통계에서 표본은 전체 그룹 전체를 나타내는 데 사용되는 모집단의 하위 집합입니다. 연구를 수행 할 때 특정 인구의 모든 구성원을 조사 하는 것은 종종 비현실적입니다. 왜냐하면 엄청나게 많은 사람들이 너무 큽니다. 모집단의 특성에 대한 추론을하기 위해 연구원은 무작위 표본을 사용할 수 있습니다.
왜 연구자들은 샘플을 사용합니까?
인간의 정신이나 행동 의 측면을 연구 할 때 연구자는 대부분의 경우 모든 개인으로부터 데이터 를 수집 할 수 없습니다. 대신, 그들은 더 큰 그룹을 대표하는 개인의 작은 샘플을 선택합니다. 표본이 해당 집단의 진정한 대표자라면 연구자는 그 결과를 받아서 더 큰 집단으로 일반화 할 수 있습니다.
샘플링 유형
심리학 연구 및 다른 유형의 사회 연구에서 실험자는 일반적으로 몇 가지 다른 샘플링 방법에 의존합니다.
1. 확률 샘플링
확률 샘플링이란 인구 집단의 모든 개인이 선출되고 평등하게 선택 될 수 있음을 의미합니다. 확률 표본 추출은 무작위 선택을 포함하기 때문에 모집단의 다른 하위 집합이 표본에 나타날 가능성이 동일하다는 것을 보장합니다. 이것은 확률 표본을 더 대표적으로 만든다. 그리고 연구자들은 그룹 전체에 결과를 더 잘 일반화 할 수있다.
확률 샘플링에는 몇 가지 유형이 있습니다.
- 단순 랜덤 샘플링 은 이름에서 알 수 있듯이 가장 단순한 유형의 확률 샘플링입니다. 연구원은 인구의 모든 개인을 데리고 임의로 컴퓨터 프로그램이나 난수 생성기를 사용하여 샘플을 무작위로 선택합니다.
- 층화 무작위 표본 추출 은 모집단을 하위 집단으로 분리 한 다음 이들 하위 집단 각각에서 간단한 무작위 표본을 추출 하는 것을 포함합니다. 예를 들어 연구를 통해 인구를 인종, 성별 또는 연령을 기준으로 하위 그룹으로 나눈 다음이 그룹 각각의 간단한 무작위 표본을 추출 할 수 있습니다. 층화 무작위 표본 추출은 단순 무작위 표본 추출보다 통계적 정확도가 우수하며 특정 그룹이 표본에 정확하게 표시되도록합니다.
- 클러스터 샘플링 은 인구를 지리적 위치 또는 경계에 따라 작은 클러스터로 나누는 것을 포함합니다. 그런 다음 이러한 클러스터의 무작위 샘플을 선택하고 클러스터 내의 모든 주제를 측정합니다. 예를 들어, 귀하가 거주하는 주에서 학교장에 대한 학습을하려고한다고 가정 해보십시오. 모든 단일 학교 원칙으로부터 데이터를 수집하는 것은 비용이 많이 들고 시간이 오래 걸릴 것입니다. 클러스터 샘플링 방법을 사용하면 주에서 5 개 카운티를 무작위로 선택한 다음 해당 5 개 카운티의 모든 과목에서 데이터를 수집합니다.
2. 비확산 샘플링
반면에, 비 확률 샘플링은 모집단의 모든 개인에게 똑같은 기회를 부여하지 않는 방법을 사용하여 참가자를 선택하는 것과 관련이 있습니다.
이러한 유형의 표본에 대한 한 가지 문제점은 자원 봉사자가 자원 봉사자가 아닌 특정 변수에서 다를 수 있으므로 결과를 전체 인구로 일반화하기 어려울 수 있다는 것입니다.
또한 여러 가지 유형의 비보험 샘플링이 있습니다.
- 편의 샘플링 은 편리하고 사용 가능하기 때문에 참가자를 연구에 참여시키는 것을 포함합니다. 대학의 심리학과를 통해 실시 된 심리학 연구에 자원 한 사람이 있다면 편의 샘플에 의존하는 연구에 참여했습니다. 연구자가 이용할 수있는 임상 샘플을 사용하거나 자원 봉사자를 묻는 것에 의존하는 연구도 편의 샘플의 예입니다.
- Purposeive 샘플링 은 특정 기준을 충족하는 개인을 찾는 것입니다. 예를 들어, 마케팅 담당자는 제품이 18 세에서 35 세 사이의 여성에게 어떻게 인식되는지 알기를 원할 수 있습니다. 시장 조사 회사를 고용하여 의도적으로 나이 기준을 충족하는 여성을 찾아 전화 인터뷰를 실시 할 수 있습니다.
- 할당량 샘플링 은 인구 집단 내의 특정 그룹의 특정 그룹을 의도적으로 샘플링하는 것을 포함합니다. 예를 들어, 정치적 여론 조사 기관은 특정 정치 이슈에 대한 인구의 의견을 조사하는 데 관심이있을 수 있습니다. 단순 임의 표본 추출을 사용하는 경우 우연히 인구의 특정 하위 집합을 놓칠 수 있습니다. 대신, 그들은 샘플의 특정 비율이 이러한 하위 그룹을 포함해야한다는 기준을 수립합니다. 결과 샘플이 실제로 모집단에 존재하는 실제 비율을 나타내지는 않을 수도 있지만 할당량이 있으면 이러한 작은 하위 그룹이 표시됩니다.
확률 및 비확산 샘플이 서로 다른 몇 가지 방법에 대해 자세히 알아보십시오.
샘플링 오류
자연스럽게 샘플링은 모집단의 모든 개인을 포함 할 수 없기 때문에 오류가 발생할 수 있습니다. 모집단에 존재하는 것과 샘플에 존재하는 것의 차이를 샘플링 오류 라고 합니다 .
모집단과 표본의 차이가 얼마나 큰지 정확히 알 수는 없지만 연구원은 표본 추출 오류의 크기를 통계적으로 추정 할 수 있습니다. 예를 들어, 정치적 여론 조사에서 특정 신뢰 수준에 의해 표현 된 오류 마진을 자주 듣게 될 수 있습니다.
일반적으로 표본 크기가 클수록 오류 수준은 낮아집니다. 이는 표본이 전체 인구의 크기에 가까워 질수록 인구의 모든 특성을 정확하게 포착 할 가능성이 높아지기 때문입니다. 샘플링 오류를 완전히 없애는 유일한 방법은 전체 인구 집단의 데이터를 수집하는 것인데, 이는 비용이 너무 많이 들고 시간이 오래 걸리는 경우가 많습니다. 그러나 무작위 확률 테스트와 큰 샘플 크기를 사용하여 샘플링 오류를 최소화 할 수 있습니다.
참고 문헌 :
Goodwin, CJ (2010). 심리학 연구 : 방법 및 디자인. Hoboken, NJ : John Wiley와 Sons.
Nicholas, L. (2008). 심리학 개론. UCT Press : 케이프 타운.