در خصوص روش های نمونه گیری، شرط اساسی یک بررسی خوب انتخاب یک روش نمونه گیری صحیح است. نمونه انتخاب شده باید معرف جامعه باشد. اولین گام در طراحی یک نمونه گیری این است که واحد مطالعه را تعریف نماییم.
در پژوهشهای پزشکی و غیرپزشکی، بسیار اتفاق میافتد که پژوهشگر نمیتواند نمونهای انتخاب کند که معرف جامعه باشد. موارد استفاده آن در مطالعات مقدماتی یا در پژوهشهایی است که برای بررسی مشکلات احتمالی یک پژوهش خاص در محیطی محدود میباشد که دو مورد از رایجترین روشها در زیر آورده شده است:
در این نوع نمونه گیری، پژوهشگر از نمونههای در دسترس استفاده میکنند. مثل استفاده پزشک از بیماران مراجعهکننده به مطب شخصی خود برای مقایسه اثر دو دارو در درمان یک بیماری
در این نوع نمونهگیری هدف جامعیت بخشیدن به نمونه دردسترس و در صورت امکان رعایت تناسب موجود در جامعه میباشد. در واقع نمونه گیری سهمیه ای تلاشی برای بهبود شرایط نمونهگیری آسان است.
استفاده از نمونه گیریهای غیر احتمالی در مطالعه های مقطعی (مطالعه های شیوع)، که انتظار میرود مخرج کسر نماینده خوبی از جامعه باشد، اشتباه بزرگی است.
نمونهگیری تصادفی ساده (Simple random sampling)
روش انجام نمونه گیری:
مزایای نمونه گیری تصادفی ساده :
چگونگی انتخاب عدد تصادفی :
۱ ـ تعداد ارقام حجم نمونه مشخص گردد.
۲ ـ بطور تصادفی (نوک خودکار و …) نقطهای را در روی جدول اعداد تصادفی پیدا کنید.
۳ ـ جهت حرکت در جدول را مشخص کنید (مثلاً از راست به چپ).
۴ ـ با توجه به تعداد ارقام حجم نمونه از نقطه تصادفی شروع به حرکت در جهت تعیین شده نمائید.
۵ ـ تمام اعداد باید به اندازه رقمهای حجم نمونه مورد نیاز خوانده شوند، مثلاً اگر حجم نمونه سه رقمی باشد عدد۲ بصورت۰۰۲خوانده میشود.
۶ ـ اینکار را ادامه دهید تا به اندازه مورد نیاز انتخاب نمایید.
بسیار شبیه روش نمونه گیری ساده است با دو تفاوت :
روش انجام نمونه گیری:
فاصله نمونهگیری = اندازه نمونهجمعیت مورد مطالعه/حجم نمونه
مثال روش های نمونه گیری:
در یک جامعه ۱۰۰۰نفری قراراست۵۰ نمونه جهت پایش انتخاب شوند:
۲۰ = ۵۰ / ۱۰۰۰ = کسر نمونهگیری
فرض کنید بطور تصادفی اولین نمونه عدد ۸ انتخاب شدهاست.
۲۸=۸+۲۰ = نمونه دوم
۴۸=۲۰+۲۸ = نمونه سوم
با توجه به معایب نمونهگیری تصادفی ساده و منظم، در صورت امکان تقسیم جامعه مورد پژوهش به طبقه ها یا گروهها میتوان نمونه گیری را در هر طبقه انجام داد.
در نمونه گیری تصادفی ساده و منظم نمیتوان اطمینان داشت که در نمونه مورد نظر، نسبت کسانی که دارای ویژگیهای معین هستند برابر همان نسبت در جامعه باشند.
برای حل این مشکل، ممکن است با استفاده از اطلاعات کمکی بتوان جامعه را به طبقه ها یا گروههایی تقسیم کرد در آن صورت میتوان نمونه گیری را در هر طبقه انجام داد البته زمانی میتوانیم از این نوع نمونه گیری استفاده کنیم که نسبت هر طبقه در جامعه مشخص باشد.
اگر بتوان جامعه مورد مطالعه را بر اساس صفت مشخصی طوری به گروههای جدا از هم (بدون همپوشانی) تقسیم کرد که تعداد افراد هر گروه معلوم باشد میتوان نمونه گیری با طبقهبندی را با انجام نمونه گیری تصادفی ساده در هر طبقه و ادغام نتیجه در هم انجام داد.
در عین حال یکی از دلایل دیگر برای انتخاب این نوع نمونه گیری آن است که با استفاده از این نوع نمونهگیری میتوان پارامترهای مربوط را برای هر طبقه برآورد کرد.
روشی از انتخاب نمونه است که در آن جمعیت را بر اساس یک سری ویژگیها طبقهبندی میکنند که این طبقات هیچ نوع همپوشانی نداشته باشند یعنی هر فرد فقط و فقط به یکی از طبقات اختصاص داشته باشد سپس با استفاده از روش نمونهگیری اتفاقی ساده از هر کدام از این طبقات نمونه مورد نیاز را انتخاب میکنیم و در پایان نمونهها را روی هم میریزیم تا پارامتر جمعیت را برآورد کنیم.
برای بدست آوردن یک برآورد با دقت بالا، عناصر در درون طبقات باید تا حد ممکن گوناگونی کمی داشته باشند یا اصطلاحا هموژن باشند و گوناگونی بین طبقات بطور نسبی زیاد باشد .
با وجود توضیحات قبل نتیجه میگیریم کهStratification random sampling حالتی از نمونهگیری است که خصوصیات زیر را داشته باشد :
۱- جمعیت تحت مطالعه دارای N عضو است.
۲- جمعیت از لحاظ داشتن صفات خاصی به H طبقه متفاوت تقسیم میشوند.
۳- هر عضو فقط میتواند به یکی از طبقات تعلق داشته باشد. (بدون همپوشانی )
۴- تعداد مشاهدات در هر طبقه مشخص است و با مشخص میشود.
۵ – تعداد کل جمعیت برابر است با مجموع تعداد جمعیتها در هر طبقه.
۶- محقق با استفاده از به کارگیری یکی از روشهای نمونهگیری مثل نمونهگیری اتفاقی ساده، از هر طبقه تعداد نمونه مورد نیاز را انتخاب میکند.
بعد از اینکه طبقات را مشخص کردیم برای انتخاب نمونه از هر طبقه ۲راه وجود دارد:
۱- انتخاب تعداد مساوی از هر طبقه
۲- انتخاب نمونه از هر طبقه با در نظر گرفتن نسبت آن طبقه در جمعیت .
راه اول و سادهتر این است که تعداد مساوی از هر طبقه انتخاب کنیم که L برابر است با تعداد طبقات و برابر است با تعداد عناصر انتخاب شده از طبقه h ام و n هم کل تعداد نمونه است.
مثال: یک جمعیت ۱۰۰۰ نفری را از نظر مقطع تحصیلی به ۴ طبقه تقسیم کردهایم که طبقات شامل ۴۰۰، ۳۰۰، ۲۰۰ و ۱۰۰ هستند و می خواهیم از بین آنها ۱۰۰ نفر را به عنوان نمونه انتخاب کنیم تعداد افراد هر نمونه برابر می شود با و به این ترتیب از هر طبقه ما ۲۵ نفر را انتخاب می کنیم.
روش مفید تر انتخاب افراد در طبقات اختصاص تناسبی proportional Allocation است. در این روش کسر نمونه گیری مختص هر طبقه است و در مثال قبل برای طبقات برابر است با :
مثال: فرض کنید در یک دانشگاه ۱۰۰۰ دانشجو در سه رشته پزشکی، بهداشت و پرستاری مشغول تحصیل باشند و ما بخواهیم میانگین مجموع DMF یا نسبت عینکی بودن آنها را بر آورد کنیم. تعداد کل، تعداد نمونه، میانگین و نسبت حاصل از نمونه گیری برای هر گروه در جدول شماره ۱ خلاصه شده است.
جدول شماره ۱ : مشخصات و حاصل یک نمونه گیری طبقه ای:
در این صورت با وجود مساوی بودن تعداد نمونه ، میانگین گرفتن از میانگینهایDMF ، یعنی برآورد بدون سوگرایی از میانگین جامعه را بدست نخواهد داد.
میانگین نسبت ها یعنی نیز برآوردی بدون سوگیری برای نسبت عینکی بودن در جامعه ۱۰۰۰ نفری به دست نمیدهد.
نمونهگیری خوشهای یکی از انواع نمونهگیری دو مرحلهای است.
روش کار
واحدهای کوچکتر و فرعیتر = خوشه
توجه روش های نمونه گیری:
معمولاً تلاش میشود تا در هر منطقه وسیع، خوشههای مناسب مشخص شوند به طوری که عوامل و واحدهای درونی هر خوشه بطور فیزیکی یا منطقهای به هم نزدیک باشند.
سوال:
چند خوشه از بین خوشههای شمارهگذاری شده باید انتخاب کرد؟
بطور کلی میتوان گفت اگر همه خوشهها به صورت ایده آل ویژگیهای نزدیک به هم، بهویژه در مورد متغیرهای کمی، واریانس کاملاً مشابه داشته باشند. یک خوشه به نمایندگی همه خوشهها کافی خواهد بود و هر چه این مشابهت کمتر باشد تعداد خوشههای بیشتری لازم است.
چگونه نگرانی از نامشابه بودن خوشه ها را رفع کنیم؟
برای رفع این مشکل معمولاً تعداد نمونه لازم را در نمونهگیری خوشه ای ۵/۱ تا ۵/۲ برابر میکنیم.
فرض کنید: یک بررسی برای مطالعه مراقبتهای پیش از زایمان زنان باردار در یک شهر بزرگ طراحی شده است.
یک راه حل برای چنین مشکلاتی استفاده از نمونهگیری خوشهای است.
قدم اول) یک نمونه از بلوکها انتخاب میکنیم.
قدم دوم) یک نمونه از خانوادههای داخل هر بلوک انتخاب شده در قدم اول، انتخاب میکنیم.
توجه:
نمونهگیری دو مرحلهای میتواند به مراحل بیشتری گسترش یافته و هر یک از روشهای نمونهگیری احتمالی را به کار بندد که در این صورت نمونهگیری چند مرحلهای (Multistage Sampling) نامیده میشود.
بطور کلی نمونهگیری مجدد از خوشههای انتخاب شده به دلایل زیر صورت میگیرد:
اصل کلی، به حداکثر رساندن خوشههای اولیه منتخب و متعاقباً انتخاب تعداد نسبتاً معدودی افراد یا واحد ازهرخوشه منتخب است.
در مرحله اول از بین شهرستانهای استان که شامل ۹ شهرستان میشود به تصادف ۵ شهرستان گزینش شدند (شهرستانهای خلخال، نمین، نیر، مشگینشهر و گرمی).
در مرحله دوم از بین شهرستانهای گزینش شده به تناسب جمعیت آنها چند بخش به تصادف انتخاب شدند.
در مرحله سوم از بین بخشها روستاهای مورد نظر به تصادف گزینش شدند.
در مرحله چهارم در روستاهای گزینش شده از میان خانوارهای روستایی دارای معلول سه خانوار از هر روستا بصورت تصادفی انتخاب شدند.
در مرحله پنجم از هر خانوار دو نفر به تصادف مورد ارزیابی قرار گرفتند.