Probentypen und Fehler in der Forschung

In der Statistik ist eine Stichprobe eine Teilmenge einer Population, mit der die gesamte Gruppe als Ganzes dargestellt wird. Bei Recherchen ist es oftmals unpraktisch, jedes Mitglied einer bestimmten Population zu befragen, da die schiere Anzahl der Personen einfach zu groß ist. Um Rückschlüsse auf die Eigenschaften einer Population zu ziehen, können Forscher eine Zufallsstichprobe verwenden.

Warum verwenden Forscher Proben??

Bei der Erforschung eines Aspekts des menschlichen Geistes oder Verhaltens können Forscher in den meisten Fällen einfach keine Daten von jedem einzelnen Menschen sammeln. Stattdessen wählen sie eine kleinere Stichprobe von Personen aus, die die größere Gruppe repräsentieren. Wenn die Stichprobe wirklich repräsentativ für die betreffende Bevölkerung ist, können Forscher ihre Ergebnisse auf die größere Gruppe übertragen.

Arten der Probenahme

In der psychologischen Forschung und anderen Arten der Sozialforschung stützen sich Experimentatoren normalerweise auf einige unterschiedliche Stichprobenverfahren.

1. Probability Sampling

Probability Sampling bedeutet, dass jeder Einzelne in einer Population die gleiche Chance hat, ausgewählt zu werden. Da es sich bei der Wahrscheinlichkeitsstichprobe um eine zufällige Auswahl handelt, wird sichergestellt, dass eine andere Teilmenge der Grundgesamtheit die gleiche Chance hat, in der Stichprobe vertreten zu sein. Dadurch werden Wahrscheinlichkeitsstichproben repräsentativer, und die Forscher können ihre Ergebnisse besser auf die gesamte Gruppe übertragen.

Es gibt verschiedene Arten von Wahrscheinlichkeitsstichproben:

Einfache Zufallsauswahl ist, wie der Name schon sagt, die einfachste Art der Wahrscheinlichkeitsstichprobe. Die Forscher nehmen jedes Individuum in einer Population und wählen ihre Stichprobe nach dem Zufallsprinzip aus, häufig unter Verwendung eines Computerprogramms oder eines Zufallsgenerators.
Geschichtete Zufallsauswahl Dabei wird die Population in Untergruppen eingeteilt und anschließend aus jeder dieser Untergruppen eine einfache Zufallsstichprobe gezogen. Beispielsweise könnte eine Untersuchung die Bevölkerung nach Rasse, Geschlecht oder Alter in Untergruppen aufteilen und dann eine einfache Zufallsstichprobe für jede dieser Gruppen ziehen. Geschichtete Zufallsstichproben liefern häufig eine höhere statistische Genauigkeit als einfache Zufallsstichproben und tragen dazu bei, dass bestimmte Gruppen in der Stichprobe genau dargestellt werden.
Cluster-Sampling beinhaltet die Aufteilung einer Population in kleinere Cluster, häufig basierend auf dem geografischen Standort oder den Grenzen. Eine zufällige Stichprobe dieser Cluster wird dann ausgewählt und alle Subjekte innerhalb des Clusters werden gemessen. Stellen Sie sich zum Beispiel vor, Sie versuchen, eine Studie über Schulleiter in Ihrem Bundesstaat durchzuführen. Das Sammeln von Daten von jedem einzelnen Schulleiter wäre kostenintensiv und zeitaufwändig. Mit einer Cluster-Stichprobenmethode wählen Sie nach dem Zufallsprinzip fünf Landkreise aus Ihrem Bundesstaat aus und erfassen dann Daten von jedem Fach in jedem dieser fünf Landkreise.

2. Probenahme bei Nichtwahrscheinlichkeit

Bei der Nichtwahrscheinlichkeitsstichprobe hingegen werden die Teilnehmer anhand von Methoden ausgewählt, die nicht jedem Einzelnen in einer Population die gleiche Chance geben, ausgewählt zu werden. Ein Problem bei dieser Art von Stichprobe besteht darin, dass sich Freiwillige in bestimmten Variablen möglicherweise von Nicht-Freiwilligen unterscheiden, was es schwierig macht, die Ergebnisse auf die gesamte Bevölkerung zu übertragen.

Es gibt auch verschiedene Arten von Stichproben zur Nichtwahrscheinlichkeit:

Bequemlichkeitsprobe Die Teilnehmer werden an einer Studie beteiligt, da sie bequem und verfügbar sind. Wenn Sie sich jemals freiwillig für ein Psychologiestudium gemeldet haben, das über die Psychologieabteilung Ihrer Universität durchgeführt wurde, haben Sie an einer Studie teilgenommen, die auf einer Convenience-Stichprobe beruhte. Studien, die auf der Suche nach Freiwilligen oder der Verwendung klinischer Proben beruhen, die dem Forscher zur Verfügung stehen, sind ebenfalls Beispiele für Convenience-Proben.
Gezielten Auswahl beinhaltet die Suche nach Personen, die bestimmte Kriterien erfüllen. Zum Beispiel könnten Marketingfachleute daran interessiert sein, zu erfahren, wie ihre Produkte von Frauen im Alter zwischen 18 und 35 Jahren wahrgenommen werden. Sie könnten ein Marktforschungsunternehmen beauftragen, Telefoninterviews durchzuführen, in denen gezielt Frauen gesucht und interviewt werden, die ihren Alterskriterien entsprechen.
Quotenstrichprobenerhebung beinhaltet die absichtliche Auswahl eines bestimmten Teils einer Untergruppe innerhalb einer Population. Beispielsweise könnten politische Meinungsforscher daran interessiert sein, die Meinungen einer Bevölkerung zu einem bestimmten politischen Thema zu recherchieren. Wenn sie einfache Zufallsstichproben verwenden, können sie zufällig bestimmte Untergruppen der Grundgesamtheit übersehen. Stattdessen legen sie Kriterien fest, nach denen ein bestimmter Prozentsatz der Stichprobe diese Untergruppen umfassen muss. Während die resultierende Stichprobe möglicherweise nicht für die tatsächlichen Anteile der Bevölkerung repräsentativ ist, stellt eine Quote sicher, dass diese kleineren Untergruppen vertreten sind.

Erfahren Sie mehr über die Unterschiede zwischen Wahrscheinlichkeits- und Nichtwahrscheinlichkeitsbeispielen.

Stichprobenfehler

Da die Stichprobe natürlich nicht jeden Einzelnen in einer Population einbeziehen kann, können Fehler auftreten.

Unterschiede zwischen dem, was in einer Population vorhanden ist und dem, was in einer Stichprobe vorhanden ist, werden als bezeichnet Stichprobenfehler.

Während es unmöglich ist, genau zu wissen, wie groß der Unterschied zwischen Population und Stichprobe sein kann, können Forscher die Größe der Stichprobenfehler statistisch abschätzen. In politischen Umfragen zum Beispiel hört man oft von der Fehlerquote, die durch bestimmte Vertrauensstufen ausgedrückt wird.

Im Allgemeinen ist die Fehlerquote umso geringer, je größer die Stichprobe ist. Dies liegt einfach daran, dass mit zunehmender Annäherung der Stichprobe an die Größe der Gesamtbevölkerung mit größerer Wahrscheinlichkeit alle Merkmale der Bevölkerung genau erfasst werden. Die einzige Möglichkeit zur vollständigen Beseitigung von Stichprobenfehlern besteht in der Erfassung von Daten aus der gesamten Grundgesamtheit, was oft einfach zu kostspielig und zeitaufwendig ist. Stichprobenfehler können jedoch minimiert werden, indem zufällige Wahrscheinlichkeitstests und eine große Stichprobengröße verwendet werden.