サンプルとは何ですか？
意味： サンプルは、研究者が事前定義された選択方法を使用してより多くの母集団から選択または選択する、より小さなデータセットとして定義されます。 これらの要素は、サンプルポイント、サンプリングユニット、または観測値と呼ばれます。 サンプルを作成することは、実施する効率的な方法です リサーチ. ほとんどの場合、母集団全体を調査することは不可能であるか、費用と時間がかかります。 したがって、サンプルを調べることで、研究者が母集団全体に適用できる洞察が得られます。
たとえば、携帯電話メーカーが米国の大学の学生を対象に機能調査研究を実施したい場合です。 研究者が学生が使用する機能、見たい機能、および彼らが喜んで支払う価格を探している場合は、詳細な調査研究を実施する必要があります。 このステップは、開発が必要な機能、アップグレードが必要な機能、デバイスの価格設定、および市場投入戦略を理解するために不可欠です。
2016/17年だけでも、全米の大学に2470万人の学生が在籍していました。 これらの学生全員を調査することは不可能です。費やした時間は新しいデバイスを冗長にし、開発に費やしたお金は研究を役に立たなくします。 地理的な場所ごとに大学のサンプルを作成し、さらにこれらの大学からこれらの学生のサンプルを作成すると、研究に十分な数の学生が提供されます。
通常、市場調査の対象者 巨大です。 全人口を列挙することは事実上不可能です。 サンプルは通常、この母集団からの管理可能なサイズを表します。 次に、研究者はこれらのサンプルから調査、世論調査、およびアンケートの形式でデータを収集し、このデータ分析をより広いコミュニティに外挿します。
サンプルの種類：例を含むサンプル選択方法
サンプルを取得するプロセスは、サンプリング方法と呼ばれます。 サンプリングは、調査研究の一部として収集できる定量的データと定性的データを導出するため、調査設計の不可欠な部分を形成します。サンプリング方法は、確率サンプリングと非確率サンプリングの2つの異なるアプローチに特徴づけられます。
例を使用した確率サンプリング方法
確率サンプリング は、確率論に基づいて、母集団からオブジェクトが選択されるサンプルを導出する方法です。 この方法には、母集団の全員が含まれ、全員が選択される可能性は同じです。 したがって、このタイプのサンプルにはバイアスはまったくありません。 その後、母集団の各人が調査に参加することができます。 選択基準は、市場調査研究の最初に決定され、調査の重要な要素を形成します。
確率サンプリングは、さらに4つの異なるタイプのサンプルに分類できます。 彼らです：
- 単純ランダムサンプリング：サンプルを選択する最も簡単な方法は、単純ランダムサンプリングです。. この方法では、各メンバーが研究に参加する可能性が等しくなります。 このサンプル母集団のオブジェクトは、純粋にランダムに選択され、各メンバーは同じ確率で選択されます。 たとえば、大学の学部長が教師の認識と教育レベルについて学生からフィードバックを収集したい場合、大学の1000人の学生全員がこのサンプルの一部になる可能性があります。 このサンプルの一部として、100人の学生をランダムに選択できます。
- クラスターサンプリング：クラスターサンプリングは、回答者の母集団を等しいクラスターに分割するサンプリング方法の一種です。 クラスターは、年齢、場所、性別などの人口統計パラメーターの定義に基づいて識別され、サンプルに含まれます。 これにより、調査作成者はフィードバックから実際的な推論を非常に簡単に導き出すことができます。 たとえば、FDAが医薬品の有害な副作用に関するデータを収集したい場合、米国本土を州のような独特のクラスターに分割することができます。 次に、これらのクラスターの回答者に調査研究が実施されます。 このタイプのサンプルの生成により、データ収集が詳細になり、消費と行動が容易な洞察が得られます。
- 系統抽出：系統抽出 は、研究者が母集団から等間隔で回答者を選択するサンプリング方法です。 サンプルを選択する方法は、開始点を選択してから、事前定義されたサンプル間隔で回答者を選択することです。 たとえば、10,000人の応募リストからオリンピックのボランティア1,000人を選択する場合、各応募者には1〜10,000人のカウントが与えられます。 次に、1から始めて、10の間隔で各回答者を選択すると、1,000人のボランティアのサンプルを取得できます。.
- 層化ランダムサンプリング：層化ランダムサンプリングは、調査設計段階で回答者の母集団を特徴的であるが事前定義されたパラメーターに分割する方法です。 この方法では、回答者は重複しませんが、集合的に母集団全体を表します。 たとえば、さまざまな社会経済的背景を持つ人々を分析しようとしている研究者は、回答者を年俸に区別することができます。 これにより、人々またはサンプルの小さなグループが形成され、これらのサンプルの一部のオブジェクトを調査研究に使用できます。
例を含む非確率サンプリング方法論
非確率サンプリング メソッドは、研究者の裁量を使用してサンプルを選択します。 このタイプのサンプルは、主に研究者または統計家がこのサンプルに到達する能力に由来します。 このタイプのサンプリングは、主な目的が研究のトピックに関する仮説を導き出すことである予備研究に使用されます。 ここでは、各メンバーがサンプル母集団の一部になる可能性は等しくなく、これらのパラメーターはサンプルの選択後にのみ認識されます。
非確率サンプリングは、4つの異なるタイプのサンプルに分類できます。 彼らです：
- 便宜的抽出：便宜的抽出簡単に言えば、回答者にアクセスする研究者の便宜を意味します。 このサンプルを導き出す科学的な方法はありません。 研究者はサンプル要素を選択する権限をほとんど持っておらず、それは純粋に代表性ではなく近接性に基づいて行われます。この非確率サンプリング法は、フィードバックの収集に時間とコストの制限がある場合に使用されます。 たとえば、香水メーカーのフレグランスを使用する可能性を理解するためにモールインターセプト調査を実施している研究者。 このサンプリング方法では、サンプルの回答者は、純粋に調査デスクに近いことと、調査に参加する意欲に基づいて選択されます。
- 判断的/目的的サンプリング：判断的または目的的サンプリング メソッドは、純粋に研究者の裁量に基づいてサンプルを開発する方法であり、ターゲットオーディエンスの理解とともに研究の性質に純粋に基づいています。 このサンプリング方法では、研究基準と最終目的にのみ適合する人が選択され、残りは除外されます。たとえば、研究トピックが学生が修士に好む大学を理解することである場合、質問が「修士をやりたいですか？」である場合。この質問に対する「はい」という回答以外は、他のすべての人はこの調査から除外されます。
- スノーボールサンプリング：スノーボールサンプリング または連鎖参照サンプリングは、サンプルがめったに見つけられない特性を持っている非確率サンプリング手法として定義されます。 これは、既存の被験者が調査研究に必要なサンプルを募集するための紹介を提供するサンプリング手法です。たとえば、エイズのようなデリケートなトピックに関するフィードバックを収集している間、回答者は情報を提供していません。 この場合、研究者は、そのような人々を理解または知識のある人々を募集し、それらから情報を収集するか、または情報を収集するように依頼することができます。
- クォータサンプリング：クォータサンプリングは、研究者が層に基づいてサンプルを選択する自由を持っているサンプルを収集する方法です。 この方法の主な特徴は、2人が2つの異なる条件下で存在できないことです。 たとえば、靴メーカーがミレニアル世代から、快適さ、価格設定などの他のパラメータを使用したブランドの認識を理解したい場合です。 調査の目的は女性の靴に関するフィードバックを収集することであるため、この調査ではミレニアル世代の女性のみを選択します。
サンプルサイズを決定する方法
上で学んだように、市場調査研究でデータ収集を成功させるには、適切なサンプルサイズが不可欠です。 しかし、サンプルサイズの正しい数はありますか？ どのパラメータがサンプルサイズを決定しますか？ 調査の配布方法は何ですか？ これらすべてを理解し、適切なサンプルサイズを十分な情報に基づいて計算するには、まず、サンプルの基本的な特性を形成する4つの重要な変数を理解することが不可欠です。 彼らです：
- 人口規模： 人口規模は、調査研究の対象となる可能性のあるすべての人々です。 この数は、ほとんどの場合、膨大な量に達します。 たとえば、米国の人口は3億2700万人です。 しかし、市場調査では、それらすべてを調査研究のために考慮することは不可能です。
- 許容誤差（信頼区間）： 許容誤差は、母集団の何人が母集団全体の実際のビューを表すかについての信頼性に関する統計的推論であるパーセンテージで表されます。 このパーセンテージは、サンプルを選択する際の統計分析と、これで許容できるエラーの量に役立ちます。
- 信頼水準： このメトリックは、実際の平均が信頼区間内のどこにあるかを測定します。 最も一般的な信頼区間は、90％、95％、および99％です。
- 標準偏差：このメトリックは、調査の分散をカバーします。 考慮すべき安全な数値は.5です。これは、サンプルサイズをそれほど大きくする必要があることを意味します。
サンプルサイズの計算
サンプルサイズを計算するには、次のパラメータが必要です。
サンプルサイズを使用して計算するには、次の式を使用します。
サンプルサイズ=（Zスコア）2 * StdDev *（1-StdDev）/（許容誤差）2
90％の信頼水準、0.6の標準偏差、および+/- 4％の許容誤差を考慮してください。
（（1.64）2 x .6（.6））/（.04）2
（2.68x .0.36）/ .0016
.9648 / .0016
603
603人の回答者が必要であり、それがサンプルサイズになります。
人口、許容誤差、信頼水準を与えるために、サンプルサイズ計算機を試してください。
サンプリングの利点
上に示したように、サンプリングには多くの利点があります。 最も重要な利点のいくつかは次のとおりです。
- コストと時間の削減： サンプルを使用すると、連絡が必要な人の数が減るため、コストと時間が削減されます。 数百万の人口で調査することと、サンプルを使用して調査研究を実施することの間に節約された時間を想像してみてください。
- リソース展開の削減： サンプルのために調査研究に関与する人の数がはるかに少ない場合、必要なリソースもはるかに少ないことは明らかです。 サンプルを調査するために必要な労働力は、母集団全体を調査するために必要な労働力よりはるかに少ないです。
- データの正確性： サンプルは母集団を示しているため、収集されたデータは正確です。 また、回答者は積極的に参加するため、 調査のドロップアウト率ははるかに低く、データの有効性と精度が向上します。
- 集中的かつ網羅的なデータ： 回答者が少ないため、サンプルから収集されたデータは徹底的で徹底的です。 多くの人からデータを収集するよりも、各回答者により多くの時間と労力が費やされます。
- より大きな母集団にプロパティを適用する：サンプルはより広い母集団を示しているため、サンプルから収集および分析されたデータはより大きな母集団に適用でき、それが当てはまると言っても過言ではありません。
調査のために正確なデータを収集するには、不良パネリストをフィルタリングし、さまざまな制御手段を適用してサンプリングバイアスを排除します。 次の市場調査プロジェクトのサンプルオーディエンスの手配についてサポートが必要な場合は、 [email protected]までご連絡ください。. 世界中に2200万人以上のパネリストがいます！
