দুটি অভিগমন: সম্ভাব্য নমুনা বনাম অ-সম্ভাব্যতা নমুনা
বাজার গবেষণাতে স্যাম্পলিংয়ের দুটি সাধারণ পন্থা রয়েছে: সম্ভাব্যতা নমুনা এবং অ-সম্ভাব্যতার নমুনা। সম্ভাব্য নমুনা নিম্নলিখিত শর্ত পূরণ করতে হবে: বিশ্লেষণ প্রতিটি ইউনিট নমুনা গ্রুপ অন্তর্ভুক্ত করা হচ্ছে একই সম্ভাবনা থাকতে হবে, এবং তারপর নমুনা জন্য নির্বাচিত নমুনা গ্রুপের যে কোন সদস্যের গাণিতিক সম্ভাব্যতা গাণিতিকভাবে গণনা করা যেতে পারে।
কি ত্রুটি আছে নমুনা এবং আমি এটা যদি আমি কি জানেন?
অ-সম্ভাব্যতা নমুনার সঙ্গে কাজ করার সময় , স্যাম্পলিং ত্রুটির ঘটনাটি বুঝতে গুরুত্বপূর্ণ। নমুনা গ্রুপ ছোট, স্যাম্পলিং ত্রুটির সম্ভাবনা বেশি। এক বিশেষ ধরনের পক্ষপাতিত্ব অ অংশগ্রহণ অংশগ্রহণের একটি ফলাফল। একটি অধ্যয়ন সামগ্রিক ফলাফল উপর অ অংশগ্রহণ অংশগ্রহণ প্রভাব বুঝতে গুরুত্বপূর্ণ। একটি উদাহরণ 1980 জন জেনারেল সোসাইটি সার্ভে (জিএসএস) থেকে আসে, যারা গবেষণাটিতে অংশগ্রহণ করেন না, তাদের মধ্যে একটি গ্রুপ হিসাবে - যারা অংশগ্রহন করেছিল তাদের থেকে বেশ কিছুটা পাওয়া যায়।
হার্ড-টু-অ্যাক্সেস গ্রুপ সদস্যগুলি তাদের পিয়ার শ্রম বাহিনী অংশগ্রহণকারীদের কাছ থেকে বেশিরভাগ আলাদা ছিল - সর্বাধিক সামাজিক আর্থ-সামাজিক অবস্থা, বৈবাহিক অবস্থা, বয়স, শিশুদের সংখ্যা, স্বাস্থ্য এবং যৌনতা।
সুবিধার নমুনা কি? এটা বিশ্লেষণ সুবিধাজনক?
সুবিধাবাদী নমুনা সাধারণভাবে সামাজিক বিজ্ঞান এবং আচরণগত বিজ্ঞানের ক্ষেত্রে ব্যবহার করা হয় কারণ কলেজ ছাত্রদের উপর নির্ভরশীলতা, রোগী, প্রদত্ত স্বেচ্ছাসেবক, সামাজিক নেটওয়ার্ক বা আনুষ্ঠানিক সংগঠনের সদস্য এবং এমনকি বন্দীদেরও
অনেক সামাজিক বিজ্ঞান এবং আচরণগত বিজ্ঞান গবেষণা উদ্দেশ্য যে নির্দিষ্ট বৈশিষ্ট্য ঘটতে বা গবেষণা চলাকালীন গ্রুপ ঘটতে না হয়। একটি সাধারণ দৃষ্টিভঙ্গি বিভিন্ন গুণাবলী মধ্যে সম্পর্ক সন্ধান করা হয় । সুবিধার নমুনা এই ধরনের গবেষণা জন্য দরকারী এবং পর্যাপ্ত। এছাড়াও, এটি একটি সুবিধাজনক নমুনা একসঙ্গে রাখা সবসময় সহজ না চিনতে ব্যবহারযোগ্য।
সুবিধার নমুনা এছাড়াও দুটি গ্রুপ তুলনা করার জন্য মিলিত হতে পারে। মিলিত সুবিধার নমুনা ব্যবহার করার জন্য, একটি গবেষক প্রথম নমুনা প্রতিটি সদস্য জন্য একটি counterpart চিহ্নিত করতে সক্ষম হওয়া আবশ্যক। এই সমকক্ষ দ্বিতীয় (মিলিত) নমুনা সদস্য। সাধারণভাবে মেলে এমন ভেরিয়েবলগুলি হল লিঙ্গ, বয়স, জাতি, জাতিগততা, শিক্ষাগত অর্জন, বসবাসের জায়গা, রাজনৈতিক অবস্থান, ধর্ম, কাজের ধরন এবং বেতন বা বেতন। এই ভেরিয়েবলগুলির সমন্বয়গুলি পক্ষপাতের উত্স কমাতে সহায়তা করে। যাইহোক, এটাও স্বীকার করা গুরুত্বপূর্ণ যে, এমনকি সতর্কতা অবলম্বনও পারস্পরিক পক্ষপাতহীন নমুনা হিসাবে ফলপ্রসূ হতে পারে না - সর্বদা লুকানো উত্স থেকে পক্ষপাতের একটি সম্ভাবনা আছে
পারস্পরিক স্যাম্পলিং কি? এটা কি সবসময় অ প্রবশী?
গবেষণামূলক নমুনা ব্যবহার করা হয় যখন গবেষণামূলক নকশা এমন ব্যক্তিকে নমুনা করার জন্য আহ্বান করে, যেগুলি নির্দিষ্ট বৈশিষ্ট্য প্রদর্শন করে।
সাধারনত, এই বৈশিষ্ট্যগুলি বিরল বা অস্বাভাবিক এবং সাধারণভাবে সাধারণত বৃহত্তর জনসংখ্যার (সাধারণ "বক্ররেখা" অনুযায়ী) বিতরণ করা হয় না। উদ্দেশ্যসাধনের নমুনা পক্ষপাতের সাথে পরিপূর্ণ, যা কিছু উদ্দেশ্যমূলক নমুনা সদস্যদের সনাক্ত করতে ব্যবহৃত পদ্ধতিগুলির ফলে ঘটে। উদাহরণস্বরূপ, গবেষণা উদ্দেশ্য যদি আঘাতমূলক মস্তিষ্ক আঘাত (টিবিআই) সঙ্গে Veterans অধ্যয়নরত প্রয়োজন, তাহলে নমুনা একটি আঘাতমূলক মস্তিষ্কের আঘাত স্থায়ী যারা সামরিক প্রাক্তন সদস্যদের গঠিত হতে হবে, এবং যারা অনুযায়ী নিজেদের সনাক্ত এবং অধ্যয়নে অংশগ্রহণ করতে সম্মত হন । এই বৈশিষ্ট্যগুলি বা অবস্থার প্রতিটি নমুনা একটি পক্ষপাত একটি পরিমাপ দেয়, যার ফলে অধ্যয়ন থেকে ফলাফল স্তর এবং ধরনের সিদ্ধান্ত সীমিত।
অ-সম্ভাব্যতা নমুনা পদ্ধতির একটি গুরুত্বপূর্ণ সীমা
অ-সম্ভাব্যতা স্যাম্পলিংয়ের একটি গুরুত্বপূর্ণ সীমাবদ্ধতা হলো অ-সম্ভাব্যতার নমুনার উপর ভিত্তি করে বৃহত্তর জনসংখ্যার উপর ভিত্তি করা যাবে না।
এগুলি সবসময়ই হয় না, তবে, গবেষণার ফলাফলগুলি কীভাবে পরিদর্শন করা যায় সে সম্পর্কে একটি বাস্তববাদী দৃষ্টিকোণ থেকে সহজেই এমন পরিস্থিতিতে সনাক্ত করা যায় যেখানে লোকেরা অ-সম্ভাব্যতা নমুনাগুলির সাথে যুক্ত ফলাফলগুলি থেকে অপ্রতুল সিদ্ধান্ত গ্রহণ করে।
এছাড়াও হিসাবে পরিচিত: সুবিধার নমুনা, যান্ত্রিক নমুনা
উদাহরণ:
জনসাধারণের মতামত মত কাজ করে এমন নমুনা এই ধারণার সাথে ছড়িয়ে পড়ে যে তারা প্রতিনিধিত্ব করে যে জনসাধারণের সদস্য আসন্ন নির্বাচনে বা মত মতানুযায়ী ভোট দেবেন কিভাবে। উদাহরণস্বরূপ, নির্বাচনের ফলাফল সম্পর্কে ভবিষ্যদ্বাণী করতে ব্যবহৃত হওয়ার জন্য এই নমুনার জনসংখ্যা অত্যন্ত প্রতিনিধিত্ব হওয়া উচিত।