网站可访问性
显示或隐藏菜单栏
主要住宅
分区主页
|
内容
日历
链接
|
登录
|

了解市场调研样本和抽样方法万博官网manbet登录

了解采样样本和抽样的原则是调查研究的基础-使用一个小的适当构造的样本能够投射大量人口的观点和意见。然而,抽样需要了解统计学和概率原理。研究人员将根据一系列因素来选择取样方式,包括找到目标人群的容易程度,以及拥有真正的随机样本相对于所谓的方便样本的重要性。

采样基础知识

简单地说,采样是一个非常简单的过程。从要抽样的人群的列表开始;根据所需的样本量选择抽样分数N;随机化列表的顺序,然后在数据集中选取每N个记录,并对该人进行调查或问卷调查。

例如,从20000人的列表开始,如果目标是100个样本,那么样本分数是20000/100=200。每挑选200人,就有样本。最关键的是,名单上的每个人都会有一个机会均等被邀请参加(EPSEM-等概率选择法),所以样本是完全随机的。

有些项目可以像这个过程一样简单。如果一家公司有一份愿意参与调查的客户名单,那么这一过程就很接近了。唯一需要注意的是检查列表是否随机,并使用适当的1:N方法(通常使用种子数来选择第一条记录)。众所周知,从第一次记录到满足样本量,客户的联系是按顺序进行的。不幸的是,由于数据库ID是从最老的到最新的,因此最终可能会以完全由老客户组成的示例结束。

然而,即使是这种1-in-N数据库的采样方法也不是没有问题的。对于B2B公司来说,最大的客户也可能是更大的企业本身。然而,你所有的客户名单将主要是小客户,因为B2B客户数据库的典型配置文件,其中20%的客户占80%的销售额。

因此,在1/N的基础上,我们预计将有40个大客户和160个小客户提供200个样本。但这并不能真正反映销售情况,因此在分析中,较大客户的观点可能会被较大数量的较小客户所淹没。

由于这类原因,样本往往需要分层——也就是说,不同的群体需要分别进行抽样——所以大客户的样本要与小客户的样本分开。这种分层也可以用来控制样品的剖面。

在一个完全随机的样本中,随机性意味着有时样本可能会导致一组或另一组的调查问卷数量不成比例。地层分层和取样允许对已知剖面进行控制。进一步以数据库为例,它可能意味着将数据库划分为地理区域,然后在每个区域内进行采样,以确保样本与数据库的已知配置文件相匹配。

在数据库案例中,样本是从已知列表中提取的。但在大多数研究案例中,都没有可供借鉴的名单——没有已知的互联网用户、手机用户、特定汽车的车主、特定啤酒的饮用者名单。在这些情况下,抽样从1:N样本的理论纯度转移到平衡设计纯度和确定你想采访的人的实用性之间的某种东西。

随机或伪随机样本

对于消费市场,通常没有可供使用的列表。对于一个真正的随机样本(例如政府统计数据或衡量人们为特定广告曝光率付费的媒体使用情况),随机性需要工作。

随机选择的主要方法是按电话号码进行选择,直到手机到达。对于随机电话样本,其基本原理是将计算机设置为随机拨打电话号码,以便与使用随机数字拨号.

实际上,纯粹的随机数并不是那么有效,但电话公司通常是按块分配号码,在美国等地,这些块的数据库是存在的。然后是一个随机选择一个块,然后随机选择块中的一个数字的过程。然后,如果是一个家庭号码,随机选择家庭中的一个人。

这至少是在手机和有多条电话线的家庭之前的原则。它仍然被用作一种方法,但是一旦您有多行,或者一行可以根据使用的权重打开或关闭,随机性的质量就会开始降低。

有一条以上线路的人,更容易被叫来。如果你经常开着手机,你就更有可能被打电话。手机也会造成问题,因为手机号码的使用方式与固定电话不同——你不知道接电话的人可能在哪里。他们可能在海外,在这种情况下,他们可能会被收取费用来接你的电话。他们可能在开车,在这种情况下你不应该采访他们。

如果你还在寻找一个随机样本而电话不适用,面对面可能是个选择。由于地理位置和距离的关系,这种情况在美国并不常见,但在英国,这种情况在政府人口普查或重大健康研究的后续调查中仍然很常见。

在面对面的随机调查中,你还需要一份清单。在英国,这是选民名册。从选举角色中随机挑选个人,然后面试官会把这个人找出来,如果他们不在,会返回好几次。

虽然统计上非常纯粹,但这类调查是劳动密集型的,而且成本极高。为此,制定了替代方案。

主要的地区将全国划分为不同的地理区域,有时甚至是10-20个住宅区(用于确保普查全面覆盖的枚举区)。然后从一个房屋或小的地理区域的列表开始,随机挑选区域,然后分配一个采访者去拜访这些区域的住户。通过控制面试时间和可以面试的人,可以增加对谁在家(如员工白天可能外出)的额外控制。

这些类型的随机位置调查仍然昂贵,但至少在分配采访团队方面是可控的,并且仍然是进行面对面综合研究和媒体研究的主要方法,在这些研究中,随机性很重要,以便正确测量调查之间的差异。

网上调查呢?对于在线研究,随机抽取一个群体的样本取决于是否有一个涵盖所有个体的列表。研究小组提供了非常大的名单,但小组成员首先要加入名单,有一个自我选择的因素。一些公司将面对面或随机电话样本结合起来,作为在线小组招聘的一种方法,因此保留了一些更具代表性的方法的要素,包括那些本来不会报名参加小组的人。

在实践中,目前市场研究小组的规模非常大,其招募方法旨在确保人口覆盖万博官网manbet登录率,结果代表了相当一部分人口,而且越来越多地被视为完全随机抽样。


筛选与方便样本

除非有一个详细的名单开始或随机数字拨号可以使用,完全随机样本作为昂贵和难以获得。对于大多数类别-例如最近购车者,喷雾剂使用者,布里斯托尔的游客-一个名单根本不可用。

对于其中一些类别,您可以屏幕'. 在筛选中,你随机或伪随机抽样,然后使用筛选问卷(也称为招聘问卷)确定你希望面试的核心群体。对于那些只占一小部分人口的群体来说,这可能意味着需要数千人的帮助才能得到几百份回复。

由于这也可能是昂贵的,研究人员将使用所谓的方便样品'. 方便抽样意味着找到符合标准的人,但不必担心抽样是否真的是随机的。

一个例子是在街上拦住人们要求他们参加调查(街头采访). 在这里,只有通过面试的人才能被面试,所以这个样本并不是真正随机的——例如,它很可能偏向于不工作的人、身体健全的人,而且白天往往是年轻的女性。

类似地,在线面板实际上是另一种形式的方便示例。注册在线小组的人不一定能代表市场上的各种观点,因为你不知道让人们注册是否会带来偏见(例如,如果你进行了一项关于隐私的调查,你可能会发现小组调查对象比那些没有注册小组的人更不关心隐私)。

一个典型的便利样品是一家公司的自有客户名单. 这就产生了对公司和公司产品的自然偏见——不包括许多非客户或拒绝公司产品的人。这在已知的范围内是可以接受的,但这是需要非常小心的。

这种隐藏的偏见出现在许多数据库和网络分析中,因为这些内部信息源只能提供购买或访问过的人的信息,而不是那些没有购买的人的信息。其结果是,很难说出人们为什么不成为客户或不花很长时间购买的原因网站。

配额和基于配额的抽样

由于方便采样中存在潜在的偏差,因此一种控制方法是设置配额确保在某些类别中实现一定数量的面试。这可能包括按年龄、工作状态或社会经济等级设定配额,但在企业对企业的调查中,可能包括行业(做营销最多的公司通常最不可能做市场调查,地方政府最有可能参与调查)或企业规模。万博官网manbet登录

然后使用配额来设定目标和要达到的面试次数限制。例如,25岁以下的男性最少5人,65岁以上的男性最多10人。

配额通常用于街道访谈或挨家挨户访谈,在电话调查中很常见,以保持样本平衡。

如果配额设置得非常严格,那么很难找到最后几次采访,但太宽松,样本将倾向于容易找到的受访者类别。


无反应偏倚

增加配额和设定面试目标,并不会使样本随机,但出于成本或速度等原因,它可能被认为是该职位的最佳可用样本。显然,研究人员需要关注潜在的偏差,但还有一个隐藏的潜在偏差,即使是随机样本。

想象一下,一个人被随机挑选出来参加调查,如果这个人拒绝完成调查,那么这就有可能导致无反应偏见。换言之,你怎么知道那些没有参加调查的人和那些参加调查的人是一样的或是匹配的呢?

在某些情况下,简单地说是代表爱普生进行的一项调查将意味着喜欢惠普的客户可能不太可能参加。因此,决定透露或不透露调查的发起人可能会扭曲调查结果。

在某些情况下,对于政府调查而言无反应偏倚对那些没有反应的人进行后续检查已经足够重要了。没有回答的人没有填写完整的问卷,而是被问了几个关键问题。总的来说,这表明最初的无应答者与最初参与调查的人相似。


其他形式的抽样

在某些情况下,获得一个完整的样本可能是非常困难的,需要创造性的方法来提供研究问题的答案。这方面的一个非常著名的案例是在20世纪90年代的BMRB上,研究广告对抗艾滋病/艾滋病威胁的有效性。在这种情况下,同性恋者的样本是至关重要的,但很难从传统方法中获得任何形式的样本。因此,相反,a'代理样本'已使用。

采访是在同性恋俱乐部进行的,随着时间的推移,人们的观点和行为会发生变化。这种使用代理进行监视的情况很常见。即使样本有偏差,只要样本是一致的,就有可能测量变化,即使这些变化不能直接投射到相关人群中,从而判断广告的成功与否。

第二个常见的问题是,被调查的人群可能存在,但可能不容易通过面试官或正式要求参与调查。一个例子是我们为英国排球协会进行的排球运动员调查。排球运动员群体显然存在,但不是采用面试官主导的方式,而是雪球'方法。换句话说,朋友要求朋友完成调查。同样,也存在明显的潜在偏见——越热心、越感兴趣的玩家越有可能参与其中,关系越好的人也是如此。滚雪球技术也被用于招募像前教师这样难以接触的群体,以帮助监督招募人员重返教学的活动。

抽样是调查研究的核心,但由于在网上做了太多的工作,抽样可能会被忽视,导致结果出现意想不到的偏差。在实践中,抽样通常是一种权衡,对所涉及的权衡的认识有助于减少潜在的偏见。

有关取样和样品设计的帮助和建议,请联系info@dobney.com


上一篇文章:定性研究 下一篇文章:了解市场指标
更多细节

转到注释菜单 网站可访问性

访问级别:公共

此网站使用曲奇. 继续使用本网站即表示您同意我们使用cookies:好的