projektowanie badan spoleczno ekonomicznych cz 1,2

background image

Projektowanie badań społeczno-

ekonomicznych

ekonomicznych

Prof.Małgorzata Rószkiewicz

mroszki@sgh.waw.pl

Konsultacje: czwartki 13.45 p.215/F

background image

Literatura:

Podstawowa:

M. Rószkiewicz, Metody ilościowe w badaniach marketingowych, PWN,
Warszawa, 2002 rodziały: 3-5.

J. Kordos, Jakość danych statystycznych, PWE, Warszawa, 1988, rozdziały:
1-4.

V. Barnett, Elementy teorii próby, PWE, Warszawa, 1982.

V. Barnett, Elementy teorii próby, PWE, Warszawa, 1982.

Uzupełniająca:

Ch. Frankfort-Nachmias, D. Nachmias, Metody badawcze w naukach
społecznych, Zysk i s-ka Wydawnictwo, Poznań, 2001, rozdziały: 4-11.

Fieldwork jest sztuką, pod red. P.B. Sztabińskiego, Z. Sawińskiego, F.
Sztabińskiego, IFiSPAN, Warszawa, 2005, rozdziały: 6-8 i 16-25.

E. Barbbie, Badania społeczne w praktyce, PWN, Warszawa, 2005,
rozdziały: 2-7.

background image

Co to znaczny „

projektowanie badania

społecznego-ekonomicznego

”?

Wybór rodzaju badania.

Określenie badanej zbiorowości

Ustalenie zakresu pojęciowego, definicji i klasyfikacji badanych
cech.

Zaprojektowanie tablic wynikowych oraz wybór metod analizy

Zaprojektowanie tablic wynikowych oraz wybór metod analizy
wyników.

Wybór metody zbierania danych: poziom mikro lub makro.

Przygotowanie zaplecza technicznego i organizacyjnego
badania.

Wybór metody kontroli realizacji badania.

Terminarz realizacji badania.

Wybór formy prezentacji wyników.

background image

Kryteria klasyfikacji badań

empirycznych:

wykorzystywane źródła informacji,

wykorzystywane źródła informacji,

zakres tematyczny badania,

organizację badania,

rodzaj informacji otrzymywanej w rezultacie
badania.

background image

Ze względu na wykorzystywane

źródła informacji:

badania wtórne(desk research): wykorzystujące dane

zastane

badania pierwotne (field work): tworzące dane w wyniku

badania pierwotne (field work): tworzące dane w wyniku

zorganizowanego pomiaru

background image

Ze względu na zakres tematyczny

badania:

badania syndykatowe:

tzw. badania branżowe, tj. o stałym, powtarzany
cyklicznie obszarze badania,

badania różnorodne tematycznie, w których

obszar badania uzależniony jest każdorazowo od
potrzeb i zainteresowań podmiotów poszukujących
informacji. Do tej grupy badań zalicza się tzw.
badania ad hoc.

background image

Ze względu na organizację badania:

charakter tematyki badania: monotematyczne

, koncentrujące się na realizacji

jednego celu badawczego związanego z jednym ośrodkiem zainteresowanym

wynikami,

wielotematyczne

, realizujące wiele celów badawczych, związanych z

wieloma ośrodkami zainteresowanymi wynikami, tzw. Omnibusy,

zasięg pomiaru: wyczerpujące

, poddające badaniu wszystkie jednostki

tworzące badaną zbiorowość (spisy),

fragmentaryczne

, poddające badaniu

jedynie pewną grupę jednostek wybraną w jakiś sposób z całej badanej

zbiorowości (badania na próbach),

częstotliwość pomiaru:

ciągłe (monitoring), okresowe, jednorazowe,

stabilności grupy podlegającej obserwacji w badaniach okresowych i/lub

stabilność narzędzia pomiaru:

przekrojowe (cross-section), panele, trackingi

background image

Ze względu na rodzaj informacji

(cel badania) otrzymywanej w rezultacie

badania:

badania jakościowe:

rozpoznające indywidualne poglądy i stanowiska,

wyjaśniające kształtowania się określonych opinii,

wyjaśniające kształtowania się określonych opinii,

badania ilościowe:

tworzące statystyczny obraz badanej rzeczywistości.

background image

Badania opisowe:

mają na celu scharakteryzowanie

obiektów lub sytuacji badanych

Badania przyczynowe:

mają na celu identyfikację czynników

Badania ilościowe,

których celem jest określenie

liczbowych charakterystyk

rynku. Pozwalają zbudować

Ze względu na rodzaj informacji

(cel badania) otrzymywanej w rezultacie

badania:

mają na celu identyfikację czynników

kształtujących zjawiska i badane procesy

Badania eksploracyjne:

mają na celu rozpoznanie zjawisk,

procesów i badanych zdarzeń

rynku. Pozwalają zbudować

statystyczny obraz

rzeczywistości.

Badania jakościowe,

których celem jest określenie

sposobów widzenia,interpretowania

i wartościowania zjawisk.

background image

Orientacje badawcze wg Pike’a:

Perspektywa zewnętrzna wobec

obiektu badanego – pojęcia i

kategorie opisowe badacza. Z

potrzeby agregacji danych

wymagana standaryzacja pomiaru

Orientacja etic:
podejście ilościowe

Rodzaj poszukiwanej informacji (cel badania) wyznacza zasadę pomiaru:

Perspektywa wewnętrzna obiektu

badanego – pojęcia i kategorie opisowe

badanego. Z faktu niepowtarzalności

indywidualnych przypadków wymagana

indywidualizacja pomiaru

Orientacja emic:
podejście jakościowe

background image

obserwacja

wywiad

eksperyment

badania terenowe

Rodzaj poszukiwanej informacji (cel badania) wyznacza metodę pomiaru:

obserwacja

wywiad

eksperyment

background image

Obserwacja, czyli bierne
rejestrowanie rzeczywistości

Wywiad, czyli rozmowa
bezpośrednia lub za pomocą

bezpośrednia lub za pomocą
wybranego środka komunikacji

Eksperyment, czyli świadoma
ingerencja badacza w stan
rzeczywistości i rejestracja
efektów tej ingerencji

background image

Obserwacja

Wywiad

Metody nieingerujące:
eksploracyjne i opisowe

13

Eksperyment

Metody ingerujące:
eksploracyjne i dowodzące
przyczynowości

background image

Metody naukowe

Metody ilościowe

Metody

jakościowe

Rodzaj poszukiwanej informacji (cel badania) wyznacza metodę analizy wyników:

Metody

statystyczne i

ekonometryczne

Longitudionalne

(panelowe)

Przekrojowe

Metody

deterministyczne

Metody

heurystyczne

Intuicyjne

Analogowe: case study

Eksperckie: Metoda delficka

background image

wykształcenie

Wydatki

na

edukację

Aspiracje

zawodowe

Zawód

Pozycja społeczno -

zwodowa

Oczekiwania

konsumpcyjne

Model rozważanych zależności:
Model teoretyczny

15

Staż

pracy

Dochód

na głowę

Liczba

dzieci

Stopa

oszczędzania

Jak konkretnie mierzyć zmienne, które

znalazły się w modelu teoretycznym
wyrażającym koncepcję ujęcia
rzeczywistości?

background image

Przykład

X

4

– zawód

Jak go zmierzyć, czyli o co zapytać respondenta?

a)

Zawód wyuczony

b)

Zawód wykonywany

Trzeba dokonać wyboru określonego systemu

16

klasyfikacji zawodów

X

7

– dochód na głowę

Jak go zmierzyć, czyli o co zapytać respondenta?

a)

Dochód rozporządzalny

b)

Dochód brutto

Trzeba zdefiniować pojęcie dochodu osoby badanej

background image

Operacjonalizacja –

stworzenie definicji operacyjnej

zmiennej by

umożliwić jej pomiar

za pomocą

określonych narzędzi pomiarowych

(urządzeń pomiarowych, pytań

17

(urządzeń pomiarowych, pytań

kwestionariuszowych itp.)

background image

Podstawowa zasada przy konstrukcji

pytań w kwestionariuszu ankietowym:

Treść pytania kwestionariuszowego zależy od

przewidywanej formy odpowiedzi

18

przewidywanej formy odpowiedzi

background image

Wybór formy odpowiedzi prowadzi do

pytań otwartych lub pytań zamkniętych.

Kiedy?

trudno przewidzieć odpowiedź,

przewidywalne

19

dużo wariantów odpowiedzi,

poszukiwanie cytatów,

poszukiwanie innowacji,

poszukiwanie subiektywnych
sądów,

trudne, drażliwe pytania.

odpowiedzi,

konieczna ścisła kontrola
odpowiedzi,

potrzeba standaryzacji,

ograniczenia czasowe,

background image

Pytania otwarte Pytania zamknięte

Wady:

Zalety:

√√√√

swoboda wypowiedzi,

√√√√

bogactwo treści,

√√√√

szczegółowość wypowiedzi,

√√√√

inspiracja.

√√√√

łatwe,

√√√√

porównywalność odpowiedzi,

√√√√

szybkość opracowania,

√√√√

urozmaicają formularz.

20

√√√√

niekompletność,

√√√√

nieporównywalność

√√√√

nieadekwatność,

√√√√

trudność opracowania,

√√√√

podatne na efekt ankieterski.

√√√√

czasochłonne przygotowanie,

√√√√

niekompletne,

√√√√

niedostosowane do

nietypowych sytuacji,

Wady:

background image

SKALOWANIE

Skalowanie polega na przyporządkowaniu

(zgodnie z określonymi regułami)

wybranych symboli (cyfr) obserwowanym faktom lub wyrażanym

opiniom

Podstawowe pytanie w dziedzinie skalowania (pomiaru):

21

Podstawowe pytanie w dziedzinie skalowania (pomiaru):

czy wykorzystywany system liczbowy ma podobną
strukturę do struktury mierzonych pojęć

background image

KLASYFIKACJA SKAL WG STEVENSA

KLASYFIKACJA SKAL WG STEVENSA

Skala

Podstawa porównania

Przykład

Relacje i
dopuszczalne
przekształcenia
matematyczne:

Nominalna

Identyfikacja

Kobieta – Mężczyzna
Klient indywidualny – klient instytucjonalny
Marka A – Marka B

= lub

przekształcenie

wzajemnie

jednoznaczne

Porządkowa

Pozycja w porządku

Preferencje dla marek
Klasa społeczna

= ;

; <;

;> ;

przekształcenie

22

Klasa społeczna
Klasa jakości

przekształcenie
monotonicznie
rosnące

Przedziałowa

Porównanie obiektów

Temperatura
Wynik zaliczenia testu
Postawa wobec marki
Ś

wiadomość reklamy

= ;

; <;

;> ;

Przekształcenie
liniowe:
y = ax + b dla a >0

Stosunkowa

Porównanie wartości

Cena jednostkowa produktu
Liczba nabywców
Możliwość zakupu
Waga, odległość, pojemność

= ;

; <;

;> ;

Y=ax dla a>0

background image

Pytanie rozstrzygające:

Czy zamierzacie Państwo rozszerzyć zakres środków
telekomunikacji wykorzystywanych w Państwa firmie?
Proszę zakreślić kółkiem jeden z dwóch symboli odpowiedzi

Tak

Nie

Nie

wiem

Pytanie dopełniające:

Które z niżej wymienionych środków telekomunikacji wykorzystujecie Państwo
w firmie?
Proszę zakreślić kółkiem jeden z dwóch symboli odpowiedzi dla każdego pytania
Telefon przewodowy

Tak

Nie

Skala nominalna

Telefon przewodowy

Tak

Nie

Telex

Tak

Nie

Telefax

Tak

Nie

Radiotelefon

Tak

Nie

Systemy przywoławcze

Tak

Nie

Poczta elektroniczna

Tak

Nie

Komertel

Tak

Nie

Telefon komórkowy

Tak

Nie

background image

Skala porządkowa zrównoważona - skala Likerta:

form a tabelaryczna:

Proszę określić Pani/Pana stosunek do nakłaniania Pani/Pana do testowania
preparatów kosmetycznych:
Proszę zakreślić kółkiem właściwy sym bol odpowiedzi

bardzo nie lubię

(1)

raczej nie lubię

(2)

jest mi to

obojętne

(3)

raczej lubię

(4)

bardzo lubię

(5)

form a graficzna:

Proszę określić Pani/Pana stosunek do nakłaniania Pani/Pana do testowania preparatów
kosmetycznych:

Skale porządkowe

Proszę zakreślić kółkiem właściwy sym bol odpowiedzi

0

1

2

3

4

5

Bardzo
nie lubię

Bardzo
lubię

lub:

Proszę ocenić w skali od 1 (ocena najniższa) do 5 (ocena najwyższa)
Pani/Pana stosunek do nakłaniania Pani/Pana do testowania
preparatów kosmetycznych:
Proszę w ram ce obok wpisać właściwy sym bol odpowiedzi

Ocena:

background image

S kala p o rząd kow a n iezrów n ow a żon a:

P roszę ok reślić Pan i/Pan a stosu ne k d o n akłan ian ia Pan i/Pan a d o
testow an ia prep aratów ko sm etyc znych:
P roszę zakreślić kółkiem w łaściw y sym bol odpow iedzi

b ard zo

n ie lu bię

(1)

nie lu b ię

(2)

jest m i to

ob ojętne

(3)

R aczej

lub ię

(4)

lu b ię

(5)

lu bię

zd ecydow an

ie

(6)

lu b ię

w yjątko

w o
(7)

Skala d yfe ren cjału sem antyczn ego:

P roszę w yra zić sw oją opinię o cen trum h an d low ym znajdu jącym się w
Pani/Pana sąsied ztw ie, posłu gu jąc się skalą od 1 d o 7, zgod n ie ze zn aczen ia m i
p rzed staw ion ym i p on iżej:
P roszę zakreślić kółkiem w łaściw y sym bol odpow iedzi

W ąski aso rty m en t

tow arów

1

2

3

4

5

6

7

Szero ki aso rtym ent
tow arów

W ąski aso rty m en t

u sług

1

2

3

4

5

6

7

Szero ki aso rtym ent
usłu g

M ały w yb ór m a rek

1

2

3

4

5

6

7

D uży w ybó r m a re k

N ieko m p eten tna

1

2

3

4

5

6

7

K om p eten tn a ob słu ga

N ieko m p eten tna

ob słu ga

1

2

3

4

5

6

7

K om p eten tn a ob słu ga

N iew ygodn y d ojazd

1

2

3

4

5

6

7

W ygod ny d ojazd

K rótki cza s p racy

1

2

3

4

5

6

7

D łu gi czas p ra cy

B rak m o żliw ości

op ieki n ad dziećm i

1

2

3

4

5

6

7

B ogaty p rog ram op ieki
nad d ziećm i

Skala S tap ela:

P roszę ocen ić zn ajd ujące się w Pani/Pana sąsied ztw ie cen tru m h an dlow e,
b iorąc p od u w agę p on iższe kw estie:
P roszę zakreślić kółkiem w łaściw y sym bol odpow iedzi
A so rtym en t tow arów

-5

-4

-3

-2

-1

+1

+2

+3

+4

+5

A so rtym en t u słu g

-5

-4

-3

-2

-1

+1

+2

+3

+4

+5

w yb ór m a rek

-5

-4

-3

-2

-1

+1

+2

+3

+4

+5

K om p eten cje ob sługi

-5

-4

-3

-2

-1

+1

+2

+3

+4

+5

D ojazd

-5

-4

-3

-2

-1

+1

+2

+3

+4

+5

C za s p racy

-5

-4

-3

-2

-1

+1

+2

+3

+4

+5

P rog ra m op ieki nad
d ziećm i

-5

-4

-3

-2

-1

+1

+2

+3

+4

+5

background image

Liczba kategorii odpowiedzi:

Najczęściej stosuje się skale 3,5,7 i 9 punktowe.

Wzrost liczby kategorii skali powoduje wzrost

mocy dyskryminacyjnej

człowiek posługuje się

najwyżej skalą 11 punktową

Jako kategorii krańcowych należy użyć kategorii

26

Jako kategorii krańcowych należy użyć kategorii
przedstawiających stany idealne (punkty
zakotwiczenia), które nie będą wykorzystywane
przez żadnego (lub prawie żadnego) respondenta

background image

Skale
stosunkowe
(ilorazowe)

1 6 . P r o s z ę

p o d a ć n a jb a r d z i e j k o r z ys t n e

o r a z

n a jm n i e j

k o r z y s t n e

( a l e

je s z c z e

m o ż l i w e

d o

z a a k c e p t o w a n i a )

z d a n i e m

P a ń s t w a

s t a ł e

o p r o c e n t o w a n i e

d l a

c e r t yfi k a t u

d e p o z y t o w e g o ,

z a k ł a d a ją c ,

ż

e

m u s i

b yć

o n o

n i ż s z e

o d

o p r o c e n t o w a n i a l o k a t t e r m i n o w yc h :
6 8

n a jb a r d z i e j k o r z ys t n e

,

%

6 9

n a jm n i e j k o r z ys t n e

,

%

1 7 . J a k ą w i e l k o ś ć n a d w yż k i fi n a n s o w e j b yl i b yś c i e
P a ń s t w o

s k ł o n n i

p r z e z n a c z y ć

n a

z a k u p

c e r t y fi k a t ó w d e p o z yt o w yc h p r z y s t a ł y m p o z i o m i e
o p r o c e n t o w a n i a n a t a k i m p o z i o m i e , k t ó r y je s t d l a
P a ń s t w a :
7 0

n a jb a r d z i e j k o r z ys t n e

.. ... .... .... ... .... t ys . z ł

7 1

n a jm n i e j k o r z ys t n e

.. ... .... .... ... .... t ys . z ł

7 2

p o n i ż e j n a jm n i e j
k o r z ys t n e g o ,
u w z g l ę d n i a ją c t e n d e n c ję

.. ... .... .... ... .... t ys . z ł

u w z g l ę d n i a ją c t e n d e n c ję
z w i ą z a n ą z e s p a d k i e m
s t ó p p r o c e n t o w yc h

.. ... .... .... ... .... t ys . z ł

1 8 .

J a k ą

c z ę ś ć

ś

r o d k ó w

z

i n n yc h

l o k a t

p r z e s u n ę l i b yś c i e

P a ń s t w o

z

i n n y c h

l o k a t

t e r m i n o w yc h n a z a k u p c e r t yfi k a t ó w d e p o z y t o w yc h ,
z g a d z a ją c s i ę n a n i ż s z ą r e n t o w n o ś ć w z a m i a n z a
w y s o k ą p ł y n n o ś ć , p r z y o p r o c e n t o w a n i u , k t ó r e
u z n a l i ś c i e P a ń s t w o z a :
7 3

n a jb a r d z i e j k o r z ys t n e

,

%

7 4

n a jm n i e j k o r z ys t n e

,

%

7 5

p o n i ż e j n a jm n i e j
k o r z ys t n e g o
u w z g l ę d n i a ją c t e n d e n c ję
z w i ą z a n ą z e s p a d k i e m
s t ó p p r o c e n t o w yc h

,

%

background image

Typ danych:

Mierniki analizy struktury zbiorowości:

Dane nominalne

Wskaźniki struktury (procentowe),

dominanta

Dane porządkowe

Wskaźniki struktury (procentowe),

Sposób analizy struktury zjawisk

zależy od rodzaju danych, które te zjawiska opisują!

Analiza struktury

Dane porządkowe

Wskaźniki struktury (procentowe),

dominanta, percentyle, z których

najpopularniejszą jest mediana

Dane przedziałowe i ilorazowe

Wskaźniki struktury (procentowe),

dominanta, percentyle, średnia i

odchylenie standardowe

background image

Cecha

Cecha niezależne

zależna

Dane nominalne

Dane porządkowe

Dane przedziałowe

lub ilorazowe

Miary współwystępowania

Sposób pomiaru współwystępowania zjawisk

zależy od rodzaju danych, które te zjawiska opisują!

29

Dane nominalne

Współczynnik

V Cramera

Współczynnik

V Cramera

Dane porządkowe

Współczynnik
V Cramera

Współczynnik

korelacji rang

Spearmana

Dane przedziałowe
lub ilorazowe

Współczynnik eta

Współczynniki eta

Współczynnik

korelacji

background image

Najpopularniejsze sposoby oceny wyników eksperymentu

w schematach prawdziwych

Skala pomiaru

wyników

eksperymentu

(

typ zmiennej zależnej

)

Pomiar niezależny

Pomiar zależny

Nominalna

ryzyko względne
test U dla dwóch frakcji,
test niezależności
chi-kwadrat,

test McNemara,

test Cochrana

Porządkowa

test serii Walda–

test Friedmana

30

Porządkowa

test serii Walda–

Wolfowitza,

test Kołmogorowa–

Smirnowa,

test Kruskal’a–Wallis’a

test Friedmana

Przedziałowa lub
ilorazowa

test U lub t dla dwóch

ś

rednich,

analiza wariancji dla

doboru całkowicie

losowego

test t,

analiza wariancji dla

schematów blokowych,

analiza conjoint

background image

Skale pomiarowe

Skale mocne

Skale słabe

Skala

Skala

31

Skala

nominalna

Skala

porządkowa

Skala

przedziałowa

Skala

ilorazowa

Transformować można jedynie skale mocniejszą

na skalę słabszą

background image

Określenie cech zewnętrznych

kwestionariusza

TYTUŁ BADANIA

PREAMBUŁA

(wyjaśnia cel i intencje badacza,

może być zastąpiona listem intencyjnym)

32

może być zastąpiona listem intencyjnym)

BLOKI PYTAŃ

METRYCZKA

background image

Określenie cech zewnętrznych kwestionariusza

1. Pozwala budować klasyfikacje odpowiedzi na pytania.

METRYCZKA - funkcje

33

2. Pozwala zweryfikować adekwatność zbadanej grupy

respondentów względem zbiorowości, z której
pochodzą.

background image

Dane

Makro

Mikro

Jakie jest typ danych, którymi dysponujemy?

Podsumowanie i ilustracja

tego co wiemy o całej zbiorowo

ś

ci

Opis

i statystyczna analiza danych,

analiza dynamiki

Ustalenie wiedzy o całej zbiorowo

ś

ci

bez mo

ż

liwo

ś

ci dotarcia

do ka

ż

dej jednostki

Wnioskowanie

statystyczne

Typ danych rozstrzyga o metodzie analizy danych!

background image

Opis

i statystyczna analiza danych

Rozkład cechy statystycznej

Nazwa cechy
statystycznej (X)

Liczebno

ś

ci

lub cz

ę

sto

ś

ci (n

i

lub w

i

)

n

1

n

2

x

1

x

Jakie kategorie

lub warto

ś

ci

wyst

ą

piły

w zbiorowo

ś

ci?

Ile razy

lub

jak cz

ę

sto

wyst

ę

powały?

razem

N lub 1 b

ą

d

ź

100,0

n

2

.
.
.
n

k

x

2

.
.
.
x

k

wszystkie jednostki

background image

Opis

i statystyczna analiza danych

Statystyczna analiza struktury rozkładu cechy

statystycznej

Położenie rozkładu

:

jakie wartości przyjmuje cecha statystyczna?

Rozproszenie rozkładu cechy statystycznej

:

czy są i na czym polegają różnice między
wartościami cechy statystycznej?

background image

Wnioskowanie statystyczne

polega na

polega na

określeniu właściwości populacji

(

typ rozkładu oraz wartości parametrów

)

na podstawie próby losowej

background image

Rzeczywista struktura
populacji:

Struktura sugerowana
na podstawie próby:

Płeć

Liczba osób Odsetek

Kobiety

110

52,9

Mężczyźni

98

47,1

Ogółem

208

100,0

Płeć

Liczba osób Odsetek

Kobiety

12

60,0

Mężczyźni

8

40,0

Ogółem

20

100,0

?

Metody statystyczne nie daj

ą

mo

ż

liwo

ś

ci ustalenia wiedzy o

populacji z całkowit

ą

pewno

ś

ci

ą

, ale sugeruj

ą

c posta

ć

rozkładu populacji,

Jedynie metody wnioskowania statystycznego dostarczaj

ą

Informacji o dokładno

ś

ci uzyskanej informacji o rozkładzie badanej

populacji

pozwalaj

ą

równie

ż

okre

ś

li

ć

jakim bł

ę

dem statystycznym

obarczone jest rozwi

ą

zanie

background image

Liczebność teoretyczna:

i

i

p

N

n

=

ˆ

Konstrukcja rozkładu cechy statystycznej

na podstawie wybranego modelu prawdopodobie

ń

stwa

i

i

czyli taka liczba przypadków, która wystąpiłaby w

zbiorowości gdyby strukturę tej zbiorowości opisywały

wartości prawdopodobieństw p

i

background image

Jakim rozkładem prawdopodobieństwa należy

posłużyć się w wyznaczaniu liczebności

teoretycznych?

Dwumianowy? ⇒

Poissona? ⇒

Normalny? ⇒

Jakie

p

?

Jakie

λ

= np

?

jakie

m

oraz

σ

?

Normalny? ⇒

Chi-kwadrat? ⇒

........

jakie

m

oraz

σ

?

Jakie

ν

?

.........

Wnioskowanie

nieparametryczne

Wnioskowanie

parametryczne

background image

Obiektywną konsekwencją

własności badanej populacji,

fragmentaryczności badania

oraz

składu wybranej do

badania grupy

jest błąd losowy.

Konsekwencją

subiektywnych wyborów

dokonanych

przez osoby uczestniczące w badaniu i ich

błędnych

41

Wynikiem

błędu losowego

jest niska precyzja

wynikiem

błędu systematycznego

jest niska trafność

przez osoby uczestniczące w badaniu i ich

błędnych

decyzji

jest błąd systematyczny

background image

Niska precyzja jest wynikiem błędu losowego

Niska trafność jest wynikiem błędu systematycznego

Wysoka precyzja

i wysoka trafno

ść

Niska precyzja,
wysoka trafno

ść

Wysoka precyzja
Niska trafno

ść

42

background image

••

Błąd losowy

Błąd systematyczny

43

Niech:
x - wartość prawdziwa cechy X
x’= x + d - wartość obserwowana cechy X
x’ - x = d - błąd losowy i/lub systematyczny

0

d

-obciążenie systematyczne:
wyniki niedoszacowane lub przeszacowane

background image

Błędy

losowe

Zróżnicowanie

populacji

Rozmiar próby

Metoda

Błędy

nielosowe

ę

dy w badaniach ilo

ś

ciowych

ę

dy w badaniach ilo

ś

ciowych

Metoda

estymacji

Metoda

losowania

background image

Błędy losowe małe i duże

45

Lepiej!

Wyniki są mniej

zróżnicowane

Gorzej!

Wyniki są bardziej

zróżnicowane.

Zakres rozrzutu jest miarą efektywności

wnioskowania na podstawie próby.

Jest to tzw. standardowy błąd szacunku

(SE) reguły jego obliczania są znane.

background image

Błąd losowy

Θ

T

n

T

n

-

Θ

46

ą

d

ś

redniokowadratowy:

)

(

)

(

)

(

2

2

n

n

n

T

D

T

E

T

MSE

=

=

θ

background image

Błąd sredniokowadratowy:

)

(

)

(

)

(

2

2

n

n

n

T

D

T

E

T

MSE

=

=

θ

Informuje jak daleko odbiegają oceny t

n

od

θ

2

)

(

)

(

T

E

T

MSE

=

=

θ

47

Z dwóch rodzajów błędów

tylko poziom

błędu losowego może być oszacowany!

2

2

2

2

2

)

(

)

(

)

(

)

(

SE

d

T

D

T

E

T

MSE

x

n

n

n

+

=

=

=

=

σ

θ

background image

Poziom błędu standardowego z próby prostej

Dla wartości średniej:

Dla frakcji:

n

x

S

n

x

S

N

n

SE

)

(

)

(

1

=

w

w

w

w

n

SE

i

i

i

i

)

1

(

)

1

(

1

=

n

w

w

n

w

w

N

n

SE

i

i

i

i

)

1

(

)

1

(

1

=

ą

d wzgl

ę

dny:

n

n

T

SE

T

V

=

)

(

Do 7,5% - estymacja precyzyjna
od 7,5 do 15% - estymacja dostateczna
powy

ż

ej 15% - estymacja niedostateczna

background image

Jest funkcją

zróżnicowania populacji

Z populacji

bardziej jednorodnej otrzymujemy próby dające błędy
mniejsze.

Od czego zależy precyzja czyli błąd

standardowy (SE)

49

Jest funkcją

rozmiarów próby

duża próba daje błąd

mniejszy niż próba mała.

Jest funkcją

techniki losowania

dodatkowa informacja

pozwala zastosować bardziej efektywne techniki losowania

background image

Błąd sredniokowadratowy:

2

2

2

2

2

)

(

)

(

d

SE

d

T

E

T

MSE

x

n

n

+

=

+

=

=

σ

θ

Tylko ten składnik MSE zależy od wielkości próby.

50

Tylko ten składnik MSE zależy od wielkości próby.

Wzrost liczebności próby nie musi i nie poprawi

dokładności badania

background image

WNIOSKOWANIE Z PRÓBY NA POPULACJĘ

Liczebność próby a maksymalny błąd oszacowań w %

2

3

4

5

6

7

8

9

10

błąd (%)

ą

d

systematyczny

51

0

1

2

100

200

300

400

500

600

700

800

900

1000

1100

1200

1300

1400

1500

1600

wielkość próby

systematyczny

background image

Błąd badania fragmentarycznego

Skala badania

mała

52

Błąd losowy

Błędy nielosowe

du

ż

a

background image

Błędy

losowe

Zróżnicowanie

populacji

Rozmiar próby

Metoda

Błędy

nielosowe

Błędy treści

Błędy pokrycia

ę

dy w badaniach ilo

ś

ciowych

ę

dy w badaniach ilo

ś

ciowych

Metoda

estymacji

Metoda

losowania

Zbiorowość

zdefiniowana

w celu badania

Prawda

Badana zbiorowość

Wynik badania

background image

Błędy

pokrycia

Błąd

struktury

Błąd wybory

Błędy treści

Błąd

pomiaru

Błąd analizy

Błąd

zagubienia

Błąd

odrzucenia

Błąd

interpretacji

background image

Zasady doboru próby

√√√√

Określenie populacji badanej.

√√√√

Określenie operatu losowania (jeśli istnieje)

√√√√

Określenie jednostki wyboru.

√√√√

Ustalenie wielkości próby.

√√√√

Wybór metody doboru jednostek:

Próba losowa:

Próba pseudo-losowa

:

Próba celowa

:

1

Próba losowa:

O trafieniu jednostki do próby

decyduje niezależny od

wybierającego mechanizm

wybory i można określić

prawdopodobieństwo trafienia

jednostki do próby

Próba pseudo-losowa

:

określamy proporcje osób,

które wezmą udział w badaniu

np. ze względu na wiek, płeć,

wykształcenie, miejsce

zamieszkania

(kwotowa)

Próba celowa

:

szukamy osób, które

należą do grupy

docelowej

Próba ma charakter losowy, gdy przyj

ę

te kryterium doboru

jednostek jest niezale

ż

ne od badanych cech i gdy ka

ż

da jednostka

zbiorowo

ś

ci ma ró

ż

ne od zera p-stwo znalezienia si

ę

w próbie.

background image

Operat losowania:

wykaz jednostek tworzących

badaną zbiorowość (populację)

2

Musi być:
- kompletny,
- aktualny,
- gwarantujący identyfikowalność jednostek.

background image

Dobór celowy:

nie ma potrzeby dowodzenia reprezentatywności i

oceny precyzji

Dobór losowy:

3

Dobór losowy:

jest potrzeba zagwarantowania

reprezentatywno

ś

ci i oceny precyzji

background image

Dobór celowy:

nie ma potrzeby dowodzenia reprezentatywności i

oceny precyzji

Dobór kwotowy:

gdy badane zjawiska, o których

nie ma żadnej informacji są silnie skorelowane z
cechami o znanych rozkładach (podstawa
ustalania kwot).

Dobór typowy

lub

przez eliminację

(warunki

4

Dobór typowy

lub

przez eliminację

(warunki

stosowania j.w.).

Dobór przypadkowy

: nie oczekuje się zgodności

jakichkolwiek struktur.

Dobór wg „

kuli śniegowej

”: badanie

środowiskowe o znacznej homogeniczności
populacji i trudnej dostępności jednostek

background image

Zagrożenia w doborze celowym

Błędny osąd i intuicja badacza co do
prawidłowości występujących w populacji.

Nadmierna chęć uczestnictwa w badaniach jest

podyktowana specjalnymi predyspozycjami

5

podyktowana specjalnymi predyspozycjami
respondentów, które nie zawsze są zgodne z
cechami populacji.

Brak uzasadnienia wiarygodności wyników tego
typu badań i łatwo argumentować przeciw nim,
jeśli są „niewygodne”.

background image

Cechy doboru losowego:

W czasie losowania elementy populacji nie
przemieszczają się.

Dostęp do każdego elementu populacji jest
jednakowy.

Elementy populacji są dostatecznie wymieszane.

6

Próba ma charakter losowy, gdy przyj

ę

te

kryterium doboru jednostek jest niezale

ż

ne od

badanych cech i gdy ka

ż

da jednostka

zbiorowo

ś

ci ma ró

ż

ne od zera p-stwo

znalezienia si

ę

w próbie.

background image

Jak losować?

Prosto!!!

Próba losowa prosta:

10097

32533

76520

13586

34673

54876

80959

37542

04805

64894

74296

24805

24037

20636

08422

68953

19645

9303

23209

02560

15953

99019

02529

09376

70715

38311

31165

88676

7

99019

02529

09376

70715

38311

31165

88676

12807

99970

80157

36147

64032

36653

98951

66065

74717

34072

76850

36697

36170

65813

31060

10805

45571

82406

35303

42614

86799

85269

77602

02051

65692

68665

74818

73053

63573

32135

05325

47048

90553

57548

28468

73796

45753

03529

64778

35808

34282

60935

98520

17767

14905

68607

22109

40558

60970

11805

05431

39808

27732

50725

68248

29405

83452

99634

06288

98083

13746

70078

18475

88685

40200

86507

58401

36766

67951

90364

99594

67348

87517

64969

91826

8928

93785

background image

O zastosowaniu określonej metody doboru próby

decydują warunki,

w jakich będzie realizowane badanie.

1. Populacje mogą być skończone lub nieskończone.

2. Wiedza o populacji może być bardzo rozległa i opierać się na

dostępnych danych lub zweryfikowanych teoriach i hipotezach lub
też wiedza taka może w ogóle nie istnieć.

8

3. Skład populacji może być nieustannie lub okresowo weryfikowany

w postaci spisów i innych rejestrów, lub też nie ma możliwości
utworzenia imiennej listy jednostek tworzących populację.

Jeśli jest znana wielkość populacji i istnieje

możliwość nawiązania kontaktu z każdą jednostką,

to wystarczy, by zbudować próbę losową

background image

Dobór losowy:

jest potrzeba zagwarantowania reprezentatywności i

oceny precyzji

Dobór prosty ze zwracaniem lub bez zwracania.

Dobór warstwowy.

Dobór zespołowy.

Dobór wielostopniowy.

Dobór systematyczny.

Losowanie
ograniczone

9

Dobór systematyczny.

Losowanie z jednakowymi prawdopodobieństwami
wyboru: tzw. próby samoważące się

Losowanie z różnymi prawdopodobieństwami wyboru:
konieczność przeważenia wyników

background image

Losowanie proste ze zwracaniem

lub bez (efektywniejsze)

Kiedy?

Brak jakichkolwiek informacji o populacji i populacje nie są

zbyt liczne.

Zalety:

Wady:

10

Próby wyważone
automatycznie.

Proste metody
obliczania precyzji

Łatwe!

Dogodny tylko dla
małych populacji.

Wymaga znajomości
operatu losowania.

Zalety:

Wady:

background image

( )

( )

n

x

S

N

n

N

n

x

S

x

D

SE

)

(

ˆ

ˆ

2

2

=

=

n

x

S

N

n

N

n

x

S

x

D

x

MSE

)

(

ˆ

)

(

ˆ

)

(

)

(

2

2

2

=

=

Losowanie proste bez zwracania:

=

=

n

i

i

x

n

x

1

1

( )

(

)

2

1

2

1

1

ˆ

=

=

n

i

i

x

x

n

x

S

gdzie:

oraz

n – liczebno

ść

próby

N – liczebno

ść

populacji

background image

Losowanie systematyczne

interwał losowania:

k = N/n

Kiedy?

Brak jakichkolwiek informacji o populacji i zawsze gdy

brak operatu losowania

12

background image

Losowanie systematyczne:

n

x

S

N

n

N

n

x

S

x

MSE

)

(

ˆ

)

(

ˆ

)

(

2

2

Je

ś

li jednostki populacji przed losowaniem zostały uporz

ą

dkowane w sposób losowy, to:

13

n

x

S

N

n

N

n

x

S

x

SE

)

(

ˆ

)

(

ˆ

)

(

background image

Losowanie systematyczne

interwał losowania:

k = N/n

Kiedy?

Brak jakichkolwiek informacji o populacji i zawsze gdy

brak operatu losowania

Zalety:

Wady:

14

Próby wyważone
automatycznie.

Precyzja taka jak dla
próby prostej

Łatwe!

Ukryte
powarstwowanie
populacji

Zalety:

Wady:

background image

8

10

12

14

16

18

w

a

rt

o

śc

i

y

BSS

WSS

TSS

Równo

ść

wariancyjna

15

15

0

2

4

6

8

0

1

2

3

w

a

rt

o

śc

i

y

Nr grupy

BSS

WSS

)

(

)

(

)

(

2

2

2

y

S

y

S

y

S

WSS

BSS

TSS

i

i

+

=

+

=

background image

Losowanie warstwowe

Kiedy?

Istnieją dodatkowe informacje o populacji i populacje są

bardzo liczne.

Zalety:

Wady:

16

Są bardziej efektywne, czyli
dostarczają bardziej precyzyjnych
informacji.

W każdej warstwie można
stosować inną technikę losowania.

Warstwowanie można
przeprowadzić po wylosowaniu
próby dostosowując się do
potrzeb

Wymaga znajomości struktur
populacji. Jest tym
efektywniejsze im mniejsze
jest zróżnicowanie warstw.

Pożądany operat losowania.

background image

Losowanie warstwowe:

=

=

k

h

h

h

W

n

S

N

N

N

n

N

x

SE

1

2

ˆ

)

(

gdzie:

=

=

=

k

h

h

h

W

W

n

S

N

N

N

n

N

x

D

x

MSE

1

2

2

ˆ

)

(

)

(

17

)

(

)

(

x

SE

x

SE

W

( )

(

)

2

1

2

1

1

ˆ

=

=

h

n

i

h

i

h

x

x

n

x

S

=

=

n

i

i

x

n

x

1

1

gdzie:

oraz

=

=

k

h

h

n

n

1

k – liczba warstw,

background image

Losowanie warstwowe

Kiedy?

Istnieją dodatkowe informacje o populacji i populacje są

bardzo liczne.

Zalety:

Wady:

18

Są bardziej efektywne, czyli
dostarczają bardziej precyzyjnych
informacji.

W każdej warstwie można
stosować inną technikę losowania.

Warstwowanie można
przeprowadzić po wylosowaniu
próby dostosowując się do
potrzeb

Wymaga znajomości struktur
populacji. Jest tym
efektywniejsze im mniejsze
jest zróżnicowanie warstw.

Pożądany operat losowania.

background image

Techniki losowania:

Proporcjonalne, czyli z różnymi prawdopodobieństwami

wyboru

Kiedy?

Populacje są bardzo liczne. Istnieją zespoły o zdecydowanie

różnych rozmiarach

19

Można stosować gdy istnieje
operat ograniczony tylko do
zespołów.

Uwzględnia strukturę
populacji.

Wymaga znajomości struktur
populacji.

Korzysta się z informacji
dotyczącej przeszłości.

Może wymagać przeważenia
danych

Zalety:

Wady:

background image

Losowanie zespołowe

Kiedy?

Brak jakichkolwiek informacji o jednostkach populacji lecz

istnieją informacje o podgrupach (zespołach) oraz populacje

są bardzo liczne

20

background image

Losowanie zespołowe:

=

=

=

=

k

j

Z

j

M

i

ij

Z

Z

M

x

M

x

k

K

k

K

k

x

D

x

MSE

j

1

2

2

1

2

)

(

)

1

(

1

1

)

(

)

(

21

∑∑

=

=

=

=

=

m

h

h

k

h

n

j

hj

Z

x

k

x

n

x

1

1

1

1

1

0

k – liczba zespołów w próbie
K – liczba zespołów w populacji
M

j

– liczebność każdego zespołu

background image

Losowanie zespołowe

Kiedy?

Brak jakichkolwiek informacji o jednostkach populacji lecz

istnieją informacje o podgrupach (zespołach) oraz populacje

są bardzo liczne

Zalety:

Wady:

22

Ograniczenie operatu tylko do
listy zespołów.

Mało rozproszone terytorialnie
próby.

Efektywny! Ale przy dużej
liczbie zespołów o małych
rozmiarach w próbie

Złożony schemat losowania, na
ogół dwustopniowy: zespoły i
jednostki

background image

Losowanie dwustopniowe:

zespołowe i w zespołach proste bez zwracania

lub systematyczne

Kiedy?

Brak jakichkolwiek informacji o jednostkach populacji lecz

istnieją informacje o podgrupach (zespołach) oraz populacje

23

Ograniczenie operatu tylko do
listy zespołów.

Mało rozproszone terytorialnie
próby.

Efektywny! Ale przy dużej
liczbie zespołów o małych
rozmiarach w próbie

Złożony schemat losowania, na
ogół dwustopniowy: zespoły i
jednostki

istnieją informacje o podgrupach (zespołach) oraz populacje

są bardzo liczne

Zalety:

Wady:

background image

Dla zespołów ró

ż

nolicznych w populacji, równych liczebno

ś

ciach próby (n

0

) w ka

ż

dym zespole:

( )

)

(

)

(

)

(

)

(

2

1

0

0

2

2

2

x

S

n

n

N

N

kN

K

x

S

k

K

k

K

x

D

x

MSE

h

k

h

h

h

h

Z

Z

=

+

=

=

Losowanie dwustopniowe: zespołowe i w zespołach proste bez zwracania:

∑∑

=

=

=

=

=

k

h

h

k

h

n

j

hj

Z

x

k

x

n

x

1

1

1

1

1

0

=

=

k

h

Z

h

h

k

x

x

x

S

1

2

2

1

)

(

)

(

∑∑

=

=

=

k

h

n

i

h

hj

h

k

n

x

x

x

S

1

1

2

2

0

)

(

)

(

to wariancja międzyzespołowa

to wariancja wewnątrzzespołowa

k – liczba zespołów w próbie
K – liczba zespołów w populacji
n

0

– liczebność każdej podpróby

background image

Zagrożenia w doborze losowym

• Ignorowanie konsekwencji wyboru techniki

losowania:

Sposób pobierania próby jest

sprz

ęż

ony ze sposobem estymacji wybranego

parametru. Dokonanie zmian w jednej ze „stron”
wywoływa

ć

musi zmian

ę

w drugiej.

25

Niedostosowana do rzeczywisto

ś

ci technika

losowania:

Otaczaj

ą

ca rzeczywisto

ść

ma zło

ż

on

ą

struktur

ę

i dlatego s

ą

potrzebne adekwatne do

niej schematy losowania.

• Ignorowanie sprawdzania losowo

ś

ci wylosowanej

próby

background image

sprawdzania losowości

wylosowanej próby: test serii

1. Wyznaczenie mediany dla cechy, według której losowo

ść

próby powinna by

ć

zachowana.
2. Oznaczenie symbolami:
np.

A

tych jednostek, których warto

ś

ci cechy s

ą

mniejsze od mediany,

symbolem

B

za

ś

warto

ś

ci, które s

ą

wi

ę

ksze od mediany.

symbolem

B

za

ś

warto

ś

ci, które s

ą

wi

ę

ksze od mediany.

W przypadku gdy jednostka posiada warto

ść

cechy identyczn

ą

z warto

ś

ci

ą

mediany,

nale

ż

y j

ą

pomin

ąć

.

3. Okre

ś

lenie liczby serii symboli A oraz B oraz liczby elementów A, tj. n

1

, i liczby

elementów B, tj. n

2

.

4. Odczytanie z tablic rozkładu serii warto

ś

ci krytycznych

k

1

i

k

2

, tzn. takich, które

wyznaczaj

ą

przedział warto

ś

ci (k

/2

, k

1-

α

/2

, okre

ś

laj

ą

cych dopuszczalne liczby serii

obserwowane w próbie, z przyj

ę

tym ryzykiem bł

ę

du

α

(na ogół 5%).

background image

Gdy rozmiar próby przekracza 40

elementów:

Wykorzystanie zbie

ż

no

ść

liczby serii do rozkładu normalnego.

H

0

: próba ma charakter losowy

H

1

: próba nie ma charakter ulosowego

Warto

ść

statystyki testuj

ą

cej okre

ś

la wzór:

k

k

u

=

)

(k

S

k

k

u

=

1

2

2

1

2

1

+

+

=

n

n

n

n

k

)

1

(

)

(

)

2

(

2

)

(

2

1

2

2

1

2

1

2

1

2

1

+

+

=

n

n

n

n

n

n

n

n

n

n

k

S

która ma rozkład N(0, 1).
Jeśli wartość statystyki u nie przekracza wartości 1,96, to nie ma podstaw do odrzucenia hipotezy zerowej,
czyli by podważać losowy charakter próby.

gdzie:

background image

Techniki prowadzenia wywiadu

Zalety:

Wady:

1.

Niskie koszty.

2.

Brak wpływu ankietera na udzielane

odpowiedzi.

1.

Konieczność formułowania prostych pytań.

2.

Brak możliwości „sondowania” odpowiedzi.

Odpowiedzi są ostateczne.

Ankieta pocztowa:

odpowiedzi.

3.

Wysoki poziom anonimowości.

4.

Czas na przemyślenie odpowiedzi.

5.

Znaczna dostępność respondentów.

Odpowiedzi są ostateczne.

3.

Brak kontroli nad tym, kto w rzeczywistości

udziela odpowiedzi.

4.

Niski odsetek odpowiedzi.

background image

Techniki prowadzenia wywiadu

Zalety:

Wady:

1.

Możliwość budowania pytań złożonych o

wyższym stopniu trudności.

2.

Możliwości „sondowania” odpowiedzi.

1.

Wysokie koszty.

2.

Wpływ ankietera na udzielane odpowiedzi.

3.

Brak wysokiego poziomu anonimowości.

Ankieta bezpo

ś

rednia (face-to-face):

3.

Możliwość bezpośredniego kodowania danych

(CATI).

4.

Kontrola nad tym, kto w rzeczywistości

udziela odpowiedzi.

5.

Wysoki odsetek odpowiedzi.

6.

Możliwość oceny warunków zbierania

informacji.

4.

Brak czasu na przemyślenie odpowiedzi.

background image

Zasady prowadzenia wywiadu osobistego:

•Powiedz respondentowi, kim jeste

ś

i kogo reprezentujesz.

•Powiedz respondentowi, co robisz, w sposób wzbudzaj

ą

cy zainteresowanie.

•Powiedz respondentowi, w jak sposób został wybrany.

•Dostosuj post

ę

powanie do sytuacji.

•Dostosuj post

ę

powanie do sytuacji.

•Postaraj si

ę

wytworzy

ć

atmosfer

ę

zaufania i zrozumienia.

•Nie zadawaj pyta

ń

z pami

ę

ci.

•Nie interpretuj pyta

ń

.

•Nie zmieniaj kolejno

ś

ci i nie omijaj pyta

ń

.

background image

Techniki prowadzenia wywiadu

Zalety:

Wady:

1.

Przeciętne koszty.

2.

Krótki czas realizacji.

1.

Łatwość odmowy udziału w badaniu.

2.

Łatwość przerwania wywiadu.

Ankieta telfoniczna (TI):

2.

Krótki czas realizacji.

3.

Duża liczba respondentów.

4.

Wysoki odsetek odpowiedzi.

5.

Możliwość bezpośredniego kodowania danych

(CATI).

6.

Dotarcie do osób, które niechętnie uczestniczą w

badaniach pocztowych lub w wywiadach

osobistych.

7.

Możliwość kontroli zadawania pytań i rejestracji

danych.

8.

Możliwości „sondowania” odpowiedzi.

2.

Łatwość przerwania wywiadu.

3.

Brak wysokiego poziomu anonimowości.

4.

Brak czasu na przemyślenie odpowiedzi.

5.

Brak kontroli nad tym, kto w rzeczywistości

udziela odpowiedzi.

background image

Baza danych

Definiowanie zmiennych:

1. Nazwa
2. Typ
3. Liczba znaków

3. Liczba znaków
4. Liczba miejsc po przecinku
5. Etykieta
6. Wyodr

ę

bnione kategorie

7. Braki danych
8. Szeroko

ść

kolumny

9. Wyrównanie
10.Skala pomiaru

background image

Badanie spójności bazy danych

1.

Wszystkie warto

ś

ci mieszcz

ą

si

ę

w ramach ustalonych przez zasady skalowania.

2.

Wyst

ę

puje zgodno

ść

w filtrach.

3.

Rozstrzygni

ę

ta kwestia obserwacji nietypowych.

4.

Wyst

ę

puje spójno

ść

logiczna danych.

background image

Gdy respondent może mówić nieprawdę!

Technika odpowiedzi losowych

Reszka

– odpowiadamy na

pytanie 1

Orzeł

– odpowiadamy na

pytanie 2

(reszka) Zdarzyło mi się, że w trakcie
zakupów w supermarkecie
zjadłam/zjadłem batonik
czekoladowy i nie zapłaciłem/am za
niego

(orzeł) Brałem udział w ostatnich
wyborach parlamentarnych

wyborach parlamentarnych

)

(

)

(

)

(

)

(

)

(

)

(

)

(

)

(

)

(

)

|

(

)

|

(

)

(

2

2

1

1

2

1

2

1

2

1

O

P

R

P

T

P

T

T

P

T

P

R

P

T

P

O

P

T

P

R

T

P

O

T

P

T

T

P

=

+

=

+

=

Estymacja frakcji odpowiedzi pozytywnych na pytanie 1:

background image

Przykład: braki danych

v1

v2

v3

v4

v5

v6

v7

2.0

2.0

1.0

2.0

1.0

1.0

2.0

2.0

1.0

2.0

2.0

2.0

2.0

2.0

1.0

2.0

2.0

1.0

2.0

2.0

1.0

2.0

2.0

2.0

1.0

2.0

2.0

1.0

2.0

2.0

1.0

1.0

1.0

1.0

1.0

1.0

1.0

1.0

2.0

1.0

1.0

2.0

2.0

1.0

2.0

2.0

1.0

2.0

2.0

2.0

1.0

2.0

2.0

1.0

2.0

2.0

1.0

1.0

2.0

2.0

1.0

2.0

1.0

2.0

2.0

1.0

2.0

2.0

2.0

2.0

1.0

2.0

2.0

2.0

1.0

2.0

2.0

1.0

2.0

2.0

2.0

2.0

1.0

1.0

2.0

2.0

1.0

2.0

2.0

2.0

2.0

2.0

1.0

2.0

2.0

1.0

2.0

2.0

2.0

2.0

2.0

1.0

2.0

2.0

1.0

2.0

background image

Przykład: braki rekordów

Liczba ludności miast według płci i

wyróżnionych grup wieku

Struktura ludności miast według płci i

wyróżnionych grup wieku

Grupy wieku

płeć

razem

płeć

razem

kobiety

mężczyźni

kobiety

mężczyźni

15 – 19

58716

60901

119617

10,5%

10,9%

21,4%

20 – 29

112962

111769

224731

20,2%

20,0%

40,3%

30 - 39

111571

102246

213816

20,0%

18,3%

38,3%

Liczba ludno

ś

ci miast według płci i wyró

ż

nionych grup wieku oraz wska

ź

niki struktury dla wyró

ż

nionych grup

Ogółem

283249

274916

558165

50,7%

49,3%

100,0%

Liczba respondentów według płci i wyró

ż

nionych grup wieku oraz wska

ź

niki struktury dla wyró

ż

nionych grup

Liczba respondentów według płci i

wyróżnionych grup wieku

Struktura próby według płci i grup wieku

Grupy wieku

płeć

razem

płeć

razem

kobiety

mężczyźni

kobiety

mężczyźni

15 – 19

104

95

199

12,6%

11,5%

24,1%

20 – 29

184

194

378

22,2%

23,5%

45,7%

30 – 39

92

158

250

11,1%

19,1%

30,2%

Ogółem

380

447

827

45,9%

54,1%

100,0%

background image

Metody redukcji

błędów

nielosowych

Imputacje

Ważenie danych

(poststratyfikacja)

background image

Metody redukcji bł

ę

dów nielosowych

Imputacja - braki pojedynczych odpowiedzi

dedukcyjna

deterministyczna

stochastyczna

wprowadzenie wartości umownych

38

90

wprowadzenie wartości umownych

ś

rednie

cold-deck

hot-deck

z innych badań lub symulacji

podobieństwo obiektów

Uwzględnienie składnika losowego w imputacji deterministycznej

background image

Ważenie:

Ważenie musi być stosowane jeśli próba nie jest
samoważąca się

⇒ losowanie proste,

systematyczne, proporcjonalne

39

W przypadku procedur ograniczonego doboru
losowego każda próba może być reprezentatywna dla
populacji, jeśli każdemu elementowi próby przypisze
się prawdopodobieństwo znalezienia się w próbie

background image

Przyczyny ważenia danych:

Technika losowania.

Odmowy odpowiedzi.

40

Dostosowanie do reprezentatywności ze
względu na różne cechy (poststratyfikacja)


Document Outline


Wyszukiwarka

Podobne podstrony:
projektowanie badan spoleczno ekonomicznych cz 1,2
47 242218 specjalista do spraw badan spoleczno ekonomicznych
47 242218 specjalista do spraw badan spoleczno ekonomicznych
Analiza danych jakościowych SPSS metody badań geografii społeczno ekonomicznej
Sylabus wstep do badan spolecznych 2010 2011, Uniwersytet Ekonomiczny w Krakowie - STOSUNKI MIĘDZYNA
CZARNY Nauki społeczne w projekcie badań dalekiej północy
Spoleczno ekonomiczne uwarunkowania somatyczne stanu zdrowia ludnosci Polski
Projektowanie badań marketingowych
Grupa B, Studia dziennikarstwo i komunikacja społeczna, Ekonomika mediów - pytania i notatki
Metodologia badań społecznych - opracowanie, Pedagogika resocjalizacyjna
Metodologia badan spolecznych[1], Metodologia Badań Społecznych
metody badan spolecznych msm wyklad 3
metody badan spolecznych msm wyklad 2
System zabezpieczenia społecznego, Ekonomia, Polityka społeczna
KODOWANIE (metody), Metodologia badań społecznych

więcej podobnych podstron