God Survey Research Design begynder med stærk prøveudtagningsstrategi
Traditionel markedsundersøgelse er baseret på tanken om, at en stikprøve - en repræsentativ gruppe af respondenter - kan identificeres og få adgang til.
Repræsentative prøver i undersøgelsen
I markedsundersøgelser henviser udtrykket repræsentativ stik til:
- Udvælgelsen af et par forbrugere, der matcher medlemmer af et forbrugernes målunivers. Et eksempel på et målunivers kan være ejere og brugere af SmartPhones i alderen 20 til 30 år.
- Kampen mellem prøven og universet skal være stærk for alle attributter, der forventes at være indflydelsesrige på undersøgelsesresultater.
- Et eksempel på en stikprøve til univers-kamp kunne være valg af forbrugere til en parfume designet af en ung kvindelig berømthed. I dette tilfælde vil attributter, der forventes at være indflydelsesrige i undersøgelsesresultaterne, være Kvinde, 18-28 år, Underholdnings-Kyndige.
- Et sekundært sæt af attributter kan være: Urban-bolig, indskrevet på college, bosat på østkyst eller vestkyst, skønsmæssig indkomst (indkomstniveau).
- Andelen af medlemmer, som relevante karakteristika kan tilskrives i en stikprøve, skal nøje tilnærme proportionerne af medlemmerne i det målrettede univers af forbrugere.
- For eksempel, hvis forbrugeruniverset indeholder forretningsfolk, universitetsstuderende og seniorer, kunne en repræsentativ prøve ikke bygges af behagelige studerende i universitetsbiblioteket på onsdagens eftermiddage.
- Adgang til undersøgelsesdeltagere kan være svært. Det er en af hovedårsagerne til, at professionelle paneler af forbrugere ofte bruges i undersøgelsesinitiativer.
- En anden effektiv strategi er at anvende en stratificeret tilfældig prøveudtagningsprocedure , der hjælper en forsker til at udslette data om undergrupper.
Prøveudvælgelse i Survey Research
Medlemmer af en prøve udvælges på en række måder, der skal reducere bias. Det betyder, at sandsynligheden for at generere gyldige forskningsresultater øges , og konklusionerne kan generaliseres til måluniverset.
Undersøgelsesprøver udvælges fortrinsvis gennem en randomiseringsproces. For eksempel, hvis prøveledere vælges fra en database, kan hvert tredje medlem i databasefortegnelsen blive valgt. Lejlighedsvis kan medlemmer af en prøve blive tildelt i stedet for tilfældigt valgt. Det er ikke en foretrukket tilgang, da undersøgelser under de bedste betingelser er underlagt stikprøvebaserede unøjagtigheder, der har alt at gøre med chance og intet at gøre med forskningsdesign. Lad os se på en liste over fejlkilder, ændret fra vælgernes telefonafstemningsproblemer identificeret af eksperimentelle ressourcer . Denne liste indeholder mulige kilder til unøjagtigheder på tværs af undersøgelsesdesign, undersøgelsesimplementering og analyse af undersøgelsesdata:
- Ufuldstændige oplysninger om medlemmer af en database medfører, at vigtige variabler udelades fra prøven
- Prøve medlemmer, der blev valgt, er ikke villige til at deltage i undersøgelsen.
- Prøvemedlemmer, der afviser at deltage i undersøgelsen, er forskellige med hensyn til en vigtig variabel i undersøgelsen end de prøveeksemplarer, der accepterer at deltage.
- Undersøgelsens respondenter giver falske eller ufuldstændige svar på undersøgelsesspørgsmål.
Elementerne i denne liste, der er ændret igen fra telefonvalgtilsynet af eksperimentelle ressourcer , er relateret til undersøgelsesdesign.
- En randomiseringsproces blev brugt, men ved en tilfældighed opfanger den for mange afvigere. *
- Spørgsmålene på undersøgelsen er formuleret dårligt og forvirrer respondenterne.
- Rækkefølgen af spørgsmålene i undersøgelsen påvirker uhensigtsmæssigt svarene fra efterfølgende spørgsmål.
- Undersøgelsessvar er underlagt vægtning eller gruppering, der forvrider dataene.
Når en markedsforsker er rimeligt komfortabel, at en prøve er repræsentativ for målpopulationen i sin undersøgelsesundersøgelse, kan opmærksomheden skifte til overvejelse af stikstørrelses- og konfidensintervaller .
Eksperimentressourcer er et interessant websted skabt af psykologforskere, der forsøgte at finde ud af, hvordan man beregner og fjerner outliers.