0
Populace / základní soubor Soubor jednotek, které chceme zkoumat –  předpokládáme, že naše výroky jsou pro  tento soubor ...
   Zobecnitelnost vzorku na populaci   Jde to, co bylo vyzkoumáno, vztáhnout i na    další prvky populace?   Kvalitativ...
Reprezentativní výběry               Nereprezentativní                                                      výběry Pravděp...
   Plán výběru musí být    známý předem   Důležitá je znalost    populace    (buď potřebujeme seznam    jednotek nebo mu...
Velikost a složení výběru záleží na:   Míře homogenity populace   Členitosti zkoumaných znaků   Používání dalších stupň...
Pravděpodobnostní           výběry
   Každý prvek (jednotka) základního souboru    má stejnou šanci dostat se do výběrového    souboru (vzorku)   Princip n...
 Vyžaduje sampling frame (oporu výběru) „losování“ Vyjadřuje všechny známé i neznámé  vlastnosti populace (největší výh...
Zdroj: BABBIE, Earl. The Practice of Social Research.
   Vybíráme každý n-tý případ:     Nejprve je náhodně (losem) stanoven první prvek     a poté každý x-tý (x = podíl veli...
Zdroj: BABBIE, Earl. The Practice of Social Research.
Zdroj: Disman, M.: Jak se vyrábí sociologická znalost, s. 106
1.   Vytvoříme straty (skupiny homogenní     vzhledem ke konkrétnímu kritériu – pohlaví     věk – záleží na hypotézách)2. ...
 Podobný jako stratifikovaný, ale skupinky jsou  přirozeného původu a jsou uvnitř heterogenní1. Identifikujeme skupiny (c...
Velikost populace         Velikost vzorku                              (pravděpodobnostní výběry)Do 100 jednotek          ...
Kvótní výběr
   Imituje známé vlastnosti ve struktuře    populace (vytváříme model populace)   Lze použít jen pro dobře zmapované    ...
Nereprezentativní          výběry
   Tzv. výběr nabalováním   Vhodný k výběrům ve specifických    souborech, které nejsou výzkumníkům    známé a neexistuj...
   Výběry pro potřeby kvalitativního šetření   Výzkumník postupně šetří další jednotky a    svůj výběr ukončuje ve chvíl...
Kvantitativní zkoumání      Kvalitativní zkoumání                       (statistický výběr)         (teoretický výběr)Popu...
Speciální druhy        výběrů
   N=1   Případová studie   Jednotka (knihovna, člověk, rodina, instituce)    bývá volena obvykle jako představitelka  ...
   Úplný/totální/vyčerpávající výběr   Speciální případy (ČSÚ) nebo pokud je    populace tak malá, že není efektivní děl...
   Experimenty   Ankety (samovýběr), výběr namátkou („kdo    jde zrovna kolem“)Výsledky nejsou zobecnitelné na populaci!...
Použity byly fotografie z Flickru od následujících  autorů: Leandro Pérez, ervega, navrasa
Výběr vzorku
Upcoming SlideShare
Loading in...5
×

Výběr vzorku

1,996

Published on

Prezentace z kurzu Metodologie p

0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
1,996
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
12
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

Transcript of "Výběr vzorku"

  1. 1. Populace / základní soubor Soubor jednotek, které chceme zkoumat – předpokládáme, že naše výroky jsou pro tento soubor platné Soubor jednotek, ze kterých vybíráme vzorekVzorek (výběrový soubor): Množina subjektů, které ve výzkumu zastupují náš výběrový soubor Jednotky, které skutečně zkoumáme, pozorujeme
  2. 2.  Zobecnitelnost vzorku na populaci Jde to, co bylo vyzkoumáno, vztáhnout i na další prvky populace? Kvalitativní vs. kvantitativní výzkum ?
  3. 3. Reprezentativní výběry Nereprezentativní výběry Pravděpodobnostní Nepravděpodobnostní výběry výběryProstý náhodný výběr Kvótní výběr Snowball technikaSystematický výběr Teoretický výběrNáhodný stratifikovaný Výběr typických případůvýběrNáhodný skupinkový Výběr kritických případůvýběr Účelový výběr
  4. 4.  Plán výběru musí být známý předem Důležitá je znalost populace (buď potřebujeme seznam jednotek nebo musíme znát jejich charakteristiky) Snaha o reprezentativnost i efektivitu
  5. 5. Velikost a složení výběru záleží na: Míře homogenity populace Členitosti zkoumaných znaků Používání dalších stupňů třídění Zamýšlené míře statistické pravděpodobnosti výpovědí
  6. 6. Pravděpodobnostní výběry
  7. 7.  Každý prvek (jednotka) základního souboru má stejnou šanci dostat se do výběrového souboru (vzorku) Princip náhody
  8. 8.  Vyžaduje sampling frame (oporu výběru) „losování“ Vyjadřuje všechny známé i neznámé vlastnosti populace (největší výhoda!) Jsme schopni odhadnout, jak se liší od populace (výběrová chyba) Úplná eliminace možnosti ovlivnit podobu vzorku ze strany výzkumníkaNáhodný výběr ≠ jak vás zrovna napadneNáhodný výběr ≠ kdo jde zrovna kolem
  9. 9. Zdroj: BABBIE, Earl. The Practice of Social Research.
  10. 10.  Vybíráme každý n-tý případ:  Nejprve je náhodně (losem) stanoven první prvek a poté každý x-tý (x = podíl velikosti základního a výběrového souboru) Pozor na organizační klíč při řazení seznamů! Seznam musí být v tomto případě řazen náhodně!
  11. 11. Zdroj: BABBIE, Earl. The Practice of Social Research.
  12. 12. Zdroj: Disman, M.: Jak se vyrábí sociologická znalost, s. 106
  13. 13. 1. Vytvoříme straty (skupiny homogenní vzhledem ke konkrétnímu kritériu – pohlaví věk – záleží na hypotézách)2. Ze strat vybereme náhodně jednotky3. Může být proporcionální i neproporcionálníPříklad: předpokládáme, že vnímání kognitivní autority u studentů KISK je odlišné dle věku, délky studia, pohlaví. Vytvoříme straty dle daných kritérií a z nich vybíráme náhodně.
  14. 14.  Podobný jako stratifikovaný, ale skupinky jsou přirozeného původu a jsou uvnitř heterogenní1. Identifikujeme skupiny (clustery)2. Vybereme náhodně clustery3. Vybereme náhodně prvky z clusterůPříklad vícestupňového výběru: Chceme zkoumat registrované uživatele v knihovnách v ČR. Vybereme nejprve náhodně kraje, poté knihovny, poté z nich náhodně čtenáře
  15. 15. Velikost populace Velikost vzorku (pravděpodobnostní výběry)Do 100 jednotek 80 %Do 1000 jednotek 40 %Do 10 000 jednotek 7,5 %Do 100 000 jednotek 1,5 %Do 1 000 000 jednotek 0,25 %Do 10 000 000 jednotek 0,045 %
  16. 16. Kvótní výběr
  17. 17.  Imituje známé vlastnosti ve struktuře populace (vytváříme model populace) Lze použít jen pro dobře zmapované populace (známe podíly zastoupení kvót) Skládání kvót znesnadňuje výběr Nelze stanovit výběrovou chybu(!)Zdroje informací o populaci: např. Český statistický úřad (Sčítání lidu), seznam čtenářů knihovny atd.
  18. 18. Nereprezentativní výběry
  19. 19.  Tzv. výběr nabalováním Vhodný k výběrům ve specifických souborech, které nejsou výzkumníkům známé a neexistují pro ně typicky opory výběru
  20. 20.  Výběry pro potřeby kvalitativního šetření Výzkumník postupně šetří další jednotky a svůj výběr ukončuje ve chvíli, kdy mu další informanti nepřináší již žádné další podstatné informace – dochází k teoretickému nasycení
  21. 21. Kvantitativní zkoumání Kvalitativní zkoumání (statistický výběr) (teoretický výběr)Populace Je definována Není definována (je definován problém)Rozsah výběru Je předem znám Není předem známZnaky populace Známé nebo odhadnutelné Nejsou známé předemProvedení výběru Pouze jednou (redukce na Opakované jeden časový bod)Ukončení výběru Po dosažení potřebného Po dosažení teoretického rozsahu výběru nasyceníReprezentativita Reprezentuje populaci Reprezentuje výzkumný problém Zpracováno dle: Reichel, 2009
  22. 22. Speciální druhy výběrů
  23. 23.  N=1 Případová studie Jednotka (knihovna, člověk, rodina, instituce) bývá volena obvykle jako představitelka standardu (typický případ) nebo méně často jako představitelka extrému (deviace) Je potřeba mít dostatek informací o tom, co je norma a co standard
  24. 24.  Úplný/totální/vyčerpávající výběr Speciální případy (ČSÚ) nebo pokud je populace tak malá, že není efektivní dělat výběr (desítky až stovky prvků)
  25. 25.  Experimenty Ankety (samovýběr), výběr namátkou („kdo jde zrovna kolem“)Výsledky nejsou zobecnitelné na populaci! „Reprezentativita není určována jen počtem jedinců, ale i mechanizmem jejich výběru“ (Reichel, 2009)
  26. 26. Použity byly fotografie z Flickru od následujících autorů: Leandro Pérez, ervega, navrasa
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×