Kapitel 08. Fundamentals of Sampling

Hoyle. H. R, Harris J. M. and Judd M. C (2002): Research Methods in Social Relations. USA.: Wadsworth.

Placering i feltet:

Dette er en tekst, der hører under faget socialpsykologi.

Abstrakt:

Denne tekst eller kapitel handler om sampling. I kapitlet bliver der beskrevet:

  • Hvad sampling er,
  • Hvordan man sampler,
  • Og hvordan man kan generalisere ud fra det resultat, man er kommet frem til i en sampling.

Tekstens indhold og formål:

I enhver undersøgelse er der et afgørende problem eller spørgsmål: kan det, man er kommet frem til i undersøgelsen generaliseres? Dette problem eller spørgsmål kaldes ydre validitet (external validity). Hvis en undersøgelse har en høj ydre validitet, kan man fortroligt generalisere resultatet i undersøgelsen med den population eller det område, som hører inden for denne teoretiske interesse.  

Dette kapitel er en introduktion til de problemer og mål, man kommer ud for i en sampling (= processen, hvor man udvælger elementer (fx mennesker, organisationer) fra en population. Ved at studere dette udvalgte sample kan man generalisere resultaterne tilbage til den population, hvor enheden blev udvalgt fra). Hovedsageligt kan dette kapitel deles op i tre: 

  1. I kapitlet bliver der først og fremmest redegjort for nogle basis definitioner og begreber inden for sampling.  
  2. Derefter beskriver kapitlet de to basis typer af sampling: nonprobability sampling og probability sampling. Og hvordan selve udvælgelsesprocessen af et sample kan påvirke validiteten, når man til sidst generaliserer samplet tilbage til populationen.  
  3. For det meste fokuserer kapitlet på at undersøge eller tage prøver af mennesker (fx ved at interviewe), men sidst i kapitlet bliver der også diskuteret, hvordan der kan tages prøver af andet end mennesker (fx nyhedshistorier).

 1: Some Basic Definitions and Concepts – s. 182:

En population = en samlet masse, der passer til udvalgte specifikationer. Fx kan en population være alle kontrollørerne i en fabrik eller alle drenge under 16 år, der arbejder på en avis, hvor de udbringer nyhedsaviser. I nogle tilfælde kan en population være inkluderet i en anden population. Dette kaldes for en subpopulation eller stratum. Fx kan en given population underinddeles i ”mænd under 21 år”, ”kvinder under 21 år”, ”mænd fra 21 til 59 år” osv. Et enkelt medlem i en population bliver kaldt for population element, og ordet census bliver brugt, når man tæller alle elementerne i en population eller bestemmer fordelingen af elementerne i populationen. 

Man sparer både tid og penge, hvis man kun tager elementer ud fra en population i stedet for at undersøge hele populationen. Når man udvælger nogle populations elementer, fordi man ønsker at kunne sige noget om den population, som disse elementer er udtaget fra, kaldes denne gruppe af elementer for en sample. Og så håber man selvfølgelig, at det man finder ud af ved at undersøge disse populations elementer, passer til hele populationen. Men dette afhænger af, hvordan disse sample er udvalgt. Man skelner mellem to typer af sampling: probability sampling og nonprobability sampling: 

2: Probability sampling vs. nonprobability sampling – s. 186:

Probability sampling = når man kan angive sandsynligheden for, at hvert element i populationen er inkluderet i selve samplingen. En probability sampling gør det muligt for forskerne at vurdere, om resultatet af deres sampling havde været anderledes, hvis de havde undersøgt hele populationen.  Man underinddeler probability sampling i 3 grupper: Simple random samples, stratified random samples og various types of cluster samples. I dette kapitel bliver der kun redegjort for den først nævnte, simple random samples, som er den mest basale sampling metode indenfor probability sampling. 

Simple random samples giver alle elementerne i den undersøgte population mulighed for at være med i samplen, men garanterer også, at alle de mulige kombinationer af cases i en population bliver retfærdigt udvalgt.  

Fx hvis man ønsker at lave en tilfældig sample af to cases fra en population, som indeholder fem cases. De fem cases hedder fx: A, B, C, D og E. Der er 10 mulige par af cases i denne population: AB, AC, AD, AK, BC, BE, CD, CE og DE. Så skriver man alle kombinationerne på et kort og lægger dem i en hat. Blander dem og trækker et kort med bind for øjnene. Nu har alle casene haft samme mulighed for at være med i samplen. Der er udover dette eksempel også andre måder at give hver case i en population samme mulighed for at være med i samplen – fx ved hjælp af statistiske programmer.  

Nonprobability sampling = når man ikke kan vurdere sandsynligheden for, at hvert element er inkluderet i samplingen. Fordelen ved denne sampling er dog, at den er lettere at udføre og meget billigere end probability sampling. Man underinddeler nonprobability sampling i 4:

  1. Accidental samples = når man bare går ud på marken og undersøger de ”cases”, der ligger ved hånden. Fx når man interviewer de første 100 mennesker, man møder på gader om et eller andet eller når en lærer, som ønsker at generalisere et eller andet om alle studenterne på gymnasium, gør det ved kun studerer sin egen klasse.   
  2. Quota samples: I modsætning til accidental samples, så forsøger quota samples at garantere, at de diverse populations elementer, der medvirker i samplingen, er jævnt fordelt eller stemmer overens med det, som de forekommer at være i populationen. Fx hvis man laver en sampling fra en population, hvor der er lige så mange mænd som kvinder, for at undersøge en forskel mellem kønnene. Hvis man kun interviewede mænd, ville resultatet selvfølgelig være misvisende af hele populationen. I den virkelige verden, er kvinder og minoritetsgrupper, ofte underrepræsentere, når accidental samples bliver lavet. Quota samples forsøger at garantere, at dette ikke sker. Ud over dette, er quota samples på de andre områder lige så uforudsigelig som accidental samples.
  3. Purposive samples: Med denne sampling kan man med en god vurdering og bestemt strategi udvikle en tilfredsstillende sample i forhold til det, man har brug for at vide. En almindelig strategi inden for purposive samples er at udvælge cases, som man på forhånd ved er typiske for den population, man er interesseret i. Purposive samples har bl.a. været brugt til at forsøge at forudsige valgresultater. Fx har den været brugt således: Først har man udvalgt nogle små valgområder i hver stat og set på, hvordan valgresultaterne der plejer at være. Derefter har man interviewet kvalificerede vælgere for at høre, hvor de vil sætte deres stemme. Et problem med denne sampling er dog, at hvis der ikke er nogen ændring i den politiske atmosfære, kan man forudsige resultatet uden at lave interviewene. Men hvis der er forandringer, bliver man nødt til at undersøge, hvordan disse forandringer påvirker de udvalgte valgområder i forhold til andre valgområder.
  4. Snowball samples: Når en population, hvis medlemmer er vanskelige at lokalisere, skal undersøges, bruger forskere tit snowball samples for at få adgang til medlemmer i populationen. Snowball sampling er en sampling metode med flere trin. Samplingen starter i det små, men vokser sig trinvis større – ligesom en snebold. Fx kan populationen være prostituerede. I starten indeholder samplen måske 20 prostituerede, som skal svare på nogle spørgsmål. Når de har gjort det, skal de så lave en liste over så mange andre prostituerede, som de kommer på. De nye prostituerede på listen danner så det næste lag på snebolden. Denne procedure fortsætter, til der ikke er flere nye prostituerede på listen eller samplingen er blevet stor nok. Som med alle andre nonprobability samplings metoder, så er det også svært med snowball samples at vurdere, hvor meget den endelige sampling generelt kan sige om hele populationen.

 3: Sampling Elements Other Than People – s. 193:

Nogle gange skal man undersøge andet end mennesker. Et eksempel kan være, at man via sampling skal undersøge indholdet i medierne. Det ville være upraktisk og unødvendigt i denne sammenhæng at undersøge og kigge på alt indholdet i en bestemt nyhedsavis i lang tid. Derfor ville man i dette tilfælde hellere undersøge nogle udvalgte sider eller nogle udvalgte dage. Målet i denne sampling ville være at generalisere observationen eller analyserne – som er baserede på en sample af elementer i populationen – til hele populationen. Med andre ord: ud fra det indhold, man vælger at observere, skal man kunne sige noget om alt indholdet i den udvalgte avis. I dette tilfælde ville det være godt at bruge probability sampling. En simple random sample ville være god at bruge, da den retfærdigt udvælger de bestemte sider eller dage, man skal undersøge avisen.

Skriv et svar

Udfyld dine oplysninger nedenfor eller klik på et ikon for at logge ind:

WordPress.com Logo

Du kommenterer med din WordPress.com konto. Log Out / Skift )

Twitter picture

Du kommenterer med din Twitter konto. Log Out / Skift )

Facebook photo

Du kommenterer med din Facebook konto. Log Out / Skift )

Google+ photo

Du kommenterer med din Google+ konto. Log Out / Skift )

Connecting to %s