良い調査調査の設計は強力なサンプリング戦略から始まります
従来の市場調査は、回答者の代表的なグループであるサンプルを特定してアクセスできるという考え方に基づいています。
調査研究における代表的なサンプル
市場調査では、 代表サンプルという用語は、以下を指します。
- 消費者のターゲットユニバースのメンバーと一致する少数の消費者の選択 。 ターゲットユニバースの例は、20歳から30歳までのスマートフォンの所有者とユーザーです。
- 調査結果に影響を及ぼすことが予想されるすべての属性について、サンプルと宇宙の一致が強くなければなりません。
- サンプルと宇宙とのマッチの一例は、若い女性の有名人によってデザインされた香水の消費者の選択である。 この例では、調査成果に影響を及ぼすことが予想される属性は18-28歳の女性で、エンターテイメントに精通しています。
- 属性の二次的なセットは、都市居住、大学入学、東海岸または西海岸在住、裁量所得 （所得水準）である。
- 関連する特性がサンプルに含まれることができるメンバーの割合は、ターゲットとする消費者ユニバースのメンバーの比率に近似する必要があります。
- たとえば、消費者の宇宙にビジネスマン、大学生、および高齢者が含まれている場合、水曜日の午後に大学書店の楽しい学生から代表的なサンプルを作成することはできませんでした。
- 調査参加者へのアクセスは困難な場合があります。 消費者のプロのパネルが調査のイニシアチブで頻繁に使用される主な理由の1つです。
- もう1つの効果的な戦略は、研究者がサブグループに関するデータを解読するのを支援する層別無作為抽出手順を使用することです。
調査研究におけるサンプル選択
サンプルのメンバーは、偏見を減らすためのさまざまな方法で選択されます。 これは、 有効な研究結論を生み出す確率が高まり 、結論が標的宇宙に一般化できることを意味する。
調査試料は、好ましくは、ランダム化プロセスによって選択される。 たとえば、サンプル・メンバーがデータベースから選択された場合、データベース・リスト内の3番目ごとのメンバーが選択されます。 場合によっては、サンプルのメンバーをランダムに選択するのではなく、割り当てる必要がある場合があります。 最良の条件であっても、調査は偶然とは関係があり、リサーチデザインとは関係のないサンプルベースの不正確さの対象となるため、好ましいアプローチではありません。 Experimental Resourcesによって特定された有権者の電話ポーリングの問題から修正された、エラーの原因のリストを見てみましょう。 このリストには、アンケートデザイン、アンケート実施、アンケートデータの分析における不正確な原因が含まれています。
- データベースのメンバーに関する不完全な情報により、重要な変数がサンプルから除外されます
- 選択されたサンプルメンバーは、アンケートに参加する意思がありません。
- 研究に参加することを拒否するサンプルメンバーは、 参加することに同意するサンプルメンバーよりも、研究の重要な変数に関して異なる。
- アンケート回答者はアンケート質問に虚偽または不完全な回答を返します。
このリストの項目は、 Experimental Resourcesの電話ポーリングリストから変更され、調査デザインに関連しています。
- ランダム化プロセスが使用されましたが、偶然にも、それはあまりに多くの異常値を拾います。 *
- アンケートの質問はよく言われず、回答者を混乱させる。
- 調査の質問の順序は、その後の質問の回答に過度に影響します。
- 調査回答は、データを歪める重み付けまたはグループ分けを受けています。
市場調査担当者が調査調査の対象となる人口を代表するサンプルが合理的に安心したら、 サンプルのサイズと信頼区間を考慮するように注意を向けることができます 。
Experiment Resourcesは、外れ値を計算して削除する方法を理解しようとしていた心理学者が作成した興味深いWebサイトです。