In der Statistik ist eine Stichprobe eine Teilmenge einer Population, die zur Darstellung der gesamten Gruppe als Ganzes verwendet wird. Bei der Recherche ist es oft unpraktisch, jedes Mitglied einer bestimmten Bevölkerung zu befragen, weil die bloße Anzahl der Menschen einfach zu groß ist. Um Rückschlüsse auf Merkmale einer Population zu ermöglichen, können Forscher eine Stichprobe verwenden .
Warum verwenden Forscher Proben?
Bei der Erforschung eines Aspekts des menschlichen Geistes oder Verhaltens können Forscher in den meisten Fällen nicht einfach Daten von jedem einzelnen Individuum sammeln . Stattdessen wählen sie eine kleinere Stichprobe von Individuen, die die größere Gruppe repräsentieren. Wenn die Stichprobe tatsächlich repräsentativ für die betreffende Population ist, können die Forscher ihre Ergebnisse dann auf die größere Gruppe übertragen und verallgemeinern.
Arten der Probenahme
In der psychologischen Forschung und anderen Formen der Sozialforschung stützen sich Experimentatoren typischerweise auf einige verschiedene Stichprobenmethoden.
1. Probability Sampling
Probability Sampling bedeutet, dass jedes Individuum in einer Population steht und eine gleiche Chance hat, ausgewählt zu werden. Da die Wahrscheinlichkeitsprobenahme eine zufällige Auswahl beinhaltet, stellt sie sicher, dass verschiedene Teilgruppen der Population die gleiche Chance haben, in der Stichprobe vertreten zu sein. Dies macht Wahrscheinlichkeitsstichproben repräsentativer, und Forscher sind besser in der Lage, ihre Ergebnisse auf die Gruppe als Ganzes zu verallgemeinern.
Es gibt ein paar verschiedene Arten von Wahrscheinlichkeitsstichproben:
- Einfache Zufallsauswahl ist, wie der Name schon sagt, die einfachste Art der Wahrscheinlichkeitsstichprobe. Forscher nehmen jedes Individuum in einer Population und wählen zufällig ihre Probe aus, oft unter Verwendung irgendeiner Art von Computerprogramm oder Zufallszahlengenerator.
- Bei der geschichteten Zufallsstichprobe wird die Population in Untergruppen aufgeteilt und dann eine einfache Stichprobe aus jeder dieser Untergruppen entnommen. Zum Beispiel könnte eine Forschung die Bevölkerung in Untergruppen basierend auf Rasse, Geschlecht oder Alter aufteilen und dann eine einfache Zufallsstichprobe von jeder dieser Gruppen nehmen. Die geschichtete Zufallsauswahl bietet oft eine höhere statistische Genauigkeit als einfache Stichproben und hilft sicherzustellen, dass bestimmte Gruppen in der Stichprobe genau dargestellt werden.
- Cluster-Sampling beinhaltet die Aufteilung einer Population in kleinere Cluster, oft basierend auf dem geografischen Standort oder den geografischen Grenzen. Eine zufällige Stichprobe dieser Cluster wird dann ausgewählt und alle Themen innerhalb des Clusters werden gemessen. Stellen Sie sich zum Beispiel vor, dass Sie versuchen, eine Studie über Schulleiter in Ihrem Staat zu machen. Die Erhebung von Daten aus jedem einzelnen Schulprinzip wäre kostenintensiv und zeitaufwendig. Mit einer Cluster-Stichprobenmethode wählen Sie nach dem Zufallsprinzip fünf Landkreise aus Ihrem Bundesstaat aus und sammeln dann Daten von jedem Thema in jedem dieser fünf Landkreise.
2. Probenahme ohne Probability
Die Nicht-Wahrscheinlichkeits-Stichprobe beinhaltet andererseits die Auswahl von Teilnehmern, die Methoden verwenden, die nicht jedem Individuum in einer Population die gleiche Chance geben, ausgewählt zu werden.
Ein Problem bei dieser Art von Stichprobe besteht darin, dass Freiwillige bei bestimmten Variablen anders sein können als Nicht-Freiwillige, was es schwierig machen könnte, die Ergebnisse auf die gesamte Bevölkerung zu verallgemeinern.
Es gibt auch ein paar verschiedene Arten von Nicht-Probability-Sampling:
- Convenience Sampling beinhaltet die Verwendung von Teilnehmern in einer Studie, weil sie bequem und verfügbar sind. Wenn Sie sich freiwillig für ein Psychologie-Studium gemeldet haben, das von der psychologischen Fakultät Ihrer Universität durchgeführt wurde, dann haben Sie an einer Studie teilgenommen, die auf einer praktischen Stichprobe beruhte. Studien, die sich auf die Frage nach Freiwilligen oder auf die Verwendung klinischer Proben stützen, die dem Forscher zur Verfügung stehen, sind ebenfalls Beispiele für praktische Proben.
- Bei der zielgerichteten Probenahme werden Personen gesucht, die bestimmte Kriterien erfüllen. Zum Beispiel könnten Marketer daran interessiert sein zu erfahren, wie ihre Produkte von Frauen im Alter von 18 bis 35 Jahren wahrgenommen werden. Sie könnten ein Marktforschungsunternehmen beauftragen, Telefoninterviews durchzuführen, die gezielt nach Frauen suchen, die ihre Alterskriterien erfüllen.
- Bei der Stichprobenauswahl wird absichtlich ein bestimmter Anteil einer Untergruppe innerhalb einer Population abgetastet. Zum Beispiel könnten Meinungsforscher daran interessiert sein, die Meinungen einer Bevölkerung zu einem bestimmten politischen Thema zu recherchieren. Wenn sie einfache Zufallsstichproben verwenden, könnten sie bestimmte Teile der Bevölkerung zufällig übersehen. Stattdessen legen sie Kriterien fest, nach denen ein bestimmter Prozentsatz der Stichprobe diese Untergruppen enthalten muss. Die resultierende Stichprobe ist zwar nicht repräsentativ für die tatsächlichen Proportionen in der Population, aber eine Quote stellt sicher, dass diese kleineren Untergruppen vertreten sind.
Erfahren Sie mehr über die Unterschiede zwischen Wahrscheinlichkeits- und Nichtwahrscheinlichkeitsproben.
Stichprobenfehler
Da die Stichprobe natürlich nicht jedes einzelne Individuum einer Population umfassen kann, können Fehler auftreten. Unterschiede zwischen dem, was in einer Population vorhanden ist, und dem, was in einer Stichprobe vorhanden ist, werden Stichprobenfehler genannt .
Während es unmöglich ist, genau zu wissen, wie groß der Unterschied zwischen Bevölkerung und Stichprobe sein kann, können die Forscher die Größe der Stichprobenfehler statistisch schätzen. In politischen Umfragen zum Beispiel können Sie oft von der Fehlerspanne sprechen, die von bestimmten Konfidenzniveaus ausgedrückt wird.
Im Allgemeinen gilt, je größer die Stichprobengröße, desto kleiner ist die Fehlerquote. Dies liegt einfach daran, dass die Wahrscheinlichkeit, dass alle Merkmale der Population genau erfasst werden, umso größer ist, je näher die Stichprobe der Größe der Gesamtbevölkerung kommt. Der einzige Weg zur vollständigen Eliminierung von Stichprobenfehlern besteht darin, Daten von der gesamten Population zu sammeln, was oft einfach zu kostspielig und zeitaufwendig ist. Stichprobenfehler können jedoch minimiert werden, indem randomisierte Wahrscheinlichkeitstests und eine große Stichprobengröße verwendet werden.
Verweise:
Goodwin, CJ (2010). Forschung in der Psychologie: Methoden und Design. Hoboken, NJ: John Wiley und Söhne.
Nicholas, L. (2008). Einführung in die Psychologie . UCT Presse: Kapstadt.