ایجاد نمونه های نمایندگی برای داده های قوی تر Survey

طراحی تحقیقاتی خوب با استراتژی نمونه گیری قوی آغاز می شود

در یک جهان کامل، یک پروژه تحقیقاتی می تواند تمام اعضای یک جهان هدف را مطالعه کند. به طور کلی، این نه عملی و نه مقرون به صرفه است. در عوض، نمونه های جمعیت بزرگتر (جهان) تولید می شوند - نمونه پایه ای است که از فرضیه ها در مورد جهان هدف ساخته شده است. علاوه بر این، نمونه با استفاده از تکنیک ها و استراتژی هایی که به مطالعه معتبر و قابل اعتماد کمک می کنند، ساخته می شود.

تحقیقات بازار سنتی مبتنی بر ایده است که یک نمونه - یک گروه نماینده از پاسخ دهندگان - می تواند شناسایی و دسترسی پیدا کند.

نمونه های نمایندگی در تحقیقات تحقیقاتی

در تحقیقات بازار، نمونه نمایه term به موارد زیر اشاره می شود:

انتخاب نمونه در تحقیقات تحقیقاتی

اعضای نمونه به روش های متعددی انتخاب می شوند که هدف آنها کاهش تعصب است. این بدان معنی است که احتمال تولید نتیجه های تحقیق معتبر افزایش می یابد و نتیجه گیری ها می توانند به جهان مورد نظر تعمیم داده شوند.

نمونه های مورد نظر ترجیحا از طریق یک فرایند تصادفی انتخاب می شوند. به عنوان مثال، اگر اعضای نمونه از یک پایگاه داده انتخاب شوند، هر عضو سوم در فهرست پایگاه داده ممکن است انتخاب شود. گاهی اوقات اعضای یک نمونه ممکن است مجبور باشند به جای انتخاب تصادفی انتخاب شوند. این یک رویکرد مطلوب نیست زیرا حتی در بهترین شرایط، نظرسنجیها به اشتباهات مبتنی بر نمونه منجر میشوند که همه چیز را با شانس و هیچ ارتباطی با طرح تحقیقاتی ندارد. بیایید به لیستی از منابع خطا نگاه کنیم، اصلاح شده از مسائل مربوط به رای گیری رای دهندگان رایج شده توسط منابع تجربی . این فهرست شامل منابع احتمالی ناکارآمدی در زمینه طراحی نظرسنجی، پیاده سازی نظرسنجی و تجزیه و تحلیل داده های نظرسنجی می باشد.

اقلام این لیست، که از لیست رای گیری توسط Experimental Resources دوباره اصلاح شده است، مربوط به طرح بررسی است.

هنگامی که یک محقق بازار منطقی است که نمونه ای از جمعیت مورد نظر در تحقیقات تحقیقاتی خود را نشان می دهد، توجه به اندازه ی نمونه و فاصله اطمینان می تواند تغییر کند.

منابع تجربی یک وب سایت جالب است که توسط محققان روانشناسی ساخته شده است که سعی داشتند چگونگی محاسبه و حذف آنها را بیاموزند.