Projektowanie badań społeczno-

ekonomicznych

Prof.Małgorzata Rószkiewicz

mroszki@sgh.waw.pl

Konsultacje: czwartki 13.45 p.215/F

Literatura:

•

Podstawowa:

•

M. Rószkiewicz, Metody ilościowe w badaniach marketingowych, PWN,
Warszawa, 2002 rodziały: 3-5.

•

J. Kordos, Jakość danych statystycznych, PWE, Warszawa, 1988, rozdziały:
1-4.

•

V. Barnett, Elementy teorii próby, PWE, Warszawa, 1982.

•

V. Barnett, Elementy teorii próby, PWE, Warszawa, 1982.

•

Uzupełniająca:

•

Ch. Frankfort-Nachmias, D. Nachmias, Metody badawcze w naukach
społecznych, Zysk i s-ka Wydawnictwo, Poznań, 2001, rozdziały: 4-11.

•

Fieldwork jest sztuką, pod red. P.B. Sztabińskiego, Z. Sawińskiego, F.
Sztabińskiego, IFiSPAN, Warszawa, 2005, rozdziały: 6-8 i 16-25.

•

E. Barbbie, Badania społeczne w praktyce, PWN, Warszawa, 2005,
rozdziały: 2-7.

Co to znaczny „

projektowanie badania

społecznego-ekonomicznego

”?

•

Wybór rodzaju badania.

•

Określenie badanej zbiorowości

•

Ustalenie zakresu pojęciowego, definicji i klasyfikacji badanych
cech.

•

Zaprojektowanie tablic wynikowych oraz wybór metod analizy

•

Zaprojektowanie tablic wynikowych oraz wybór metod analizy
wyników.

•

Wybór metody zbierania danych: poziom mikro lub makro.

•

Przygotowanie zaplecza technicznego i organizacyjnego
badania.

•

Wybór metody kontroli realizacji badania.

•

Terminarz realizacji badania.

•

Wybór formy prezentacji wyników.

Kryteria klasyfikacji badań

empirycznych:

•

wykorzystywane źródła informacji,

•

wykorzystywane źródła informacji,

•

zakres tematyczny badania,

•

organizację badania,

•

rodzaj informacji otrzymywanej w rezultacie
badania.

Ze względu na wykorzystywane

źródła informacji:

•

badania wtórne(desk research): wykorzystujące dane

zastane

•

badania pierwotne (field work): tworzące dane w wyniku

•

badania pierwotne (field work): tworzące dane w wyniku

zorganizowanego pomiaru

Ze względu na zakres tematyczny

badania:

•

badania syndykatowe:

tzw. badania branŜowe, tj. o stałym, powtarzany
cyklicznie obszarze badania,

•

badania róŜnorodne tematycznie, w których

obszar badania uzaleŜniony jest kaŜdorazowo od
potrzeb i zainteresowań podmiotów poszukujących
informacji. Do tej grupy badań zalicza się tzw.
badania ad hoc.

Ze względu na organizację badania:

•

charakter tematyki badania: monotematyczne

, koncentrujące się na realizacji

jednego celu badawczego związanego z jednym ośrodkiem zainteresowanym

wynikami,

wielotematyczne

, realizujące wiele celów badawczych, związanych z

wieloma ośrodkami zainteresowanymi wynikami, tzw. Omnibusy,

•

zasięg pomiaru: wyczerpujące

, poddające badaniu wszystkie jednostki

tworzące badaną zbiorowość (spisy),

fragmentaryczne

, poddające badaniu

jedynie pewną grupę jednostek wybraną w jakiś sposób z całej badanej

zbiorowości (badania na próbach),

•

częstotliwość pomiaru:

ciągłe (monitoring), okresowe, jednorazowe,

•

stabilności grupy podlegającej obserwacji w badaniach okresowych i/lub

stabilność narzędzia pomiaru:

przekrojowe (cross-section), panele, trackingi

Ze względu na rodzaj informacji

(cel badania) otrzymywanej w rezultacie

badania:

•

badania jakościowe:

rozpoznające indywidualne poglądy i stanowiska,

wyjaśniające kształtowania się określonych opinii,

•

badania ilościowe:

tworzące statystyczny obraz badanej rzeczywistości.

Badania opisowe:

mają na celu scharakteryzowanie

obiektów lub sytuacji badanych

Badania przyczynowe:

mają na celu identyfikację czynników

Badania ilościowe,

których celem jest określenie

liczbowych charakterystyk

rynku. Pozwalają zbudować

Ze względu na rodzaj informacji

(cel badania) otrzymywanej w rezultacie

badania:

mają na celu identyfikację czynników

kształtujących zjawiska i badane procesy

Badania eksploracyjne:

mają na celu rozpoznanie zjawisk,

procesów i badanych zdarzeń

rynku. Pozwalają zbudować

statystyczny obraz

rzeczywistości.

Badania jakościowe,

których celem jest określenie

sposobów widzenia,interpretowania

i wartościowania zjawisk.

Orientacje badawcze wg Pike’a:

Perspektywa zewnętrzna wobec

obiektu badanego – pojęcia i

kategorie opisowe badacza. Z

potrzeby agregacji danych

wymagana standaryzacja pomiaru

Orientacja etic:
podejście ilościowe

Rodzaj poszukiwanej informacji (cel badania) wyznacza zasadę pomiaru:

Perspektywa wewnętrzna obiektu

badanego – pojęcia i kategorie opisowe

badanego. Z faktu niepowtarzalności

indywidualnych przypadków wymagana

indywidualizacja pomiaru

Orientacja emic:
podejście jakościowe

obserwacja

wywiad

eksperyment

badania terenowe

Rodzaj poszukiwanej informacji (cel badania) wyznacza metodę pomiaru:

obserwacja

wywiad

eksperyment

Obserwacja, czyli bierne
rejestrowanie rzeczywistości

Wywiad, czyli rozmowa
bezpośrednia lub za pomocą

bezpośrednia lub za pomocą
wybranego środka komunikacji

Eksperyment, czyli świadoma
ingerencja badacza w stan
rzeczywistości i rejestracja
efektów tej ingerencji

Obserwacja

Wywiad

Metody nieingerujące:
eksploracyjne i opisowe

Eksperyment

Metody ingerujące:
eksploracyjne i dowodzące
przyczynowości

Metody naukowe

Metody ilościowe

Metody

jakościowe

Rodzaj poszukiwanej informacji (cel badania) wyznacza metodę analizy wyników:

Metody

statystyczne i

ekonometryczne

Longitudionalne

(panelowe)

Przekrojowe

Metody

deterministyczne

Metody

heurystyczne

Intuicyjne

Analogowe: case study

Eksperckie: Metoda delficka

wykształcenie

Wydatki

edukację

Aspiracje

zawodowe

Zawód

Pozycja społeczno -

zwodowa

Oczekiwania

konsumpcyjne

Model rozważanych zależności:
Model teoretyczny

Staż

pracy

Dochód

na głowę

Liczba

dzieci

Stopa

oszczędzania

Jak konkretnie mierzyć zmienne, które

znalazły się w modelu teoretycznym
wyrażającym koncepcję ujęcia
rzeczywistości?

Przykład

– zawód

Jak go zmierzyć, czyli o co zapytać respondenta?

Zawód wyuczony

Zawód wykonywany

Trzeba dokonać wyboru określonego systemu

klasyfikacji zawodów

– dochód na głowę

Jak go zmierzyć, czyli o co zapytać respondenta?

Dochód rozporządzalny

Dochód brutto

Trzeba zdefiniować pojęcie dochodu osoby badanej

Operacjonalizacja –

stworzenie definicji operacyjnej

zmiennej by

umoŜliwić jej pomiar

za pomocą

określonych narzędzi pomiarowych

(urządzeń pomiarowych, pytań

kwestionariuszowych itp.)

Podstawowa zasada przy konstrukcji

pytań w kwestionariuszu ankietowym:

Treść pytania kwestionariuszowego zaleŜy od

przewidywanej formy odpowiedzi

Wybór formy odpowiedzi prowadzi do

pytań otwartych lub pytań zamkniętych.

Kiedy?

trudno przewidzieć odpowiedź,

przewidywalne

duŜo wariantów odpowiedzi,

poszukiwanie cytatów,

poszukiwanie innowacji,

poszukiwanie subiektywnych
sądów,

trudne, draŜliwe pytania.

odpowiedzi,

konieczna ścisła kontrola
odpowiedzi,

potrzeba standaryzacji,

ograniczenia czasowe,

Pytania otwarte Pytania zamknięte

Wady:

Zalety:

√√√√

swoboda wypowiedzi,

√√√√

bogactwo treści,

√√√√

szczegółowość wypowiedzi,

√√√√

inspiracja.

√√√√

łatwe,

√√√√

porównywalność odpowiedzi,

√√√√

szybkość opracowania,

√√√√

urozmaicają formularz.

√√√√

niekompletność,

√√√√

nieporównywalność

√√√√

nieadekwatność,

√√√√

trudność opracowania,

√√√√

podatne na efekt ankieterski.

√√√√

czasochłonne przygotowanie,

√√√√

niekompletne,

√√√√

niedostosowane do

nietypowych sytuacji,

Wady:

SKALOWANIE

Skalowanie polega na przyporządkowaniu

(zgodnie z określonymi regułami)

wybranych symboli (cyfr) obserwowanym faktom lub wyrażanym

opiniom

Podstawowe pytanie w dziedzinie skalowania (pomiaru):

czy wykorzystywany system liczbowy ma podobną
strukturę do struktury mierzonych pojęć

KLASYFIKACJA SKAL WG STEVENSA

Skala

Podstawa porównania

Przykład

Relacje i
dopuszczalne
przekształcenia
matematyczne:

Nominalna

Identyfikacja

Kobieta – MęŜczyzna
Klient indywidualny  –  klient instytucjonalny
Marka A –  Marka B

= lub

≠

przekształcenie

wzajemnie

jednoznaczne

Porządkowa

Pozycja w porządku

Preferencje dla marek
Klasa społeczna

= ;

≠

; <;

≤

;> ;

≥

przekształcenie

Klasa społeczna
Klasa jakości

przekształcenie
monotonicznie
rosnące

Przedziałowa

Porównanie obiektów

Temperatura
Wynik zaliczenia testu
Postawa wobec marki
Ś

wiadomość reklamy

= ;

≠

; <;

≤

;> ;

≥

Przekształcenie
liniowe:
y = ax + b dla a >0

Stosunkowa

Porównanie wartości

Cena jednostkowa produktu
Liczba nabywców
MoŜliwość zakupu
Waga, odległość, pojemność

= ;

≠

; <;

≤

;> ;

≥

Y=ax dla a>0

Pytanie rozstrzygające:

Czy zamierzacie Państwo rozszerzyć zakres środków
telekomunikacji wykorzystywanych w Państwa firmie?
Proszę zakreślić kółkiem jeden z dwóch symboli odpowiedzi

Tak

Nie

wiem

Pytanie dopełniające:

Które z niŜej wymienionych środków telekomunikacji wykorzystujecie Państwo
w firmie?
Proszę zakreślić kółkiem jeden z dwóch symboli odpowiedzi dla kaŜdego pytania
Telefon przewodowy

Tak

Nie

Skala nominalna

Telefon przewodowy

Tak

Nie

Telex

Tak

Nie

Telefax

Tak

Nie

Radiotelefon

Tak

Nie

Systemy przywoławcze

Tak

Nie

Poczta elektroniczna

Tak

Nie

Komertel

Tak

Nie

Telefon komórkowy

Tak

Nie

Skala porządkowa zrównowaŜona - skala Likerta:

form a tabelaryczna:

Proszę określić Pani/Pana stosunek do nakłaniania Pani/Pana do testowania
preparatów kosmetycznych:
Proszę zakreślić kółkiem właściwy sym bol odpowiedzi

bardzo nie lubię

(1)

raczej nie lubię

(2)

jest mi to

obojętne

(3)

raczej lubię

(4)

bardzo lubię

(5)

form a graficzna:

Proszę określić Pani/Pana stosunek do nakłaniania Pani/Pana do testowania preparatów
kosmetycznych:

Skale porządkowe

Proszę zakreślić kółkiem właściwy sym bol odpowiedzi

Bardzo
nie lubię

Bardzo
lubię

lub:

Proszę ocenić w skali od 1 (ocena najniŜsza) do 5 (ocena najwyŜsza)
Pani/Pana stosunek do nakłaniania Pani/Pana do testowania
preparatów kosmetycznych:
Proszę w ram ce obok wpisać właściwy sym bol odpowiedzi

Ocena:

S kala p o rząd kow a n iezrów n ow a Ŝon a:

P roszę  ok reślić Pan i/Pan a stosu ne k d o n akłan ian ia Pan i/Pan a d o
testow an ia prep aratów  ko sm etyc znych:
P roszę zakreślić kółkiem  w łaściw y sym bol odpow iedzi

b ard zo

n ie lu bię

(1)

nie lu b ię

(2)

jest m i to

ob ojętne

(3)

R aczej

lub ię

(4)

lu b ię

(5)

lu bię

zd ecydow an

(6)

lu b ię

w yjątko

w o
(7)

Skala d yfe ren cjału sem antyczn ego:

P roszę w yra zić sw oją opinię o cen trum  h an d low ym  znajdu jącym  się w
Pani/Pana sąsied ztw ie, posłu gu jąc się skalą od  1 d o 7, zgod n ie ze zn aczen ia m i
p rzed staw ion ym i p on iŜej:
P roszę zakreślić kółkiem  w łaściw y sym bol odpow iedzi

W ąski aso rty m en t

tow arów

Szero ki aso rtym ent
tow arów

W ąski aso rty m en t

u sług

Szero ki aso rtym ent
usłu g

M ały w yb ór m a rek

D uŜy w ybó r m a re k

N ieko m p eten tna

K om p eten tn a ob słu ga

N ieko m p eten tna

ob słu ga

K om p eten tn a ob słu ga

N iew ygodn y d ojazd

W ygod ny d ojazd

K rótki cza s p racy

D łu gi czas p ra cy

B rak m o Ŝliw ości

op ieki n ad dziećm i

B ogaty p rog ram op ieki
nad d ziećm i

Skala S tap ela:

P roszę ocen ić zn ajd ujące się w Pani/Pana sąsied ztw ie cen tru m h an dlow e,
b iorąc p od u w agę p on iŜsze kw estie:
P roszę zakreślić kółkiem w łaściw y sym bol odpow iedzi
A so rtym en t tow arów

-5

-4

-3

-2

-1

A so rtym en t u słu g

-5

-4

-3

-2

-1

w yb ór m a rek

-5

-4

-3

-2

-1

K om p eten cje ob sługi

-5

-4

-3

-2

-1

D ojazd

-5

-4

-3

-2

-1

C za s p racy

-5

-4

-3

-2

-1

P rog ra m op ieki nad
d ziećm i

-5

-4

-3

-2

-1

Liczba kategorii odpowiedzi:

•

Najczęściej stosuje się skale 3,5,7 i 9 punktowe.

•

Wzrost liczby kategorii skali powoduje wzrost

mocy dyskryminacyjnej

człowiek posługuje się

najwyżej skalą 11 punktową

•

Jako kategorii krańcowych należy użyć kategorii

•

Jako kategorii krańcowych należy użyć kategorii
przedstawiających stany idealne (punkty
zakotwiczenia), które nie będą wykorzystywane
przez żadnego (lub prawie żadnego) respondenta

Skale
stosunkowe
(ilorazowe)

1 6 . P r o s z ę

p o d a ć n a jb a r d z i e j k o r z ys t n e

o r a z

n a jm n i e j

k o r z y s t n e

( a l e

je s z c z e

m o Ŝ l i w e

d o

z a a k c e p t o w a n i a )

z d a n i e m

P a ń s t w a

s t a ł e

o p r o c e n t o w a n i e

d l a

c e r t yfi k a t u

d e p o z y t o w e g o ,

z a k ł a d a ją c ,

m u s i

b yć

o n o

n i Ŝ s z e

o d

o p r o c e n t o w a n i a l o k a t t e r m i n o w yc h :
6 8

n a jb a r d z i e j k o r z ys t n e

6 9

n a jm n i e j k o r z ys t n e

1 7 . J a k ą w i e l k o ś ć n a d w yŜ k i fi n a n s o w e j b yl i b yś c i e
P a ń s t w o

s k ł o n n i

p r z e z n a c z y ć

n a

z a k u p

c e r t y fi k a t ó w d e p o z yt o w yc h p r z y s t a ł y m p o z i o m i e
o p r o c e n t o w a n i a n a t a k i m p o z i o m i e , k t ó r y je s t d l a
P a ń s t w a :
7 0

n a jb a r d z i e j k o r z ys t n e

.. ... .... .... ... .... t ys . z ł

7 1

n a jm n i e j k o r z ys t n e

.. ... .... .... ... .... t ys . z ł

7 2

p o n i Ŝ e j n a jm n i e j
k o r z ys t n e g o ,
u w z g l ę d n i a ją c t e n d e n c ję

.. ... .... .... ... .... t ys . z ł

u w z g l ę d n i a ją c  t e n d e n c ję
z w i ą z a n ą   z e  s p a d k i e m
s t ó p  p r o c e n t o w yc h

.. ... .... .... ... .... t ys . z ł

1 8 .

J a k ą

c z ę ś ć

r o d k ó w

i n n yc h

l o k a t

p r z e s u n ę l i b yś c i e

P a ń s t w o

i n n y c h

l o k a t

t e r m i n o w yc h   n a   z a k u p   c e r t yfi k a t ó w   d e p o z y t o w yc h ,
z g a d z a ją c   s i ę   n a   n i Ŝ s z ą   r e n t o w n o ś ć   w   z a m i a n   z a
w y s o k ą   p ł y n n o ś ć ,  p r z y  o p r o c e n t o w a n i u ,   k t ó r e
u z n a l i ś c i e  P a ń s t w o  z a :
7 3

n a jb a r d z i e j k o r z ys t n e

7 4

n a jm n i e j k o r z ys t n e

7 5

p o n i Ŝ e j  n a jm n i e j
k o r z ys t n e g o
u w z g l ę d n i a ją c  t e n d e n c ję
z w i ą z a n ą   z e  s p a d k i e m
s t ó p  p r o c e n t o w yc h

Typ danych:

Mierniki analizy struktury zbiorowości:

Dane nominalne

Wskaźniki struktury (procentowe),

dominanta

Dane porządkowe

Wskaźniki struktury (procentowe),

Sposób analizy struktury zjawisk

zależy od rodzaju danych, które te zjawiska opisują!

Analiza struktury

Dane porządkowe

Wskaźniki struktury (procentowe),

dominanta, percentyle, z których

najpopularniejszą jest mediana

Dane przedziałowe i ilorazowe

Wskaźniki struktury (procentowe),

dominanta, percentyle, średnia i

odchylenie standardowe

Cecha

Cecha niezaleŜne

zaleŜna

Dane nominalne

Dane porządkowe

Dane przedziałowe

lub ilorazowe

Miary współwystępowania

Sposób pomiaru współwystępowania zjawisk

zależy od rodzaju danych, które te zjawiska opisują!

Dane nominalne

Współczynnik

V Cramera

Współczynnik

V Cramera

Dane porządkowe

Współczynnik
V Cramera

Współczynnik

korelacji rang

Spearmana

Dane przedziałowe
lub ilorazowe

Współczynnik eta

Współczynniki eta

Współczynnik

korelacji

Najpopularniejsze sposoby oceny wyników eksperymentu

w schematach prawdziwych

Skala pomiaru

wyników

eksperymentu

(

typ zmiennej zaleŜnej

)

Pomiar niezaleŜny

Pomiar zaleŜny

Nominalna

ryzyko względne
test U dla dwóch frakcji,
test niezaleŜności
chi-kwadrat,

test McNemara,

test Cochrana

Porządkowa

test serii Walda–

test Friedmana

Porządkowa

test serii Walda–

Wolfowitza,

test Kołmogorowa–

Smirnowa,

test Kruskal’a–Wallis’a

test Friedmana

Przedziałowa lub
ilorazowa

test U lub t dla dwóch

rednich,

analiza wariancji dla

doboru całkowicie

losowego

test t,

analiza wariancji dla

schematów blokowych,

analiza conjoint

Skale pomiarowe

Skale mocne

Skale słabe

Skala

nominalna

Skala

porządkowa

Skala

przedziałowa

Skala

ilorazowa

Transformować moŜna jedynie skale mocniejszą

na skalę słabszą

Określenie cech zewnętrznych

kwestionariusza

TYTUŁ BADANIA

PREAMBUŁA

(wyjaśnia cel i intencje badacza,

moŜe być zastąpiona listem intencyjnym)

BLOKI PYTAŃ

METRYCZKA

Określenie cech zewnętrznych kwestionariusza

1. Pozwala budować klasyfikacje odpowiedzi na pytania.

METRYCZKA - funkcje

2. Pozwala zweryfikować adekwatność zbadanej grupy

respondentów względem zbiorowości, z której
pochodzą.

Dane

Makro

Mikro

Jakie jest typ danych, którymi dysponujemy?

Podsumowanie i ilustracja

tego co wiemy o całej zbiorowo

Opis

i statystyczna analiza danych,

analiza dynamiki

Ustalenie wiedzy o całej zbiorowo

bez mo

liwo

ci dotarcia

do ka

dej jednostki

Wnioskowanie

statystyczne

Typ danych rozstrzyga o metodzie analizy danych!

Opis

i statystyczna analiza danych

Rozkład cechy statystycznej

Nazwa cechy
statystycznej (X)

Liczebno

lub cz

sto

ci (n

lub w

)

Jakie kategorie

lub warto

wyst

piły

w zbiorowo

ci?

Ile razy

lub

jak cz

sto

wyst

powały?

razem

N lub 1 b

100,0

.
.
.
n

.
.
.
x

wszystkie jednostki

Opis

i statystyczna analiza danych

Statystyczna analiza struktury rozkładu cechy

statystycznej

Położenie rozkładu

jakie wartości przyjmuje cecha statystyczna?

Rozproszenie rozkładu cechy statystycznej

czy są i na czym polegają różnice między
wartościami cechy statystycznej?

Wnioskowanie statystyczne

polega na

określeniu właściwości populacji

(

typ rozkładu oraz wartości parametrów

)

na podstawie próby losowej

Rzeczywista struktura
populacji:

Struktura sugerowana
na podstawie próby:

Płeć

Liczba osób Odsetek

Kobiety

110

52,9

MęŜczyźni

47,1

Ogółem

208

100,0

Płeć

Liczba osób Odsetek

Kobiety

60,0

MęŜczyźni

40,0

Ogółem

100,0

Metody statystyczne nie daj

liwo

ci ustalenia wiedzy o

populacji z całkowit

pewno

, ale sugeruj

c posta

rozkładu populacji,

Jedynie metody wnioskowania statystycznego dostarczaj

Informacji o dokładno

ci uzyskanej informacji o rozkładzie badanej

populacji

pozwalaj

równie

okre

jakim bł

dem statystycznym

obarczone jest rozwi

zanie

Liczebność teoretyczna:

•

Konstrukcja rozkładu cechy statystycznej

na podstawie wybranego modelu prawdopodobie

stwa

czyli taka liczba przypadków, która wystąpiłaby w

zbiorowości gdyby strukturę tej zbiorowości opisywały

wartości prawdopodobieństw p

Jakim rozkładem prawdopodobieństwa należy

posłużyć się w wyznaczaniu liczebności

teoretycznych?

•

Dwumianowy? ⇒

•

Poissona? ⇒

•

Normalny? ⇒

•

Jakie

•

Jakie

= np

•

jakie

oraz

•

Normalny? ⇒

•

Chi-kwadrat? ⇒

•

........

•

jakie

oraz

•

Jakie

•

.........

Wnioskowanie

nieparametryczne

Wnioskowanie

parametryczne

Obiektywną konsekwencją

własności badanej populacji,

fragmentaryczności badania

oraz

składu wybranej do

badania grupy

jest błąd losowy.

Konsekwencją

subiektywnych wyborów

dokonanych

przez osoby uczestniczące w badaniu i ich

błędnych

Wynikiem

błędu losowego

jest niska precyzja

wynikiem

błędu systematycznego

jest niska trafność

przez osoby uczestniczące w badaniu i ich

błędnych

decyzji

jest błąd systematyczny

Niska precyzja jest wynikiem błędu losowego

Niska trafność jest wynikiem błędu systematycznego

Wysoka precyzja

i wysoka trafno

ść

Niska precyzja,
wysoka trafno

ść

Wysoka precyzja
Niska trafno

ść

•

••

•

Błąd losowy

Błąd systematyczny

•

Niech:
x - wartość prawdziwa cechy X
x’= x + d - wartość obserwowana cechy X
x’ - x = d - błąd losowy i/lub systematyczny

≠

-obciąŜenie systematyczne:
wyniki niedoszacowane lub przeszacowane

Błędy

losowe

Zróżnicowanie

populacji

Rozmiar próby

Metoda

Błędy

nielosowe

Bł

dy w badaniach ilo

ciowych

Bł

dy w badaniach ilo

ciowych

Metoda

estymacji

Metoda

losowania

•

Błędy losowe małe i duŜe

Lepiej!

Wyniki są mniej

zróŜnicowane

Gorzej!

Wyniki są bardziej

zróŜnicowane.

Zakres rozrzutu jest miarą efektywności

wnioskowania na podstawie próby.

Jest to tzw. standardowy błąd szacunku

(SE) reguły jego obliczania są znane.

•

Błąd losowy

•

Bł

redniokowadratowy:

)

(

)

(

)

(

MSE

−

Błąd sredniokowadratowy:

)

(

)

(

)

(

MSE

−

Informuje jak daleko odbiegają oceny t

)

(

)

(

MSE

−

Z dwóch rodzajów błędów

tylko poziom

błędu losowego moŜe być oszacowany!

)

(

)

(

)

(

)

(

MSE

≈

−

′

Poziom błędu standardowego z próby prostej

•

Dla wartości średniej:

•

Dla frakcji:

)

(

)

(

≈

−

)

(

)

(

−

≈

−

)

(

)

(

−

≈

−

Bł

d wzgl

dny:

)

(

Do 7,5% - estymacja precyzyjna
od 7,5 do 15% - estymacja dostateczna
powy

ej 15% - estymacja niedostateczna

•

Jest funkcją

zróżnicowania populacji

⇒

Z populacji

bardziej jednorodnej otrzymujemy próby dające błędy
mniejsze.

Od czego zależy precyzja czyli błąd

standardowy (SE)

•

Jest funkcją

rozmiarów próby

⇒

duża próba daje błąd

mniejszy niż próba mała.

•

Jest funkcją

techniki losowania

⇒

dodatkowa informacja

pozwala zastosować bardziej efektywne techniki losowania

Błąd sredniokowadratowy:

)

(

)

(

MSE

−

′

Tylko ten składnik MSE zaleŜy od wielkości próby.

Wzrost liczebności próby nie musi i nie poprawi

dokładności badania

WNIOSKOWANIE Z PRÓBY NA POPULACJĘ

Liczebność próby a maksymalny błąd oszacowań w %

błąd (%)

Bł

systematyczny

100

200

300

400

500

600

700

800

900

1000

1100

1200

1300

1400

1500

1600

wielkość próby

systematyczny

Błąd badania fragmentarycznego

Skala badania

mała

Błąd losowy

Błędy nielosowe

Błędy

losowe

Zróżnicowanie

populacji

Rozmiar próby

Metoda

Błędy

nielosowe

Błędy treści

Błędy pokrycia

Bł

dy w badaniach ilo

ciowych

Bł

dy w badaniach ilo

ciowych

Metoda

estymacji

Metoda

losowania

Zbiorowość

zdefiniowana

w celu badania

Prawda

Badana zbiorowość

Wynik badania

Błędy

pokrycia

Błąd

struktury

Błąd wybory

Błędy treści

Błąd

pomiaru

Błąd analizy

Błąd

zagubienia

Błąd

odrzucenia

Błąd

interpretacji

Zasady doboru próby

√√√√

Określenie populacji badanej.

√√√√

Określenie operatu losowania (jeśli istnieje)

√√√√

Określenie jednostki wyboru.

√√√√

Ustalenie wielkości próby.

√√√√

Wybór metody doboru jednostek:

Próba losowa:

Próba pseudo-losowa

Próba celowa

Próba losowa:

O trafieniu jednostki do próby

decyduje niezaleŜny od

wybierającego mechanizm

wybory i moŜna określić

prawdopodobieństwo trafienia

jednostki do próby

Próba pseudo-losowa

określamy proporcje osób,

które wezmą udział w badaniu

np. ze względu na wiek, płeć,

wykształcenie, miejsce

zamieszkania

(kwotowa)

Próba celowa

szukamy osób, które

naleŜą do grupy

docelowej

Próba ma charakter losowy, gdy przyj

te kryterium doboru

jednostek jest niezale

ne od badanych cech i gdy ka

da jednostka

zbiorowo

ci ma ró

ne od zera p-stwo znalezienia si

w próbie.

Operat losowania:

wykaz jednostek tworzących

badaną zbiorowość (populację)

Musi być:
- kompletny,
- aktualny,
- gwarantujący identyfikowalność jednostek.

Dobór celowy:

nie ma potrzeby dowodzenia reprezentatywności i

oceny precyzji

Dobór losowy:

jest potrzeba zagwarantowania

reprezentatywno

ci i oceny precyzji

Dobór celowy:

nie ma potrzeby dowodzenia reprezentatywności i

oceny precyzji

•

Dobór kwotowy:

gdy badane zjawiska, o których

nie ma żadnej informacji są silnie skorelowane z
cechami o znanych rozkładach (podstawa
ustalania kwot).

•

Dobór typowy

lub

przez eliminację

(warunki

•

Dobór typowy

lub

przez eliminację

(warunki

stosowania j.w.).

•

Dobór przypadkowy

: nie oczekuje się zgodności

jakichkolwiek struktur.

•

Dobór wg „

kuli śniegowej

”: badanie

środowiskowe o znacznej homogeniczności
populacji i trudnej dostępności jednostek

Zagrożenia w doborze celowym

•

Błędny osąd i intuicja badacza co do
prawidłowości występujących w populacji.

•

Nadmierna chęć uczestnictwa w badaniach jest

podyktowana specjalnymi predyspozycjami

podyktowana specjalnymi predyspozycjami
respondentów, które nie zawsze są zgodne z
cechami populacji.

•

Brak uzasadnienia wiarygodności wyników tego
typu badań i łatwo argumentować przeciw nim,
jeśli są „niewygodne”.

Cechy doboru losowego:

•

W czasie losowania elementy populacji nie
przemieszczają się.

•

Dostęp do każdego elementu populacji jest
jednakowy.

•

Elementy populacji są dostatecznie wymieszane.

Próba ma charakter losowy, gdy przyj

kryterium doboru jednostek jest niezale

ne od

badanych cech i gdy ka

da jednostka

zbiorowo

ci ma ró

ne od zera p-stwo

znalezienia si

w próbie.

Jak losować?

Prosto!!!

Próba losowa prosta:

10097

32533

76520

13586

34673

54876

80959

37542

04805

64894

74296

24805

24037

20636

08422

68953

19645

9303

23209

02560

15953

99019

02529

09376

70715

38311

31165

88676

99019

02529

09376

70715

38311

31165

88676

12807

99970

80157

36147

64032

36653

98951

66065

74717

34072

76850

36697

36170

65813

31060

10805

45571

82406

35303

42614

86799

85269

77602

02051

65692

68665

74818

73053

63573

32135

05325

47048

90553

57548

28468

73796

45753

03529

64778

35808

34282

60935

98520

17767

14905

68607

22109

40558

60970

11805

05431

39808

27732

50725

68248

29405

83452

99634

06288

98083

13746

70078

18475

88685

40200

86507

58401

36766

67951

90364

99594

67348

87517

64969

91826

8928

93785

O zastosowaniu określonej metody doboru próby

decydują warunki,

w jakich będzie realizowane badanie.

1. Populacje mogą być skończone lub nieskończone.

2. Wiedza o populacji moŜe być bardzo rozległa i opierać się na

dostępnych danych lub zweryfikowanych teoriach i hipotezach lub
teŜ wiedza taka moŜe w ogóle nie istnieć.

3. Skład populacji moŜe być nieustannie lub okresowo weryfikowany

w postaci spisów i innych rejestrów, lub teŜ nie ma moŜliwości
utworzenia imiennej listy jednostek tworzących populację.

Jeśli jest znana wielkość populacji i istnieje

moŜliwość nawiązania kontaktu z kaŜdą jednostką,

to wystarczy, by zbudować próbę losową

Dobór losowy:

jest potrzeba zagwarantowania reprezentatywności i

oceny precyzji

•

Dobór prosty ze zwracaniem lub bez zwracania.

•

Dobór warstwowy.

•

Dobór zespołowy.

•

Dobór wielostopniowy.

•

Dobór systematyczny.

Losowanie
ograniczone

•

Dobór systematyczny.

•

Losowanie z jednakowymi prawdopodobieństwami
wyboru: tzw. próby samoważące się

•

Losowanie z różnymi prawdopodobieństwami wyboru:
konieczność przeważenia wyników

Losowanie proste ze zwracaniem

lub bez (efektywniejsze)

Kiedy?

Brak jakichkolwiek informacji o populacji i populacje nie są

zbyt liczne.

Zalety:

Wady:

•

Próby wyważone
automatycznie.

•

Proste metody
obliczania precyzji

•

Łatwe!

•

Dogodny tylko dla
małych populacji.

•

Wymaga znajomości
operatu losowania.

Zalety:

Wady:

( )

)

(

≈













−

MSE

)

(

)

(

)

(

)

(

≈













−

Losowanie proste bez zwracania:

∑

( )

(

)

∑

−

gdzie:

oraz

n – liczebno

ść

próby

N – liczebno

ść

populacji

Losowanie systematyczne

interwał losowania:

k = N/n

Kiedy?

Brak jakichkolwiek informacji o populacji i zawsze gdy

brak operatu losowania

Losowanie systematyczne:

MSE

)

(

)

(

)

(

≈













−

≈

li jednostki populacji przed losowaniem zostały uporz

dkowane w sposób losowy, to:

)

(

)

(

)

(

≈

−

≈

Losowanie systematyczne

interwał losowania:

k = N/n

Kiedy?

Brak jakichkolwiek informacji o populacji i zawsze gdy

brak operatu losowania

Zalety:

Wady:

•

Próby wyważone
automatycznie.

•

Precyzja taka jak dla
próby prostej

•

Łatwe!

•

Ukryte
powarstwowanie
populacji

Zalety:

Wady:

śc

BSS

WSS

TSS

Równo

ść

wariancyjna

śc

Nr grupy

BSS

WSS

)

(

)

(

)

(

WSS

BSS

TSS

Losowanie warstwowe

Kiedy?

Istnieją dodatkowe informacje o populacji i populacje są

bardzo liczne.

Zalety:

Wady:

•

Są bardziej efektywne, czyli
dostarczają bardziej precyzyjnych
informacji.

•

W każdej warstwie można
stosować inną technikę losowania.

•

Warstwowanie można
przeprowadzić po wylosowaniu
próby dostosowując się do
potrzeb

•

Wymaga znajomości struktur
populacji. Jest tym
efektywniejsze im mniejsze
jest zróżnicowanie warstw.

•

Pożądany operat losowania.

Losowanie warstwowe:

∑

⋅

−

)

(

gdzie:

∑

⋅













−

MSE

)

(

)

(

)

(

)

(

≤

( )

(

)

∑

−

∑

gdzie:

oraz

∑

k – liczba warstw,

Losowanie warstwowe

Kiedy?

Istnieją dodatkowe informacje o populacji i populacje są

bardzo liczne.

Zalety:

Wady:

•

Są bardziej efektywne, czyli
dostarczają bardziej precyzyjnych
informacji.

•

W każdej warstwie można
stosować inną technikę losowania.

•

Warstwowanie można
przeprowadzić po wylosowaniu
próby dostosowując się do
potrzeb

•

Wymaga znajomości struktur
populacji. Jest tym
efektywniejsze im mniejsze
jest zróżnicowanie warstw.

•

Pożądany operat losowania.

Techniki losowania:

Proporcjonalne, czyli z róŜnymi prawdopodobieństwami

wyboru

Kiedy?

Populacje są bardzo liczne. Istnieją zespoły o zdecydowanie

róŜnych rozmiarach

•

Można stosować gdy istnieje
operat ograniczony tylko do
zespołów.

•

Uwzględnia strukturę
populacji.

•

Wymaga znajomości struktur
populacji.

•

Korzysta się z informacji
dotyczącej przeszłości.

•

Może wymagać przeważenia
danych

Zalety:

Wady:

Losowanie zespołowe

Kiedy?

Brak jakichkolwiek informacji o jednostkach populacji lecz

istnieją informacje o podgrupach (zespołach) oraz populacje

są bardzo liczne

Losowanie zespołowe:

∑

−

⋅

−

MSE

)

(

)

(

)

(

)

(

∑

∑∑

k – liczba zespołów w próbie
K – liczba zespołów w populacji
M

– liczebność kaŜdego zespołu

Losowanie zespołowe

Kiedy?

Brak jakichkolwiek informacji o jednostkach populacji lecz

istnieją informacje o podgrupach (zespołach) oraz populacje

są bardzo liczne

Zalety:

Wady:

•

Ograniczenie operatu tylko do
listy zespołów.

•

Mało rozproszone terytorialnie
próby.

•

Efektywny! Ale przy dużej
liczbie zespołów o małych
rozmiarach w próbie

•

Złożony schemat losowania, na
ogół dwustopniowy: zespoły i
jednostki

Losowanie dwustopniowe:

zespołowe i w zespołach proste bez zwracania

lub systematyczne

Kiedy?

Brak jakichkolwiek informacji o jednostkach populacji lecz

istnieją informacje o podgrupach (zespołach) oraz populacje

•

Ograniczenie operatu tylko do
listy zespołów.

•

Mało rozproszone terytorialnie
próby.

•

Efektywny! Ale przy dużej
liczbie zespołów o małych
rozmiarach w próbie

•

Złożony schemat losowania, na
ogół dwustopniowy: zespoły i
jednostki

istnieją informacje o podgrupach (zespołach) oraz populacje

są bardzo liczne

Zalety:

Wady:

Dla zespołów ró

nolicznych w populacji, równych liczebno

ciach próby (n

) w ka

dym zespole:

( )

)

(

)

(

)

(

)

(

MSE

∑

−

⋅

−

Losowanie dwustopniowe: zespołowe i w zespołach proste bez zwracania:

∑

∑∑

∑

−

)

(

)

(

∑∑

−

)

(

)

(

to wariancja międzyzespołowa

to wariancja wewnątrzzespołowa

k – liczba zespołów w próbie
K – liczba zespołów w populacji
n

– liczebność kaŜdej podpróby

Zagrożenia w doborze losowym

• Ignorowanie konsekwencji wyboru techniki

losowania:

Sposób pobierania próby jest

sprz

ęŜ

ony ze sposobem estymacji wybranego

parametru. Dokonanie zmian w jednej ze „stron”
wywoływa

musi zmian

w drugiej.

•

Niedostosowana do rzeczywisto

ci technika

losowania:

Otaczaj

ca rzeczywisto

ść

ma zło

struktur

i dlatego s

potrzebne adekwatne do

niej schematy losowania.

• Ignorowanie sprawdzania losowo

ci wylosowanej

próby

sprawdzania losowości

wylosowanej próby: test serii

1. Wyznaczenie mediany dla cechy, według której losowo

ść

próby powinna by

zachowana.
2. Oznaczenie symbolami:
np.

tych jednostek, których warto

ci cechy s

mniejsze od mediany,

symbolem

warto

ci, które s

ksze od mediany.

symbolem

warto

ci, które s

ksze od mediany.

W przypadku gdy jednostka posiada warto

ść

cechy identyczn

z warto

mediany,

nale

y j

pomin

ąć

3. Okre

lenie liczby serii symboli A oraz B oraz liczby elementów A, tj. n

, i liczby

elementów B, tj. n

4. Odczytanie z tablic rozkładu serii warto

ci krytycznych

, tzn. takich, które

wyznaczaj

przedział warto

ci (k

, k

〉

, okre

laj

cych dopuszczalne liczby serii

obserwowane w próbie, z przyj

tym ryzykiem bł

(na ogół 5%).

Gdy rozmiar próby przekracza 40

elementów:

Wykorzystanie zbie

ść

liczby serii do rozkładu normalnego.

: próba ma charakter losowy

: próba nie ma charakter ulosowego

Warto

ść

statystyki testuj

cej okre

la wzór:

−

)

−

)

(

)

(

)

(

)

(

−

która ma rozkład N(0, 1).
Jeśli wartość statystyki u nie przekracza wartości 1,96, to nie ma podstaw do odrzucenia hipotezy zerowej,
czyli by podwaŜać losowy charakter próby.

gdzie:

Techniki prowadzenia wywiadu

Zalety:

Wady:

Niskie koszty.

Brak wpływu ankietera na udzielane

odpowiedzi.

Konieczność formułowania prostych pytań.

Brak moŜliwości „sondowania” odpowiedzi.

Odpowiedzi są ostateczne.

Ankieta pocztowa:

odpowiedzi.

Wysoki poziom anonimowości.

Czas na przemyślenie odpowiedzi.

Znaczna dostępność respondentów.

Odpowiedzi są ostateczne.

Brak kontroli nad tym, kto w rzeczywistości

udziela odpowiedzi.

Niski odsetek odpowiedzi.

Techniki prowadzenia wywiadu

Zalety:

Wady:

MoŜliwość budowania pytań złoŜonych o

wyŜszym stopniu trudności.

MoŜliwości „sondowania” odpowiedzi.

Wysokie koszty.

Wpływ ankietera na udzielane odpowiedzi.

Brak wysokiego poziomu anonimowości.

Ankieta bezpo

rednia (face-to-face):

MoŜliwość bezpośredniego kodowania danych

(CATI).

Kontrola nad tym, kto w rzeczywistości

udziela odpowiedzi.

Wysoki odsetek odpowiedzi.

MoŜliwość oceny warunków zbierania

informacji.

Brak czasu na przemyślenie odpowiedzi.

Zasady prowadzenia wywiadu osobistego:

•Powiedz respondentowi, kim jeste

i kogo reprezentujesz.

•Powiedz respondentowi, co robisz, w sposób wzbudzaj

cy zainteresowanie.

•Powiedz respondentowi, w jak sposób został wybrany.

•Dostosuj post

powanie do sytuacji.

•Dostosuj post

powanie do sytuacji.

•Postaraj si

wytworzy

atmosfer

zaufania i zrozumienia.

•Nie zadawaj pyta

z pami

ci.

•Nie interpretuj pyta

•Nie zmieniaj kolejno

ci i nie omijaj pyta

Techniki prowadzenia wywiadu

Zalety:

Wady:

Przeciętne koszty.

Krótki czas realizacji.

Łatwość odmowy udziału w badaniu.

Łatwość przerwania wywiadu.

Ankieta telfoniczna (TI):

Krótki czas realizacji.

DuŜa liczba respondentów.

Wysoki odsetek odpowiedzi.

MoŜliwość bezpośredniego kodowania danych

(CATI).

Dotarcie do osób, które niechętnie uczestniczą w

badaniach pocztowych lub w wywiadach

osobistych.

MoŜliwość kontroli zadawania pytań i rejestracji

danych.

MoŜliwości „sondowania” odpowiedzi.

Łatwość przerwania wywiadu.

Brak wysokiego poziomu anonimowości.

Brak czasu na przemyślenie odpowiedzi.

Brak kontroli nad tym, kto w rzeczywistości

udziela odpowiedzi.

Baza danych

Definiowanie zmiennych:

1. Nazwa
2. Typ
3. Liczba znaków

3. Liczba znaków
4. Liczba miejsc po przecinku
5. Etykieta
6. Wyodr

bnione kategorie

7. Braki danych
8. Szeroko

ść

kolumny

9. Wyrównanie
10.Skala pomiaru

Badanie spójności bazy danych

Wszystkie warto

ci mieszcz

w ramach ustalonych przez zasady skalowania.

Wyst

puje zgodno

ść

w filtrach.

Rozstrzygni

ta kwestia obserwacji nietypowych.

Wyst

puje spójno

ść

logiczna danych.

Gdy respondent może mówić nieprawdę!

Technika odpowiedzi losowych

•

Reszka

– odpowiadamy na

pytanie 1

•

Orzeł

– odpowiadamy na

pytanie 2

•

(reszka) Zdarzyło mi się, że w trakcie
zakupów w supermarkecie
zjadłam/zjadłem batonik
czekoladowy i nie zapłaciłem/am za
niego

•

(orzeł) Brałem udział w ostatnich
wyborach parlamentarnych

wyborach parlamentarnych

)

(

)

(

)

(

)

(

)

(

)

(

)

(

)

(

)

(

)

(

)

(

)

(

⋅

−

∪

⋅

∪

Estymacja frakcji odpowiedzi pozytywnych na pytanie 1:

Przykład: braki danych

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

1.0

2.0

Przykład: braki rekordów

Liczba ludności miast według płci i

wyróŜnionych grup wieku

Struktura ludności miast według płci i

wyróŜnionych grup wieku

Grupy wieku

płeć

razem

płeć

razem

kobiety

męŜczyźni

kobiety

męŜczyźni

15 – 19

58716

60901

119617

10,5%

10,9%

21,4%

20 – 29

112962

111769

224731

20,2%

20,0%

40,3%

30 - 39

111571

102246

213816

20,0%

18,3%

38,3%

Liczba ludno

ci miast według płci i wyró

nionych grup wieku oraz wska

niki struktury dla wyró

nionych grup

Ogółem

283249

274916

558165

50,7%

49,3%

100,0%

Liczba respondentów według płci i wyró

nionych grup wieku oraz wska

niki struktury dla wyró

nionych grup

Liczba respondentów według płci i

wyróŜnionych grup wieku

Struktura próby według płci i grup wieku

Grupy wieku

płeć

razem

płeć

razem

kobiety

męŜczyźni

kobiety

męŜczyźni

15 – 19

104

199

12,6%

11,5%

24,1%

20 – 29

184

194

378

22,2%

23,5%

45,7%

30 – 39

158

250

11,1%

19,1%

30,2%

Ogółem

380

447

827

45,9%

54,1%

100,0%

Metody redukcji

błędów

nielosowych

Imputacje

Ważenie danych

(poststratyfikacja)

Metody redukcji bł

dów nielosowych

Imputacja - braki pojedynczych odpowiedzi

dedukcyjna

deterministyczna

stochastyczna

wprowadzenie wartości umownych

rednie

cold-deck

hot-deck

z innych badań lub symulacji

podobieństwo obiektów

Uwzględnienie składnika losowego w imputacji deterministycznej

Ważenie:

•

Ważenie musi być stosowane jeśli próba nie jest
samoważąca się

⇒ losowanie proste,

systematyczne, proporcjonalne

•

W przypadku procedur ograniczonego doboru
losowego każda próba może być reprezentatywna dla
populacji, jeśli każdemu elementowi próby przypisze
się prawdopodobieństwo znalezienia się w próbie

Przyczyny ważenia danych:

•

Technika losowania.

•

Odmowy odpowiedzi.

•

Dostosowanie do reprezentatywności ze
względu na różne cechy (poststratyfikacja)

Document Outline