YT YouTube2Text

YouTube2Text → Transcripts → WUM Metodologia 08 v2.0. Metody doboru próby cz. II. Metody probabilistyczne

WUM Metodologia 08 v2.0. Metody doboru próby cz. II. Metody probabilistyczne — Transcript

by WUM materiał Filip Raciborski · 4,976 words · 945 segments · language en · Watch on YouTube

Open in transcriber Summarize with AI Download SRT/VTT

Full transcript

0:01Witam państwa na kolejnym seminarium z
0:03przedmiotu Metodologia. Będziemy się
0:05dzisiaj zajmować kwestią metod doboru
0:07próby. Stanowi to kontynuację tematu,
0:10który mieliśmy państwo ze mną na
0:12wykładzie.
0:15Na początek krótkie przypomnienie. Czemu
0:18w ogóle sięgałem po metodę doboru próby?
0:20Otóż w większości przypadków badania na
0:22całych populacjach nie są możliwe.
0:24Populacja mieszkańców polskich to ponad
0:2637, prawie 38 milionów osób. I w badanie
0:30tak dużej grupy osób w danym momencie
0:32jest po prostu zadaniem niezwykle
0:34trudnym i bardzo kosztownym. Dlatego
0:37tylko w ekstremalnych sytuacjach sięga
0:38się po tego rodzaju metody. Najczęściej
0:42nasza ogólna koncepcja polega na tym, że
0:44z takiej dużej populacji wybieramy jakąś
0:47mniejszą próbę, która w jakiś sposób ma
0:51odwierciedlać cechy tej populacji.
0:53Chodzi o to, żeby ta dobrana próba była
0:56jak najlepszym odbiciem populacji. Co to
0:58znaczy najlepszym odbiciem? na przykład
1:01to, że proporcje mężczyzn i kobiet
1:04zarówno w populacji, jak i w próbie
1:06badawczej są takie same albo bardzo
1:08podobne. To samo dotyczy wszystkich
1:10innych cech. Żeby właśnie osiągnąć taką
1:14sytuację właśnie podobieństwa między
1:16opulacją a próbą badawczą, stosujemy
1:19określone metody doboru prób. I o tych
1:21metodach będziemy jeszcze dzisiaj dalej
1:23rozmawiać.
1:26Aby nasza rozmowa była jak najbardziej
1:28precyzyjna i dokładna, trzeba
1:31zdefiniować pewne tem terminy, które
1:33mogą się pojawiać właśnie w kontekście
1:36metod doboru próby. Pierwszy termin to
1:38jest populacja. Co rozumiem pod pojęciem
1:41populacji. To są generalnie wszystkie
1:43obiekty czy też osoby będące w
1:46potencjalnie w obrębie naszych
1:48zainteresowań badawczych, czyli że
1:49mówimy o populacji mieszkańców polskich,
1:53to mamy na myśli wszystkie osoby
1:54mieszkające na terenie naszego kraju.
1:56Jeżeli naszą populacją z kolei są
1:58studenci zdrowia publicznego naszego
2:01uniwersytetu, no to mówimy tutaj o
2:04wszystkich osobach, które studiują ten
2:06kierunek. Tylko czas odpowiedź na
2:07pytanie, czy na pewno chcemy badać
2:09wszystkie lata. Co ze studiami
2:11licencjackimi, czy uwzględniamy je
2:12również i co ze studiami zaocznymi.
2:16Dlatego przez taki właśnie na tym polega
2:19zdefiniowanie populacji. W zależności od
2:21odpowiedzi na te pytanie nasza populacja
2:23będzie większa lub mniejsza. Warstwa to
2:26jest część, fragment tak naprawdę
2:29populacji posiadający pewną określoną
2:32cechę lub taki zbiór cech. Możemy na
2:34przykład wyznaczyć w całej populacji
2:37dwie warstwy. Jedną będą kobiety, drugą
2:40będą mężczyźni. Najważniejszą rzeczą
2:42jest, żeby te cechy były
2:45w jakiś sposób grupowały te osoby w
2:47sposób taki jednoznaczny.
2:50Później państwu wyjaśnię, dlaczego to
2:51jest takie istotne. Element populacji to
2:54z kolei pojedyncza jednostka lub
2:56przedmiot należący do danej populacji.
2:58Populacja to nie są tylko żywe osoby.
3:01Populacją mogą być na przykład jakieś
3:04szczepionki albo
3:06próbki, które mamy do przebadania i
3:09spośród tych próbek losujemy na przykład
3:12ileś, które zostaną zbadane. Tylko
3:15metody doboru próby mają charakter
3:17uniwersalny. Zresztą o tym już państwu
3:18wspominałem. Operat losowania to tak
3:21naprawdę lista zawierająca wszystkie
3:23elementy w populacji,
3:25którą wykorzystujemy do losowania naszej
3:27próby. Problem polega na tym, że w
3:29zasadzie idealny operat losowania jest
3:32bardzo rzadko dostępny. Może być
3:34dostępny w przypadku sytuacji z
3:36badaniami laboratoryjnymi, gdzie mamy
3:38śleowane warunki. Natomiast w życiu
3:41codziennym, kiedy mówimy o populacji
3:45generalnej, o albo nawet zawężonej do
3:48jakiejś większej grupy, to uzyskanie
3:52pełnej listy osób i do tego listy, która
3:55byłaby pozwalała na skontaktowanie się z
3:57tymi osobami jest zadaniem niezwykle
4:00skomplikowanym i często niemożliwym.
4:04Podstawowy podział metod doboru próby
4:06jest na metody probabilistyczne, metody
4:08nieprobabilistyczne. Metody
4:10probabilistyczne opierają się na
4:11rachunku prawdopodobieństwa. Innymi
4:13słowy, jesteśmy w stanie wyliczyć dla
4:15każdej jednostki jej szansę dostania się
4:17do próby. To nie znaczy, że każda
4:19jednostka musi się dostać do próby, nie?
4:20Ale możemy określić jakie miała szanse.
4:23W niektórych definicjach znajdą państwo
4:26warunek, że ta szansa czy też
4:29prawdopodobieństwo ma być równa.
4:32Natomiast to dotyczy tylko pewnego
4:33specyficznego rodzaju metod doboru
4:36próby. Generalnie przyjmujemy, że ta
4:38szansa jest niezerowa, czyli innymi
4:41słowy jest większa od zera. W metodach
4:43nieprobabilistycznych nie posługujemy
4:45się rachunkiem prawdopodobieństwa i nie
4:48próbujemy obliczyć szans poszczególnych
4:51jednostek na bycie wylosowaną czy też
4:53dobraną do badania.
4:56W takiej sytuacji
4:58nie ma szeregu różnego rodzaju wymogów
5:00formalnych, jeżeli chodzi o ten te
5:01metody doboru próby. Z tego względu one
5:04są uznawane za metody jakościowe o
5:07mniejszym, że tak powiem, impakcie,
5:09takim mniejszej ważności. Natomiast
5:12nieem, że państwo źle nie zrozumieli.
5:14Metody nieprawablistyczne stanowią też
5:16bardzo ważne narzędzie badawcze,
5:19narzędzie doboru prób. Natomiast trzeba
5:22wiedzieć do którego, jakiego typu
5:23badania, którą metodę zastosować, żeby
5:26wykorzystać jej wszystkie atuty i też
5:29dostosować się do istniejących warunków.
5:31Niekiedy po prostu nie ma możliwości
5:33wykorzystania metod probabilistycznych.
5:35Jesteśmy tutaj wówczas skazani na metody
5:37nieprobabilistyczne i to nie jest nic
5:39nadzwyczajnego. Takie sytuacje dzieją
5:40się naprawdę często.
5:44Przyjrzyjmy się pokrótce czterem takim
5:46podstawowym modelom metod doboru próby o
5:49charakterze nieprobabilistycznym. Mamy
5:51dobór okolicznościowy, celowy, metody
5:54kuli śnieżnej i dobór kwotowy. Dobór
5:57okolicznościowy jest generalnie oparty
5:59na dostępności
6:01badanych. dobieramy osoby spośród tych,
6:03które są dla nas, do których możemy
6:05łatwo trafić, które są nas w danym
6:07momencie łatwo dostępne. Dobór celowy to
6:10z kolei jest taki, że spośród całej
6:12populacji wskazujemy sobie osoby, które
6:16wezmą udział w badaniu. One muszą
6:17posiadać pewne cechy. Dlaczego je
6:19wybieramy akurat do badania? Ale o
6:21wyborze danej osoby, tej czy innej, to
6:25my decydujemy, podejmujemy wybór
6:27arbitralnie, tak, na podstawie jakichś
6:29tam kryteriów, ale w oparciu o naszą
6:31własną decyzję. Metoda kuli śnieżnej
6:34jest to metoda, która zawsze studenci
6:36świetnie ją opisują. To jest metoda, w
6:38której zaczynamy od jednego przypadku
6:41albo od paru przypadków. E, prowadzimy
6:44badanie wśród tych osób, a następnie
6:46prosimy o kontakt do kolejnych. Te
6:48kolejne osoby wskazują nam dalsze
6:51jeszcze osoby, wśród których możemy
6:53dokonać badania. W ten sposób trafiamy
6:55do kolejnych osób z polecenia, tak?
6:58Czyli innymi słowy z pewną rekomendacją
7:00zazwyczaj, co bardzo ułatwia nawiązanie
7:03kontaktu i
7:05ułatwia przeprowadzenie samego badania.
7:07i dobór kwotowy,
7:10który jest chyba najtrudniejszy spośród
7:12tych tutaj trzech wcześniejszych
7:13omawianych
7:15modeli. Dobór, w którym staramy się
7:18odzwierciedlić cechy populacji w podobny
7:21sposób, jak to jest w modelach
7:23probabilistycznych. z tym, że robimy to
7:25w sposób yyy bardzo yyy sztuczny według
7:30pewnej określonej tabeli, w której
7:32zapisujemy wybrane cechy, a następnie
7:35spróbujemy dostosować rozkład tych cech
7:38w próbie do yyy cech w populacji.
7:42Na pierwszy rzut oka próba ta przypomina
7:45jedną z prób wylosowanych przy użyciu
7:47metody probabilistycznej. Jednakże tak
7:50nie jest i proszę zapamiętać, że dobór
7:51kwotowy nie jest metodą
7:53probabilistyczną. Za sekundę państwu
7:55spróbuję jeszcze raz to bardziej
7:57klarownie wytłumaczyć na prostym
8:00przykładzie.
8:03Otóż mamy naszą populację. Na razie
8:05tutaj widzą państwo
8:08złożenie dwóch cech. Wiek 202 lat, 30,
8:1239 lat, 409, 50, 69, 60, 69 oraz podział
8:16na kobiety i mężczyzn.
8:20Rozkład kobiet i mężczyzn jest równy po
8:2250%.
8:24Mamy tutaj konkretne dane na temat
8:26liczczybności poszczególnych grup. Razem
8:28jak państwo sumują te wartości
8:29procentowe, powinni państwo uzyskać
8:32100%.
8:33Tak. Tak wygląda populacja. A więc jakie
8:36są w takim razie założenia dla próby
8:39kwotowej przy tym przy tej metodzie
8:41doboru próby? Otóż zakładamy, że w
8:44naszej próbie powiedzmy 1000 osób mają
8:47być identyczne wartości udziału
8:50poszczególnych kategorii. Jeżeli kobiety
8:53w wieku 29 lat stanowiły 9% to w próbie
8:57mojej te kobiety będą stanowiły 90 osób.
9:01Dlaczego? Bo 9% z 1000 to jest właśnie
9:0490. 11% z 1000 to jest 110. W związku z
9:09tym odwzciedlamy cechy populacji, ich
9:13rozkład w naszej próbie. Problem polega
9:16na tym, że te 90 kobiet na przykład w
9:19wieku 209 lat będziemy dobierać
9:21najczęściej na zasadach doboru
9:23przypadkowego, okolicznościowego.
9:26Innymi słowy, na przykład gdzie mogę
9:28łatwo znaleźć kobiety w tym wieku? Na
9:29przykład wśród osób studiujących.
9:32Więc udaję się pod uniwersytet i łapie
9:35tam, zapraszam do udziału w badaniu 90
9:38osób.
9:40W tym wypadku lat kobiet, ale w
9:42przypadku grupy mężczyzn mogę zrobić
9:44dokładnie w ten sam sposób. Czy te
9:47kobiety i mężczyźni zaproszeni do
9:49badania będą odwycić cechy populacji? No
9:53w sensie płci, jeżeli próba miała mieć
9:551000 osób i będę miał tam 90 kobiet w
9:58wieku 209 lat i 70 mężczyzn w tej samej
10:01grupie wieku, to tak. Ale czy wszyscy
10:04mężczyźni i kobiety studiują w tej
10:05grupie wieku? Nie. W związku z tym taka
10:08próba byłaby skrzywiona, czyli nie
10:11odzeźlała cech populacji. I to jest
10:13właśnie wielkie ryzyko z próbami
10:15kwotowymi. Innymi słowy, mamy pewną
10:18tabelkę i właśnie celą cechą doborów
10:21kwotowych jest posiadanie pewnej takiej
10:23tabelki z pewnymi cechami populacji i
10:25następnie dobieramy próbę tak, by cechy
10:28osób w próbie odzwiercielały
10:30cechy w populacji. Czyli innymi słowy,
10:32by te odsetki były mniej więcej zgodne z
10:35populacją. Robimy to w sposób dość
10:37sztuczny i mało
10:41podlegający kontroli. W związku z tym
10:43zwykle te próby, mimo że na pierwszy
10:45wydają się odwieć cechy populacji, to po
10:48głębszym zbadaniu są często skrzywione i
10:51mogą prowadzić do błędnych wniosków. I
10:53to są właśnie jedne z kluczowych
10:55problemów z doborem kwotowym.
10:59Przedstawiłem państwu cztery metody
11:00doboru nieprobabilistycznego. Przejdźmy
11:02zatem do metod probabilistycznych.
11:04To co je wyróżnia to fakt, że jesteśmy w
11:07stanie określić szansę dostania się
11:09każdej jednostki do próby i jest ona
11:12niezerowa.
11:13W tych metodach opieramy się na rachunku
11:16prawdopodobieństwa. Co nam to daje?
11:18Generalnie głównym zyskiem jest to, że
11:20możemy oszacować na ile prawdopodobnie
11:25nasze wyniki mogą się różnić od wartości
11:28rzeczywistych. W przypadku metod
11:31nieprobabilistycznych nie ma w ogóle
11:33takiej możliwości. Generalnie też uznaje
11:35się, że metody probabilistyczne dają nam
11:39bardziej reprezentatywne próby w
11:42stosunku do metod nieprobabilistycznych.
11:43Natomiast nie ma takiej gwarancji. Może
11:46zdarzyć się, że na przykład próba
11:47kwotowa będzie w danym przypadku lepiej
11:51odrzeać cechy populacji w stosunku do
11:54jednej z wylosowanych właśnie prób przy
11:57uciu metod probabilistycznych. Natomiast
12:00co do
12:02generalnie przyjmuję się, że metody
12:04probabilistyczne dają generalnie lepszej
12:07jakości wyniki, a przede wszystkim są
12:09one jesteśmy w stanie je kontrolować i
12:11oszacować potencjalne wielkości błędu.
12:15Kiedy w ogóle stosujemy metody
12:16probabilistyczne i losujemy próby? Bo
12:18tutaj muszą państwo wiedzieć, że w
12:20przypadku kiedy mówimy o rachunku
12:22prawdobieństwa, także mówimy
12:24jednocześnie o w jakimś jakiejś formie
12:26losowania, która jest sposobem doboru
12:29respondentów do badania. Generalnie te
12:31metody stosujemy wtedy, kiedy chcemy
12:34opisać w sposób dokładny jakieś wielkie
12:37populacje, których nie możemy zbadać
12:38bezpośrednio. Tak już państwu
12:40wspomniałem, badanie 38 milionowego,
12:4448 milionowej populacji jest w zasadzie
12:47niemożliwe. Dlatego dobieramy tej
12:49populacji, powiedzmy w grupach z 1000,
12:521500 osób, która ma odzwyciedlać tej
12:55populacji i abyśmy mogli zrobić to
12:58dobrze i aby te wyniki były
13:01dały się analizować w sposób naukowy,
13:04właśnie do tego celu wykorzystujemy
13:06metody probabilistyczne
13:09oparte na prawdopodobnie.
13:13Najprostszą metodą spośród metod
13:15probabilistycznych jest prosty dobór
13:17losowy. Wspomniałem państwu wcześniej,
13:20że w metodach probabilistycznych każda
13:23jednostka ma szansę dostania się do
13:25próby. Innymi słowy, ta szansa jest
13:26niezerowa. Natomiast przy prostym
13:29doborze losowym zakładamy, że wszystkie
13:32jednostki mają identyczną szansę
13:34dostania się do próby.
13:36To można na przykładzie ruletki
13:38totolotka pokazywać w jaki sposób
13:40wylosowuje się poszczególne elementy. Za
13:43każdym razem w losowaniu każda jednostka
13:46ma identyczną szansę stania się do próby
13:48w stosunku do poprzedniej. To jest do
13:50pewnego stopnia uproszczenie, ale na
13:51naszym poziomie w zupełności wystarczy.
13:54Dobór systematyczny to jest doskonała
13:56metoda, którą bardzo polecam. jest
13:57prosta w użyciu,
13:59która polega na tym, że dobieramy co
14:01któryś element z listy. Jeżeli na
14:03przykład mamy listę uczestników jakiegoś
14:06spotkania czy studentów na wykładzie, to
14:08możemy na przykład dobrać co którąś
14:10osobę, co piątą, co 10ą.
14:14Zazwyczaj pierwszy element losujemy z
14:17zakresu od 1 do wartości tego skoku.
14:22Pozwala to przygotować w prosty sposób
14:25efektywną próbę. Ona ma swoje
14:28mankamenty, o których za chwilę jeszcze
14:29będę mówił. Dalej mamy dobór warstwowy.
14:34Ta technika z kolei poprawia nam jakość
14:36wnioskowania obniżając błąd z próby. W
14:39jaki sposób? Otóż dzielimy naszą
14:41populację na takie warstwy, o których
14:43już państwu wspomniałem, czyli podgrupy,
14:46które cechują się dużą homogenicznością,
14:48dużym podobieństwem. Następnie z każdej
14:50z tych warstw losujemy osobną próbę, a
14:54później zestawiamy ją w próbę główną. W
14:57ten sposób uzyskujemy bardziej
15:00reprezentatywne wyniki i zmniejszamy
15:02błąd z próby.
15:09Kolejna metoda to wielostopniowy grupowy
15:11dobór próby. Generalnie to są dwie
15:14osobne metody. dobór wielostopniowy i
15:17dobór grupowy. One są czasami właśnie
15:19omawiane rozdzielnie, natomiast yyy one
15:21są ślicznie są powiązane, dlatego mówię
15:23je wspólnie. Stosujemy w sytuacji, gdy
15:26na poziomie generalnym nie ma dostępnego
15:29operatu. Na przykład jeżeli chcielibyśmy
15:32badać uczniów w warszawskich szkołach,
15:35to oczywiście może kuratorium dysponuje
15:37listą wszystkich uczniów w warszawskich
15:38szkołach, natomiast nie udostępnią ją
15:40państwu z wagi na ochronę danych
15:41osobowych. Co więc możemy zrobić? A no
15:44możemy wylosować próbę w paru etapach.
15:47Do czego możemy mieć dostęp? Łatwo
15:49dostępna będzie lista szkół w Warszawie.
15:52A więc w pierwszym kroku losujemy szkołę
15:55czy szkoły. W drugim kroku z kolei w
15:57tych szkołach wylosowalibyśmy klasy.
15:59Klasy, listę klas pewnie uzyskalibyśmy w
16:01sekretariacie szkoły. Następnie w tych
16:04klasach, które wybraliśmy, zrobilibyśmy
16:07spis i spośród tego spisu dokonali na
16:09miejscu już wyboru konkretnych osób do
16:12badania. W ten sposób byśmy z jednej
16:15strony losowali to etapami, czyli
16:18wielostopniowo, a z drugiej strony
16:19losowaliśmy grupy. Taką grupą byłaby na
16:21przykład szkoła, w której byłoby parę
16:22klas wylosowanych i iluś tam uczniów.
16:27To co jest bardzo istotne, jeżeli chodzi
16:28o dobór grupowy wielostopniowy, to jest
16:32fakt, że poprzez to, że mamy do
16:35czynienia z paroma losowaniami,
16:37zwiększa się błąd oszacowania. Zatem w
16:41przypadku
16:42porównania mam tutaj większy błąd
16:46w stosunku błąd próby w stosunku do
16:48doboru losowego prostego oraz do doboru
16:52warstwowego. Najmniejszy błąd próby ma w
16:55tym wypadku dobór warstwowy. O tym
16:57mówiłem przed chwilą.
17:00Zrobiliśmy powtórzenie dotyczące metod
17:02doboru próby, metod probabilistycznych i
17:04probabilistycznych. Zajmijmy się teraz
17:05kwestiami szczegółowymi, a w
17:07szczególności kwestiami dotyczącymi
17:09metod probabilistycznych.
17:11Te metody są znacznie bardziej
17:12wymagające, mają szereg ograniczeń i
17:15wymagają więcej nakładów jeżanie.
17:18Jedną z najprostszych metod z tej całej
17:20kategorii metod probabilistycznych jest
17:22prosty dobór losowy. Czemu mówimy
17:24prosty? Dlatego, że on zakłada
17:28identyczne szanse dostania się do próby.
17:30I to muszą państwo zapamiętać. To jest
17:32niezwykle istotne. Jeżeli jak mam bardzo
17:36długą listę, nie wiem, 100 000,
17:41100 milionów osób i losuję z nich 1000,
17:46to generalnie nawet jeżeli robię to nie
17:49jednoczasowo, czyli że w ułamku sekundy
17:52wybieram te 1000 osób, tylko robię to po
17:55kolei, pierwszą, drugą, trzecią,
17:56czwartą, piątą, to w uproszczeniu
17:58przyjmujemy, że każda osoba ma
18:00identyczną szansę dostania się do próby.
18:03W przypadku, gdybym robił losowanie
18:05wśród studentów na wykładzie, na
18:06przykład i mam ty yyy 100 osób, sytuacja
18:09jest troszeczkę bardziej skomplikowana,
18:10bo jeżeli wybiorę 10 osób spośród 100,
18:14to jest to relatywnie duży udział. W
18:15związku z tym y te prawdopodobieństwo
18:17będzie się troszeczkę zmieniało.
18:19Pierwsza osoba będzie miała szansę
18:20dostania się do próby jak 1 do 100,
18:23druga jak 1 do 99, trzecia jak 1 do 98 i
18:30tak dalej. No nie ma takiegoś
18:33kolosalnego często znaczenia, o ile
18:37wielkość populacji jest duża. W
18:39przypadku osób na wykładzie to niestety
18:42uznajemy, że wielkość próby jest
18:46wielkość populacji jest mała i że
18:48wielkość próby będzie stanowiła
18:50relatywnie duży udział w stosunku do
18:53wielkości populacji.
18:55Co wówczas możemy zrobić? albo
18:56wprowadzisz różnego typu korekty, albo
18:59na przykład wprowadzić losowanie ze
19:02zwracaniem. Czyli pierwsza osoba, którą
19:04wybraliśmy dalej brana jest pod uwagę
19:06przy kolejnym losowaniu. Natomiast
19:07jeżeli
19:09może zdarzyć się tak, że ona zostanie
19:11drugi raz wybrana i będziemy mieć z tego
19:12tytułu problem. Innym rozwiązaniem jest
19:17wylosowanie osób jednoczasowo,
19:19czyli rozdanie wszystkim w tym losów i w
19:23jednym momencie wszyscy otwierają i na
19:25przykład wskazujemy, że osoby, które
19:27mają numery o 1 do 10 zostały wybrane,
19:31nie mając żadnej kontroli tak naprawdę
19:33nad sposobem rozdzielenia tych głosów.
19:35Co jest bardzo istotne. Badacz w żadnym
19:38stopniu nie może wpływać na te
19:40prawdopodobieństwa. yyy nie może w jakiś
19:42sposób ingerować w
19:47to, która osoba znajdzie się w próbie
19:48czy nie. To miałoby miejsce. Nastą
19:51byłoby to złamanie tej zadnczącej doboru
19:54losowego prostego. Jeżeli mamy problem z
19:57doborem osób i stosowaniem metod, no
20:00możemy wykorzystać tablicę liczb
20:01losowych. To jest taka dość archaiczna
20:02metoda. Znajdą państwo pod koniec
20:05babiego tablicze liczb losowych, które
20:07umożliwiają wylosowanie dowolnej próby w
20:12populacji. W zależności od wielkości
20:15próby losów wybieramy i wielkości
20:17populacji. Wybieramy odpowiednią liczbę
20:20cyfr z każdej liczby i na tej podstawie
20:22określamy numery osób, które dostaną się
20:25do badania. Ale ta metoda jest
20:27wyjątkowo, ale ma teraz znaczenie
20:30wyłącznie w kategorii metod
20:32historycznych. Mając Excela mogą państwo
20:35użyć prostej funkcji los, która
20:38przyporządkuje danej osobie na liście
20:41liczbę losową. Tylko proszę uważać z tą
20:43funkcją, bo ona jest zmienna i potrafi
20:45po zapamiętaniu pliku zmieni się państwu
20:48ta wartość, w związku z tym i kolejność
20:50osób, które zostałyby wybrane do
20:52badania. Natomiast tak jak państwu
20:54wspomniałem, możemy właśnie wykorzystać
20:56Excel, żeby prowadzić takie losowanie
20:58proste. Warunek jest taki, że każda
21:00jednostka ma identyczną szansę dostania
21:02się do próby.
21:05Kolejna metoda z omawianych, dobór
21:08systematyczny, polega na tym, że
21:10wybieramy do próby co którąś osobę z
21:13operatu. Jeżeli to jest lista studentów
21:15na wykładzie, możemy wybrać sobie co
21:18piątą, 10, 12 osobę i tak dobrać naszą
21:21próbę.
21:23Jest to doskonała metoda. Ja ją bardzo
21:24polecam, dlatego że jest prosta,
21:26efektywna, natomiast ma parę dodatkowych
21:29cech, na które trzeba zwrócić uwagę.
21:32Omówmy ten problem na przykładzie
21:34budynku. Załóżmy, że na danym piętrze
21:38jest zawsze siedem mieszkań.
21:40Jeżeli nasz skok byłby co siedem, to
21:45okazałoby się wówczas, że wybieramy
21:48mieszkańców wyłącznie z jednej strony
21:50budynku, dlatego że byłoby to powiedzmy
21:53mieszkanie numer 7, 14, 21, 28 i tak
21:57dalej, których okna wychodziłyby na
21:59jedną stronę. To byłby jeden pion. W
22:01konsekwencji na przykład gdyby państwo
22:03pytali osoby o uciążliwość ruchu
22:05miejskiego na warunki mieszkania i wpływ
22:07tego ruchu miejskiego na warunki
22:08mieszkania, jakość życia i tak dalej,
22:11mogłoby się okazać, że jeżeli te okna
22:12akurat wychodzą, ten okna z tego pionu
22:15na park, to odpowiedzi tych osób byłyby
22:18całkowicie inne niż mieszkańców tego
22:20samego bloku, ale mieszkających po
22:22drugiej stronie, których okna wychodzą
22:25na przykład na ruchliwą ulicę. Tak się
22:27może zdarzyć.
22:29Co wówczas zrobić, jeżeli mamy sytuację,
22:31gdy ten wielkość skoku jest identyczna z
22:35jakąś ukrytą strukturą? Na zasadzie są
22:38dwie opcje. Pierwsza to jest
22:42wymieszać cały operat. Innymi słowy,
22:45zamiast ukłożonego ułożonej listy
22:47mieszkań w tym budynku musieli państwo
22:49ją wymieszać, a następnie wybierać co
22:51któreś mieszkanie.
22:53Natomiast innym rozwiązaniem jest
22:56zwiększenie lub zmniejszenie wartości
22:58skoku o jeden. Jeżeli państwo
23:00zwiększyliby wartość skoku o jeden,
23:02zaczęliby państwo robić taką spiralę
23:05wokół budynku, idąc coraz wyżej z
23:08mieszkania do mieszkania. miałoby to
23:10dodatkową wartość, dlatego że wówczas
23:12mieli państwo praktycznie gwarancję, że
23:14wszystkie piony zostały w jakiś tam
23:17sposób zbadane. Oczywiście nie na każdym
23:19piętrze, tylko na różnych piętrach,
23:20natomiast w jakiś sposób byłyby
23:22uwzględnione w tym badaniu. Oczywiście
23:23tutaj mówimy o sytuacjach idealnych,
23:26więc tutaj trzeba rozważyć tą tę
23:28kwestię, dlatego że z jednej strony
23:32dobór
23:34dobór osób do badania może być dla nas
23:39ułatwiony właśnie stując metodę doboru
23:41systematycznego. Co więcej, jeżeli mamy
23:43ukrytą strukturę i odpowiednio ją
23:45wykorzystamy, możemy zapewnić
23:47odpowiednie reprezentacje poszczególnych
23:51grup. Na przykład jeżeli badamy szkoły w
23:53Warszawie i podzielimy szkoły na
23:55dzielnicę i będziemy wybierać co którąś
23:58szkołę, to nie dość, że wybierzemy dobrą
24:00próbę w ten sposób, to również
24:03reprezentacje dzielnic będą mniej więcej
24:06odpowiadały udziałowi szkół w danej
24:08dzielnicy w stosunku do szkół w ogóle w
24:11całym mieście. Jest to dość ciekawa
24:14właściwość tych metod doboru próby i
24:16korzystna. Ona nas zbliża tutaj do
24:18doboru trochę warstwowego.
24:21Natomiast ograniczeniem jest to, że
24:24jeżeli by okazało się, że wartość skoku
24:27jest identyczna z ukrytą strukturą na
24:29przykład także może być Babi chyba pisał
24:31o sytuacji w wojsku z tym, wówczas
24:35możemy zebrać dane tylko od jednej
24:38kategorii respondentów, co może
24:41doprowadzić do obciążenia badania. tego
24:43trzeba zastanowić się czy taka struktura
24:44istnieje tak czy ona będzie działała na
24:47naszą korzyść czy nie korzyść natomiast
24:48generalnie dobór systematyczny bardzo
24:50państwu polecam gdyż jest łatwy do
24:52przeprowadzenia
24:55i efektywny w realizacji.
24:57Często pojawia się pytanie, w jaki
24:59sposób wybrać pierwszy element, do
25:01którego będziemy odliczać, bo na
25:02przykład mamy 1000, populacja zaliczy
25:061000 elementów, skok w wielkości, nie
25:09wiem, 25, to od którego elementu
25:12zaczynamy? Bo jak zaczniemy liczyć od
25:14500, na przykład będzie 501, 525 i tak
25:18dalej, będzie to
25:22problem.
25:24Żeby tego problemu uniknąć, że liczmy w
25:25jedną i w drugą stronę jednocześnie,
25:28zacznijmy wtedy od początku listy.
25:32Natomiast pierwszy element losujemy z
25:34zakresu w tym wypadku od 1 do 25, tak? I
25:38może to byać liczba 13. Do tej liczby 13
25:41dodajemy 25. Kolejna będzie w takim
25:43razie 38, tak? Czyli 13 osoba, 38 i tak
25:48dalej. Więc to o tym też powinni państwo
25:50pamiętać.
25:52Dobór warstwowy opiera się na założeniu,
25:54że w danej populacji istnieją jakieś
25:56wyraźne podziały na podgrupy. Tak?
26:00Te podziały muszą być istotne z punktu
26:03widzenia tematu badania. Inaczej byśmy
26:05wyznaczyli grupy, gdybyśmy na przykład
26:07badali stosunek do aborcji. Inaczej
26:09byśmy wyznaczyli grupy, gdybyśmy
26:11analizowali kwestie naciśnienia
26:13tętniczego. Inaczej byśmy znaczyli
26:15grupy, gdybyśmy badali na przykład jakąś
26:18inny zestaw chorób. Więc te cechy, które
26:21nam dzielą populację na te warstwy,
26:23powinny być istotne z perspektywy tematu
26:26badawczego. One nie są uniwersalne. W
26:28jednych tematach na przykład płeć będzie
26:30działała istotnie, w innych wiek. Proszę
26:32zastanowić się na przykład, jakie
26:34warstwy wyróżniły państwo badając
26:36studentów zdrowia publicznego. Czy
26:39dzielili państwo studentów względem
26:42płci,
26:44może tego czy mówimy o studiach
26:45magisterskich czy licencjackich,
26:48a może różnice są względem
26:50poszczególnych lat studiów również. Może
26:54różnicowaliby państwo ich tym, czy na
26:56przykład studenci studiów magisterskich
26:58wcześniej kończyli zdrowie publiczne,
26:59czy jakiś inny kierunek. Jeżeli państwo
27:02analizują na przykład tematy, temat
27:04satysfakcji ze studiów,
27:06to te kwestie mogą być akurat istotne.
27:08Dlatego trzeba zawsze tutaj zastanowić
27:10się w jakie cechy dzielą nam populacje i
27:13są istotne z punktu widzenia danego
27:14tematu. Co dalej z tym robimy? Staramy
27:17się, żeby te grupy wewnątrz były jak
27:20najbardziej
27:21homogeniczne, czyli podobne do siebie,
27:23tak? Czyli, że w danej grupie osoby
27:26mniej więcej reprezentują podobne
27:28poglądy, mają podobne cechy, mają
27:31zbliżone do siebie cechy. Natomiast
27:33różnice, które są obserwowane w
27:35populacji, staramy się umieścić w
27:37różnicach między grupami, czyli żeby te
27:39grupy z kolei były jak najbardziej od
27:40siebie różne. Dlaczego to jest taka
27:43ciekawa metoda? Wyobraźmy sobie sytuację
27:46skrajną. Nie wiem, czy państwo są fanami
27:48Gwiezdnych Wojen, ale była tam koncepcja
27:51wojny klonów. Tak. Proszę wyobrazić
27:54sobie, że mamy
27:57armię klonów.
28:00Ilu ile klonów trzeba wybrać, żeby
28:03określić na przykład ich wzrost, kolor
28:07oczu, kolor włosów?
28:10Skoro mamy czynienia z klonami, czyli
28:12wszystkie są identyczne, wystarczy nam
28:15jedna jednostka, jeden element
28:16wylosowany. Nie musimy losować próby 10,
28:19100, 1000elementowej.
28:22Dlaczego? No bo tu wystar jeden tak
28:24naprawdę odpowiada wszystkim pozostałym.
28:26To jest olbrzymie oczywiście
28:27uproszczenie. W populacji nie ma takiej
28:28sytuacji, natomiast pokazuje pewną
28:31koncepcję. Jeżeli wewnątrz warstwy
28:34wszystkie jednostki są do siebie
28:35podobne, wówczas z większym
28:38prawdopodobieństwem wnioskujemy o jej
28:40cechach. Błąd oszacowania jest niższy. I
28:43to jest właśnie koncepcja, która stoi za
28:46doborem warstwowym. Obniżamy błąd z
28:49próby dlatego, że badamy osoby, które
28:53badamy próbę, która jest podzielona na
28:55części i każda część tej próby jest
28:58bardzo do siebie podobna. Innymi słowy,
29:00staramy się tak wdobrać te cechy, żeby
29:05stworzyć te jak najbardziej homogeniczne
29:08grupy.
29:13Teraz przy doborze warstwowym powstaje
29:16zawsze
29:18zasadnicze pytanie. Jak określić udział
29:21poszczególnych warstw w próbie? Mają
29:24państwo zasadniczo dwie strategie.
29:27Pierwsza mówi o tym, że udział każdej
29:30warstwy powinien być proporcjonalny do
29:32jej udziału w populacji. Na przykład
29:33jeżeli mamy studentów zdrowia
29:35publicznego, podział na kobiety i
29:37mężczyzn,
29:39założymy, że w państwach populacji jest
29:41to 20% mężczyzn, 80% kobiet. W związku z
29:45tym próba powinna być też tak
29:47podzielona.
29:49Takie założenie da państwu próbę
29:52bardziej reprezentatywną niż inne, więc
29:57wydaje się to cennym podejściem.
29:59Natomiast jeżeli później państwa celem
30:01badania jest porównanie na przykład
30:04opinii mężczyzn i kobiet studiujących
30:06zdrowie publiczne, to pojawi się
30:08problem. dlatego że na przykład wybrali
30:10państwo
30:1250 osób, z czego 10 to mężczyźni, a 40
30:17to kobiety co badania. Natomiast jak
30:20znaczą państwo statystyki, błąd
30:22oszacowania będzie zależny od wielkości
30:24próby. W związku z tym będzie inny błąd
30:27oszacowania, znacznie większy w grupie
30:28mężczyzn niż w grupie kobiet. Jeżeli
30:32zależy nam na porównaniu dwóch grup, na
30:34przykład mieszkańców miast i wsi, to
30:37wówczas staramy się ustalić, że te
30:40proporcje są identyczne albo bardzo
30:42zbliżone do siebie. Wówczas wielkość
30:46błędu szacowania
30:47czy błędu spróby będzie minimalizowana
30:51względem oczywiście ogólnej liczebności
30:53próby. Jest to strategia również
30:55stosowana, więc mamy dwie tutaj
30:57podstawowe opcje.
31:02Dobór wiązkowy, grupowy, wielostopniowy.
31:06Tych nazw jest generalnie stosowanych
31:08wiele. Już o czym państwu mówiłem. W
31:10języku angielskim najczęściej spotyka
31:12się cluster sampling, czyli taki
31:13zgrupowany
31:15dobór. Na czym on polega? Generalna
31:19koncepcja jest taka, że zamiast wybierać
31:21pojedyncze jednostki, wybieramy grupy
31:23najpierw, a później dobieramy w ramach
31:26tych grup konkretne konkretnych
31:28respondentów. Czemu w ogóle się na takie
31:31rozwiązanie decydować? Pozwala ono
31:34zmniejszyć koszty i czas realizacji
31:36badania. Za chwilę to państwu wyjaśnię.
31:39Natomiast to, co powinni państwo zawsze
31:41pamiętać, że ta metoda szacowu próby ma
31:45jedną podstawową wadę.
31:47Na błąd
31:50oszacowania i błąd z próby są obecne na
31:53każdym etapie losowania. Innymi słowy,
31:56im więcej etapów losowania, tym większy
31:59błąd ten skumulowany z całego procesu
32:03doboru prób. Innymi słowy, ta metoda pod
32:07tym względem jest gorsza od doboru
32:08losowego prostego, nie mówiąc też o
32:10doborze warstwowym, który jest uznawany
32:13tutaj za najbardziej precyzyjny.
32:16Czemu w ogóle sięgamy po dobór?
32:19dobór
32:21wielostopniowy czyż grupowy.
32:23Otóż gdybyśmy wyobrazili sobie mapę
32:25Polskę mają państwo
32:28zdjęciem, które prrezentuje podział na
32:31powiaty, ich jest 380
32:34łącznie w Polsce, ale powiaty możemy
32:36jeszcze podzielić na mniejsze jednostki,
32:38mianowicie na,
32:41no i tych gmin mamy w Polsce
32:44240 247.
32:47I teraz wyobraźmy sobie, że mamy
32:49respondentów wylosowanych
32:53w sposób losowy. Mamy losowanie proste
32:57na terenie całej Polski. Co się wówczas
32:58okazuje? Na całej tej mapie mamy pełną,
33:02powiedzmy, 1000 kropek, którzy
33:04reprezentują naszych respondentów
33:05wybranych do badania. Nasz ankieter
33:07jedzie do jednego, ale nie zastaje go.
33:09Wsiada w samochód i jedzie, nie wiem, 30
33:12km, żeby zastać drugiego.
33:14Jego też nie ma w domu. I do trzeciego.
33:18W konsekwencji
33:20ankieter w ciągu całego dnia próbuje
33:23nawiązać kontakt z ośmioma osobami.
33:25Zrobił
33:27przejechał łącznie 300 km
33:30między nimi, a zrealizował dwa wywiady.
33:34konsekwencje takiego podejścia, no to
33:36jest niska bardzo efektywność pracy i
33:38wysokie jej koszty. Co w takiej sytuacji
33:40możemy zrobić? Otóż zamiast losować 1000
33:44osób bezpośrednio z całej Polski,
33:46najpierw losujemy powiedzmy jakieś
33:48punkty startowe, czyli to mogą być
33:51właśnie
33:53powiaty, ale powiaty są zwykle za duże,
33:55mogą być raczej gminy. Czyli losujemy
33:57sobie 50 gmin z prawdopodobieństwem
34:01proporcjonalnym na przykład do yyy ich
34:04wielkości, a następnie w każdej z
34:07gminowanych
34:08do badania losujemy 20 osób do wzięcia
34:11udziału w badaniu. Innymi słowy, gminy
34:14są już na tyle małymi jednostkami, że
34:17przejechanie od jednego respondenta do
34:18drugiego, jak mamy powiedzmy 20
34:20respondentów wskazanych w gminie, no już
34:22nie będzie tak bardzo czasochłonne i
34:24obniży koszty badania. Co więcej,
34:28w prawdziwych badaniach gminy też są
34:30uznawane za zbyt duże jednostki i używa
34:32się zazwyczaj od specjalnych jednostek
34:34stworzonych przez Główny Urząd
34:35Statystyczny celów badawczych, czyli
34:37rejonów statystycznych, obwodów
34:39spisowych, które są
34:42wyznaczone w ramach poszczególnych gmin
34:44i tam powiedzmy mamy do 1000 gospodarstw
34:46domowych i takiego rodzaju jednostki
34:49losujemy. W ten sposób powstają takie
34:52wiązki. Wiązki łączą się i na samym
34:57końcu mamy zbieramy całość tych danych.
35:01Mogą państwo także losować na przykład w
35:02mieście respondentów po kodach
35:05pocztowych i wewnątrz danego kodu
35:07pocztowego losować kilkanaście czy
35:10kilkadziesiąt osób. To zależy tak
35:13naprawdę od państwa podejścia i celu.
35:19Omówiłem przed chwilą państwu podstawowe
35:21kwestiecych metod probabilistycznych.
35:23Natomiast to, o czym warto byłoby
35:25jeszcze wspomnieć to tak zwany dobór
35:28losowo-kwotowy. Co to jest?
35:31Do tej pory mówiłem państwu, że metoda
35:32dobór kwotowy to dobór
35:35nieprobabilistyczny, czyli metoda, w
35:37której nie mamy wykorzystywanego
35:39rachunku prawdopodobieństwa.
35:42jest ona uznawana za metodę jakościową.
35:44Natomiast
35:45dobór losowo-kwotowy to jest próba
35:48rozwiązania podstawowych problemów z
35:50doborem kwotowym. Czyli z jednej strony
35:53tworzymy sobie pewne kategorie, wewnątrz
35:56których będziemy dobierać tych
35:57respondentów. Natomiast dobór już tych
36:00samych respondentów nie jest otwarty na
36:02dostępności badanych czy na ich
36:06czy jakieś okoliczności,
36:08ale ma jakiś charakter losowania.
36:12Jest to próba poprawienia kwestii
36:16ograniczeń metody kwotowej.
36:18Stosunek naukowców do metody metodologów
36:22do doboru losowego kwotowego jest
36:24generalnie
36:26nie ma tutaj jednoznacznego stanowiska.
36:29Firmy badawcze regularnie posługują się
36:32tą metodą i uznają ją za wygodną w
36:35stosowaniu i efektywną. Badacze wskazują
36:38na to, że ona dalej ma do pewnego
36:40stopnia charakter jakościowy i szacunki
36:43przy jej na jej podstawie
36:46są nieprecyzyjne, gdyż nie da się
36:47określić precyzyjnie szansy dostania się
36:50danej osoby do próby. Tutaj ta dyskusja
36:54nie jest zamknięta. Natomiast generalnie
36:57również w tym w tej metodzie
37:00istnieje duży problem, a w jest
37:01niemożliwe określenie wielkości błędu
37:03pomiaru. To jest największy man.
37:08Kluczową kwestią przy tematyce
37:11doboru próby jest omówienie problemu
37:15wielkości próby. Dlaczego wielkość próby
37:17jest tak istotna?
37:20Przede wszystkim dlatego, że wielkość
37:22próby jest ściśle powiązana z
37:23dokładnością wnioskowania. Jeżeli z
37:27populacji Polski, powiedzmy tych 37 38
37:29milionów osób wylosuje sobie próbę
37:3310osobową, czy ona będzie dla mnie
37:35wiarygodna, czy ona da mi
37:39rzeczywisty obraz sytuacji? No raczej
37:41nie. No bo na podstawie 10 osób bardzo
37:44ciężko jest wnioskować. No zobaczyli
37:46państwo po testach statystycznych, że te
37:48przedziały jakie państwo by tam ufności
37:50otrzymali by byłyby bardzo duże. To
37:52zwiększmy próbę do 100 osób. Sytuacja
37:55ulegnie poprawie, natomiast nie rozwiąże
37:57to problemu. Dalej jest to wartość zbyt
37:59niska. Zwykle większość badań takich
38:03dotyczących całej populacji
38:05realizowanych jest na próbach około 1000
38:081100 osób. To jest taki, powiedziałbym,
38:12standard przyjęty. Natomiast w badaniach
38:15medycznych stosuje się często zarówno
38:17większe, jak i mniejsze próby. W
38:19następnych zajęciach spróbuję państwu
38:21dokładnie omówić dlaczego tak się
38:23dzieje, jakie ma to konsekwencje.
38:27Ale to co powinni państwo zapamiętać, że
38:30w zależności od wielkości próby będziemy
38:33mieć wpływ tego czynnika na po pierwsze
38:37kwest możliwość wnioskowania o danej
38:40populacji, precyzję tego wnioskowania,
38:43możliwość wykonywania analiz w
38:46poszczególnych podgrupach, bo jeżeli
38:49nagle okaże się, że chcą państwo
38:51analizować szczegółowo kwestie podziału
38:53na kobiety i mężczyzn i będą państwo
38:56analizy praw odzi w każdej z tych
38:57podgrup niezależnie to powiedzmy
38:59zakładając
39:01że w populacji mniej więcej ten odsetek
39:03jest równy to z próby 1000osobowej nagle
39:07zrobią się państwu dwie próby 500
39:09osobowych i to przekłada się również na
39:11kwestię tego błędu szacowania statystyk
39:14które będą państwo obliczać poziomów
39:16istotności zresztą o tym będę jeszcze
39:18mówił
39:20i to powiedziałbym jest kluczowa kwestia
39:22więc muszą państwo pamiętać że
39:26ta wiel Wielkość próbu jest tutaj jednym
39:27z kluczowych parametrów. Generalnie
39:30możemy przyjąć, że zawsze im większa
39:31próba, tym lepsza. Natomiast oczywiście
39:34im większa próba, tym większe koszty
39:37realizacji, dłuższy czas realizacji.
39:39Więc o tym należy pamiętać. Dziękuję
39:42bardzo.

About this transcript

This page contains the full transcript of WUM Metodologia 08 v2.0. Metody doboru próby cz. II. Metody probabilistyczne by WUM materiał Filip Raciborski, generated from the public captions YouTube serves with the video. The transcript has 4,976 words across 945 segments, with the original timestamps preserved so you can click any line to jump to that moment in the embedded player.

What you can do with it

Use the transcript to take notes, quote the speaker, build a study guide, generate a summary with ChatGPT or Claude via the YouTube Summary tool, or export it as a timed subtitle file with YouTube to SRT. You can also re-open it in the transcriber to choose a caption track available on the video.

Free YouTube transcript tool

YouTube2Text is a free YouTube transcript generator — no signup, no daily limit. Paste any YouTube link and get the full transcript instantly, with timestamps, click-to-jump, caption language selection, AI prompts for ChatGPT, Claude, and Gemini, and exports to TXT, SRT, VTT, or Markdown.