良好的调查研究设计从强抽样策略开始
传统的市场调查是基于这样一种观点,即样本 - 一组有代表性的受访者 - 可以被识别和访问。
调查研究中的代表性样本
在市场调研中, 代表性样本一词指的是:
- 挑选一些与消费者目标群体成员相匹配的消费者。 目标宇宙的一个例子可能是20到30岁的智能手机的所有者和用户。
- 样本和宇宙之间的匹配对于预期对调查结果有影响的所有属性必须强大。
- 一个样本与宇宙匹配的例子可能是为年轻女性名人设计的香水挑选消费者。 在这种情况下,预期对调查结果有影响的属性将是女性,18-28岁,娱乐精通。
- 第二组属性可能是: 居住在东海岸或西海岸的城市住宅,入读大学,可支配收入 (收入水平)。
- 样本中可以归因于相关特征的成员的比例必须非常接近目标消费者群体中的成员比例。
- 例如,如果消费者领域包含商业人士,大学生和老年人,那么在周三下午的大学书店中,有代表性的样本不能由适合的学生建立。
- 访问调查参与者可能很困难。 这是专业调查小组常常用于调查活动的主要原因之一。
- 另一个有效的策略是采用分层随机抽样程序,协助研究人员梳理有关子群体的数据。
调查研究中的样本选择
样本成员以多种方式选择,旨在减少偏见。 这意味着增加产生有效研究结论的可能性 ,并且可以将结论推广到目标宇宙。
调查样本优选通过随机化过程来选择。 例如,如果从数据库中选择样本成员,则可能会选择数据库清单中的每三名成员。 偶尔,样本成员可能需要分配而不是随机选择。 这不是一个首选的方法,因为即使在最佳条件下,调查也会受到基于样本的不准确性的影响,这些不准确性都与机会有关,与研究设计无关。 让我们看一下错误来源列表,这些错误来源由实验性资源标识的选民电话投票问题修改。 该清单包括调查设计,调查实施和调查数据分析中可能的不准确来源:
- 调查对象对调查问题提供虚假或不完整的答复。
该列表中的项目再次由实验资源的电话投票列表修改,与调查设计相关。
- 一个随机化过程被使用,但是 - 偶然 - 它拾取了太多的异常值。 *
- 调查中的问题措辞不佳,让调查对象感到困惑。
- 调查问题的顺序不当地影响后续问题的答复。
- 调查反应受到加重或分组扭曲的数据。
一旦市场研究人员相当舒适地认为样本在他的调查研究中代表目标人群,注意力可以转移到样本量和置信区间的考虑。
实验资源是一个由心理学研究人员创建的有趣网站,他们试图找出如何计算和删除异常值。