ข้อเสียของขนาดตัวอย่างขนาดเล็ก

เนื้อหา

• TL; DR (ยาวเกินไปไม่ได้อ่าน)
• ขนาดตัวอย่าง
• ข้อเสีย 1: ความแปรปรวน
• ข้อเสีย 2: Uncoverage Bias
• ข้อเสีย 3: การตอบสนองโดยสมัครใจ

นักวิจัยและนักวิทยาศาสตร์ที่ทำการสำรวจและทำการทดลองจะต้องปฏิบัติตามแนวทางและกฎระเบียบบางขั้นตอนเพื่อประกันความถูกต้องโดยหลีกเลี่ยงข้อผิดพลาดในการสุ่มตัวอย่างเช่นความแปรปรวนขนาดใหญ่อคติหรือความลับ ข้อผิดพลาดของการสุ่มตัวอย่างอาจส่งผลกระทบอย่างมีนัยสำคัญต่อความแม่นยำและการตีความผลลัพธ์ซึ่งอาจนำไปสู่ค่าใช้จ่ายสูงสำหรับธุรกิจหรือหน่วยงานราชการหรือเป็นอันตรายต่อประชากรของผู้คนหรือสิ่งมีชีวิตที่กำลังศึกษา

TL; DR (ยาวเกินไปไม่ได้อ่าน)

ในการทำแบบสำรวจอย่างถูกต้องคุณต้องกำหนดกลุ่มตัวอย่างของคุณ กลุ่มตัวอย่างนี้ควรรวมถึงบุคคลที่เกี่ยวข้องกับหัวข้อการสำรวจ คุณต้องการสำรวจขนาดตัวอย่างให้ใหญ่ที่สุดเท่าที่จะทำได้ กลุ่มตัวอย่างที่มีขนาดเล็กลงจะได้เป็นตัวแทนของประชากรทั้งหมดน้อยลง

ขนาดตัวอย่างขนาดเล็กยังสามารถนำไปสู่กรณีของอคติเช่นการไม่ตอบสนองซึ่งเกิดขึ้นเมื่อบางวิชาไม่มีโอกาสเข้าร่วมในการสำรวจ อีกทางหนึ่งคืออคติการตอบสนองโดยสมัครใจเกิดขึ้นเมื่อมีอาสาสมัครที่ไม่ได้เป็นตัวแทนจำนวนน้อยเท่านั้นที่มีโอกาสเข้าร่วมในการสำรวจโดยทั่วไปเป็นเพราะพวกเขาเป็นคนเดียวที่รู้เรื่องนี้

ขนาดตัวอย่าง

ในกรณีของนักวิจัยที่ทำการสำรวจเช่นขนาดตัวอย่างเป็นสิ่งจำเป็น ในการทำแบบสำรวจอย่างถูกต้องคุณต้องกำหนดกลุ่มตัวอย่างของคุณ กลุ่มตัวอย่างนี้ควรรวมถึงบุคคลที่เกี่ยวข้องกับหัวข้อการสำรวจ

ตัวอย่างเช่นหากคุณทำการสำรวจว่าผลิตภัณฑ์ทำความสะอาดห้องครัวบางยี่ห้อเป็นที่ต้องการมากกว่าแบรนด์อื่นหรือไม่คุณควรสำรวจผู้คนจำนวนมากที่ใช้ผลิตภัณฑ์ทำความสะอาดห้องครัว วิธีเดียวที่จะได้ผลลัพธ์ที่แม่นยำ 100 เปอร์เซ็นต์คือการสำรวจบุคคลทุกคนที่ใช้น้ำยาทำความสะอาดครัว อย่างไรก็ตามเนื่องจากเป็นไปไม่ได้คุณจะต้องสำรวจกลุ่มตัวอย่างขนาดใหญ่ที่สุดเท่าที่จะทำได้

ข้อเสีย 1: ความแปรปรวน

ความแปรปรวนถูกกำหนดโดยค่าเบี่ยงเบนมาตรฐานของประชากร ค่าเบี่ยงเบนมาตรฐานของตัวอย่างคือผลลัพธ์ที่แท้จริงของการสำรวจอาจมาจากผลลัพธ์ของตัวอย่างที่คุณเก็บรวบรวม คุณต้องการสำรวจขนาดตัวอย่างให้ใหญ่ที่สุดเท่าที่จะทำได้ ค่าเบี่ยงเบนมาตรฐานที่ใหญ่ขึ้นผลลัพธ์ของคุณอาจมีความแม่นยำน้อยลงเนื่องจากขนาดตัวอย่างที่เล็กลงจะทำให้ตัวแทนของประชากรทั้งหมดลดลง

ข้อเสีย 2: Uncoverage Bias

ขนาดตัวอย่างเล็ก ๆ ก็มีผลต่อความน่าเชื่อถือของผลการสำรวจเพราะมันจะนำไปสู่ความแปรปรวนที่สูงขึ้นซึ่งอาจนำไปสู่การมีอคติ กรณีที่พบบ่อยที่สุดของการตั้งค่าเป็นผลมาจากการไม่ตอบสนอง การไม่ตอบสนองเกิดขึ้นเมื่อบางวิชาไม่มีโอกาสเข้าร่วมในการสำรวจ ตัวอย่างเช่นหากคุณโทร 100 คนระหว่าง 2 ถึง 5 น. และถามว่าพวกเขารู้สึกว่าพวกเขามีเวลาว่างเพียงพอในตารางประจำวันของพวกเขาหรือไม่ผู้ตอบแบบสอบถามส่วนใหญ่อาจพูดว่า "ใช่" ตัวอย่างนี้และผลลัพธ์มีความลำเอียงเนื่องจากคนงานส่วนใหญ่ทำงานอยู่ในช่วงเวลาดังกล่าว

ผู้ที่ทำงานและไม่สามารถรับโทรศัพท์อาจมีคำตอบแตกต่างจากแบบสำรวจกว่าคนที่สามารถรับโทรศัพท์ได้ในตอนบ่าย บุคคลเหล่านี้จะไม่รวมอยู่ในการสำรวจและการสำรวจความแม่นยำจะได้รับผลกระทบจากการไม่ตอบสนอง การสำรวจของคุณไม่เพียง แต่ประสบเนื่องจากกำหนดเวลา แต่จำนวนของอาสาสมัครไม่ได้ช่วยชดเชยความบกพร่องนี้

ข้อเสีย 3: การตอบสนองโดยสมัครใจ

การตอบสนองโดยสมัครใจเป็นข้อเสียอีกอย่างหนึ่งที่มาพร้อมกับขนาดตัวอย่างเล็ก ๆ หากคุณโพสต์แบบสำรวจในเว็บไซต์ทำความสะอาดครัวของคุณมีเพียงไม่กี่คนเท่านั้นที่สามารถเข้าถึงหรือมีความรู้เกี่ยวกับแบบสำรวจของคุณและเป็นไปได้ว่าผู้ที่เข้าร่วมจะทำเช่นนั้นเพราะพวกเขารู้สึกเกี่ยวกับหัวข้อนั้นมาก ดังนั้นผลลัพธ์ของการสำรวจจะเบ้สะท้อนความคิดเห็นของผู้ที่เข้าชมเว็บไซต์ หากบุคคลอยู่ในเว็บไซต์ของ บริษัท ก็มีโอกาสที่เขาจะสนับสนุน บริษัท ตัวอย่างเช่นเขาอาจกำลังมองหาคูปองหรือโปรโมชันจากผู้ผลิตรายนั้น การสำรวจโพสต์บนเว็บไซต์ของตน จำกัด จำนวนของคนที่จะเข้าร่วมกับผู้ที่มีความสนใจในผลิตภัณฑ์ของพวกเขาแล้วซึ่งทำให้เกิดอคติตอบสนองโดยสมัครใจ