Расчет объема выборочной совокупности

( ошибка выборки 5%)

Объем генеральной совокупности (чел.)
Объем выборочной совокупности (чел)

Единицы наблюдения в вероятностной выборке выбираются случайно (лототрон, таблицы случайных чисел). Разновидностью случайных выборок являются также: механическая (пошаговая), когда из генеральной совокупности (например, списочный состав сотрудников) через равные промежутки отбирают необходимое количество респондентов; гнездовая ( кластерная), когда из генеральной совокупности отбирают объекты, представляющие собой группы (гнезда) более мелких единиц и внутри гнезд проводят сплошной опрос.

К неслучайным, целенаправленным выборкам неприменимы правила и законы теории вероятности. К такому классу выборок относятся стихийная выборка (первого встречного); выборка основного массива, при которой опрашивается 60-70% генеральной совокупности; квотная выборка. Среди неслучайных целенаправленных выборок квотная на сегодняшний день является наиболее часто применяемой в опросах общественного мнения по социально-политическим и экономическим проблемам. Для формирования квотной выборки надо знать параметры генеральной совокупности по интересующим нас признакам. Все данные о каком-либо признаке называются квотой, а их отдельное числовое значение – параметром квоты. При таком типе выборки респонденты выбираются целенаправленно, с соблюдением параметров квот. Число признаков, данные о которых выбираются в качестве квот, обычно не превышает четырех. Квоты могут быть заданы как по независимым, так и по взаимосвязанным параметрам (например, 20 студентов в возрасте до 22 лет, проживающих в общежитии).

Надо отметить также, что большинство исследований, проводимых сегодня крупными исследовательскими центрами России, используют комбинированные, многоступенчатые выборки.

В качестве примера рассмотрим, как формировалась выборка в нашем исследовании учебно-познавательной активности студентов. Генеральной совокупностью являлись студенты САмГТУ очной формы обучения, примерная численность которых составляет более 5000 человек, следовательно, объем выборки – не менее 370 человек. Использование строго вероятностных методов отбора было бы весьма затруднительно: пришлось бы составлять сплошные списки студентов всех 11 факультетов, определять шаг выборки, а затем – «отлавливать» по одному всех, попавших в список. Как видите, это не реально, так как потребовало бы больших временных затрат. Поэтому разумнее было использовать комбинированную многоступенчатую выборку, то есть попробовать сформировать компактную и экономичную модель. На первом этапе мы решили выбрать из 11 факультетов – только два, но случайным методом. Таблички с названиями факультетов тщательно перемешиваются и вынимаются две любые из них. Таким образом, у нас оказались ХТФ и ФАИТ. Зная среднюю численность студентов на факультете, нетрудно определить пропорции выборки – 1:2, таким образом, на ХТФ нам надо опросить примерно123 человека, а на ФАИТ – 247 человек. Исходя из целей исследования и гипотез, желательно было сделать замеры на разных курсах обучения, где по нашим предположениям уровень учебно-познавательной активности будет существенно отличаться. Было решено включить в выборочную совокупность студентов 1, 3 и 4 курсов. Курсы обучения представлены гнездами групп. Учитывая среднюю численность студентов в группах, было решено на каждом курсе обучения факультетов отобрать случайным образом по две группы и внутри групп провести сплошной опрос. Число присутствующих на занятиях на момент опроса, конечно, отличалось от списочного состава и, таким образом, было опрошено всего 283, а не 347 человек (что само по себе уже характеризует учебно-познавательную активность студентов). Так можно ли считать нашу выборку репрезентативной? Ответим на это словами известного российского социолога В.А.Ядова: «Конечно, если перед нами стоит задача выполнения дескриптивного исследования большой общественной значимости, надо максимально реализовать все требования репрезентативности выборки. Если же задачи исследования скромнее, уровень надежности планируемых выводов с точки зрения их статистической значимости можно смело понизить. Преувеличенное внимание к формально-статистическим критериям и их абсолютизация за счет качества исходных данных и их анализа – свидетельство профессиональной неопытности социолога. Нельзя забывать о реальной природе того, что кроется за цифрами, ведь сами исходные характеристики, получаемые в исследовании, лишь условно переводятся в количественные показатели. Часто эти количественные сведения лишь приблизительно отражают существо социальных процессов. Поэтому усилия, направленные на строгость статистического обоснования результатов, приобретают смысл лишь при условии серьезного качественного анализа проблемы».

Тема 2. Логическая схема обработки и анализа информации

Еще до начала полевого этапа вы должны представлять, в каком виде, и в каких сочетаниях варьируюших признаков вы можете получить подтверждение ваших гипотез. Иными словами, вы должны заранее предусмотреть необходимые связи признаков, чтобы при обработке массива информации получить перекрестные (двумерные или трехмерные) таблицы. Кроме того, неплохо предусмотреть и возможности индексации некоторых признаков, что сделает информацию более компактной и наглядной. Осуществлению этой задачи служит логическая схема обработки и анализа информации, котораяпредставляет собой краткое описание алгоритма действий исследователя в процессе математической и логической обработки полученной базы данных. Это своего рода маршрут продвижения исследователя к конечной цели исследования – формулированию выводов и рекомендаций. Каким бы образом вы не обрабатывали информацию – вручную, самостоятельно, или на компьютере, с помощью программы SPSS, без этой логической схемы вам не обойтись. Составить блок-схему расчетов, а затем табулировать полученные результаты, то есть перевести расчетные данные в табличные данные, можно лишь в том случае, когда имеешь перед глазами опросный лист (анкету, бланк формализованного интервью), где каждый из пронумерованных вопросов и представляет собой отдельную переменную.

Рассмотрим на конкретном примере вариант логической схемы анализа и обработки информации (макет анкеты исследования «Учебно-познавательная активность студентов» см. в Приложении). В том случае, если обработка информации осуществляется самостоятельно, без применения программного продукта, ваша схема может выглядеть примерно так:

· для вопросов №27,29 разработать интервальную шкалу для более эффективной обработки информации;

· вопросы № 9,12,21,27- 31 нуждаются в предварительной смысловой обработке открытой части вопросов;

· Простые распределения ответов на все вопросы анкеты;

· Связи (перекрестные таблицы) для подтверждения гипотез:

Гипотеза1- 12х10,12х16,12х19,12х20,12х21,12х22,12х24,12х26,31х10,31х18.

Гипотеза2- – 24х16,24х17,24х18,24х19,24х20,24х21,24х22.

Гипотеза 3 – (28 + 29) х7,8,16,17,18,19,20,21,24,26.

Гипотеза5– 5х16,15х17,15х18,15х19,15х20,15х21,15х24,15х26,15х30,15х31.

Гипотеза6- 14х16,14х17,14х18,14х19,14х20,14х21,14х24,14х26,14х31.

· Индексирование признаков: 10х7х8; 19х7х8; 24х7х8; 26х7х8.

Дата добавления: 2014-12-29