌های غیراحتمالی مهم نیز شامل:

• در دسترس
• هدفمند
• سهمیه‌ای
• گلوله‌برفی
• متوالی

هستند.

روش مناسب باید با توجه به هدف تحقیق، ساختار جامعه، دسترسی به افراد و نحوه تعمیم نتایج انتخاب شود.

همچنین انتخاب حجم نمونه و روش نمونه‌گیری دو تصمیم مرتبط اما متفاوت هستند. بنابراین در کنار انتخاب روش مناسب، باید «حجم نمونه پژوهش» نیز به صورت اصولی تعیین شود.

سوالات متداول درباره روش‌های نمونه‌گیری در تحقیق

نمونه‌گیری چیست؟

نمونه‌گیری فرایند انتخاب بخشی از اعضای جامعه آماری برای انجام پژوهش و جمع‌آوری داده است.

انواع اصلی نمونه‌گیری چیست؟

روش‌های نمونه‌گیری به دو دسته احتمالی و غیراحتمالی تقسیم می‌شوند.

نمونه‌گیری تصادفی ساده چیست؟

در این روش اعضای جامعه بر اساس یک سازوکار تصادفی انتخاب می‌شوند و شانس انتخاب مشخصی دارند.

تفاوت نمونه‌گیری طبقه‌ای و خوشه‌ای چیست؟

در نمونه‌گیری طبقه‌ای معمولاً از همه طبقات نمونه انتخاب می‌شود، اما در نمونه‌گیری خوشه‌ای فقط برخی خوشه‌ها انتخاب می‌شوند.

نمونه‌گیری در دسترس چیست؟

روشی غیراحتمالی است که در آن افرادی انتخاب می‌شوند که دسترسی به آن‌ها آسان‌تر است.

نمونه‌گیری هدفمند چیست؟

در این روش افراد بر اساس ویژگی، دانش یا تجربه مشخص مرتبط با موضوع پژوهش انتخاب می‌شوند.

نمونه‌گیری گلوله‌برفی چیست؟

در این روش افراد اولیه، افراد واجد شرایط دیگری را به پژوهشگر معرفی می‌کنند.

بهترین روش نمونه‌گیری برای پایان نامه چیست؟

روش واحدی برای همه پایان نامه‌ها وجود ندارد. انتخاب روش باید بر اساس جامعه، هدف تحقیق، امکان دسترسی و نوع تحلیل انجام شود.