مفهوم جامع و کامل نمونه گیری و روشهاي آن

در یک تحقیق همیشه میسر نیست که کل آزمودنی­های یک جامعه را مورد بررسی قرار دهیم چرا که ممکن است از نظر زمان، منابع مالی، منابع انسانی و... محدودیت­هایی موجود باشد و امکان بررسی همه جامعه موجود نباشد؛ لذا باید جزئی از آزمودنی­ها را به گونه­ای که نماینده معقولی برای کل آزمودنی­های آن جامعه باشند، انتخاب نموده و نتایج بررسی روی آنها را به کل جامعه تعمیم داد. البته با توجه به وجود خطا در این عمل، لازم است میزان خطا را نیز محاسبه و اعلام نماییم.

ویژگی­های جامعه از قبیل µ (میانگین جامعه)، σ (انحراف معیار جامعه) و ²σ (واریانس جامعه) به عنوان پارامترهای جامعه مطرح هستند. به عبارت دیگر هر خصوصیت عددی یک جامعه را پارامتر آن جامعه گویند. و آماره­ ویژگی و خصوصیت نمونه است. آماره­های تمایل به مرکز، پراکندگی و سایر آماره­های نمونه مورد بررسی، به عنوان تقریبی از پارامترهای تمایل به مرکز و پراکندگی و سایر پارامترهای جامعه محسوب می­شود. بدین لحاظ یافته­های نمونه به جامعه تعمیم داده می­شود. به عبارت دیگر، آماره­های نمونه به عنوان برآوردهایی از پارامترهای جامعه مورد استفاده قرار می­گیرد. شکل زیر رابطۀ بین جامعه و نمونه را نشان می­دهد.

مزایای نمونه ­گیری

دلایل استفاده از نمونه­گیری به جای سرشماری جامعه نسبتاً واضح و روشن است. در بررسی تحقیقاتی که درگیر صدها یا حتی هزاران عضو هستند، جمع­آوری اطلاعات یا آزمودن هر عضو می­تواند به طور علمی غیرممکن باشد. حتی اگر موارد ذکر شده ممکن باشد، زمان، هزینه و سایر منابع انسانی مانع عمده­ای بر سر راه پژوهش هستند. احتمالاً بررسی یک نمونه، به جای کل جامعه گاهی اوقات منجر به نتایجی می­شود که از روائی بالاتری برخوردار است زیرا اساساً در این حالت خستگی کمتری وجود خواهد داشت و بنابراین در جمع­آوری اطلاعات خطاهای کمتری صورت می­گیرد، خصوصاً زمانی که اعضای جامعه زیادند. در برخی موارد، استفاده از کل جامعه برای آگاهی یا آزمودن چیزی ناممکن است. برای مثال در آزمون عمر یک دسته از لامپ­ها، اگر مجبور باشیم هر لامپ تولیدی را بسوزانیم، چیزی برای فروش نخواهد ماند. به طور خلاصه می­توان گفت نمونه­گیری دارای مزیت­های زیر می­باشد:

1-    هزینه کمتر

2-    زمان کمتر، سرعت بیشتر

3-    دقت بیشتر در اجرا

4-    به علت محفوظ ماندن واحدهای جامعه یا تخریب نشدن آنها

طرح­های نمونه­ گیری

بسته به نوع جامعه آماری می­توان از روش­های مختلفی برای نمونه­گیری استفاده نمود. به طور کلی دو نوع طرح نمونه­گیری وجود دارد: نمونه­گیری تصادفی و غیر تصادفی. در نمونه­گیری تصادفی، اعضای جامعه به عنوان آزمودنی­های نمونۀ منتخب، از شانس و احتمال یکسانی برخوردارند. در نمونه­گیری غیرتصادفی، اعضای جامعه به عنوان آزمودنی­های نمونه منتخب، از شانس و احتمال یکسانی برای انتخاب شدن برخوردار نیستند. طرح­های نمونه­گیری تصادفی وقتی استفاده می­شوند که نماینده (معرّف) بودن نمونه به خاطر اهداف تعمیم­پذیری حائز اهمیت است. وقتی که زمان یا سایر عوامل، نسبت به تعمیم­پذیری از اهمیت بسیار زیادتری برخوردار می­شوند، عموماً نمونه­گیری غیرتصادفی استفاده می­شود. هر کدام از این دو طرح اصلی، استراتژی­های نمونه­گیری مختلفی دارند. بسته به میزان تعمیم­پذیری مورد نظر، فراهم بودن زمان و سایر منابع و هدفی که پژوهش به دنبال آن است، انواع مختلفی از طرح­های نمونه­گیری تصادفی و غیرتصادفی انتخاب خواهند شد. در ادامه این جلسه انواع مختلف این طرح­ها معرفی خواهند شد:

1- نمونه ­گیری تصادفی

نمونه­ گیری تصادفی می­تواند ماهیتاً نامحدود (یا نمونه­گیری تصادفی ساده) یا محدود (نمونه­گیری تصادفی پیچیده) باشند.

1-1- نمونه ­گیری تصادفی ساده یا نامحدود

در طرح نمونه­گیری تصادفی نامحدود، که عموماً به نمونه­گیری تصادفی ساده مشهور است، هر عضوی در جامعه برای انتخاب شدن به عنوان یک آزمودنی از شانس مساوی و معین برخوردار است به طوری که انتخاب هیچ عضوی در انتخاب عضو بعدی مؤثر نباشد. به عبارت دیگر هر آزمودنی به طور مستقل از سایر آزمودنی­ها، شانس انتخاب شدن برابر دارد. احتمال انتخاب شدن هر عضو عبارت است که:

برای انتخاب نمونه به شیوه تصادفی ساده چندین روش وجود دارد: قرعه­کشی نام اعضا، انتخاب رندومی آزمودنی­ها از روی شماره آنها در لیست، استفاده از جدول اعداد تصادفی، استفاده از ترتیب مضرب­ها.

از جمله مزیت­های این طرح این است که از حداقل تورش برخوردار است و دارای بیشترین قدرت و تعمیم­پذیری است. این فرآیند معایبی نیز دارد، پُرزحمت و هزینه­بر است، و علاوه بر این ممکن است همیشه یک فهرست تازه و به­روز از اعضای جامعۀ آماری در دست نباشد. روش نمونه گیری طبقه ای نیز یکی از مهم ترین روش ها در زمینه اندازه گیری و دریافت دیتای مهم است و یک راهنمای کامل نمونه‌گیری طبقه‌ای می تواند اطلاعات بسیار خوبی را در این خصوص به شما منتقل نماید.

1-2- نمونه­ گیری تصادفی پیچیده یا محدود

به جای طرح نمونه­گیری تصادفی ساده، چندین طرح نمونه­گیری تصادفی پیچیده می­تواند مورد استفاده قرار گیرد. این شیوه نمونه­گیری تصادفی نوعی طرح جایگزین پایا و بعضاً کارآمدتری نسبت به طرح نمونه­گیری نامحدود که مورد بحث قرار گرفت، ارائه می­دهند. چون اطلاعاتی که می­تواند برای یک حجم نمونه­گیری معین با استفاده از برخی شیوه­های نمونه­گیری تصادفی پیچیده به دست آید نسبت به استفاده و به کارگیری طرح نمونه­گیری تصادفی ساده بیشتر است، لذا کارائی آن بیشتر می­باشد. اکنون پنج طرح از طرح­های نمونه­گیری تصادفی پیچیده که بیشتر متداول­اند را مورد بحث قرار می­دهیم:

1-2-1- نمونه­ گیری سیستماتیک

هر گاه تعداد آزمودنی­های یک جامعه آماری بزرگ باشد، انجام نمونه­گیری تصادفی ساده ممکن است با مشکل مواجه شود. در چنین مواقعی برای انتخاب نمونه از روش نمونه­گیری تصادفی سیستماتیک یا نظام­دار استفاده می­شود.

در این روش ابتدا ضریب a را به شیوۀ زیر به دست می­آوریم:

سپس از بین آزمودنی­های شماره 1 تا a یکی را به طور تصادفی انتخاب می­کنیم. فرض کنید شماره آزمودنی انتخاب شده b باشد، آنگاه آزمودنی­های بعدی به شیوۀ زیر انتخاب می­شوند:

b+a , b+2a , b+3a , …

این کار را تا انتخاب n اُمین فرد نمونه ادامه می­دهیم. به این ترتیب به طور سریع و ساده به n آزمودنی نمونه دست می­یابیم به طوری که آنها از اول تا آخر فهرست پراکنده­اند.

برای مثال اگر بخواهیم یک نمونۀ 35 واحدی از یک آپارتمان 260 واحدی انتخاب کنیم باید:

7=  [7.43] = [35 ÷ 260] a =

حال به طور تصادفی عددی را از بین 1 تا 7 انتخاب می­کنیم، اگر فرضاً عدد 5 را برگزیدیم از عدد 5 اعداد را هفت تا هفت تا می­شماریم تا کل 35 واحد انتخاب شود، یعنی اولین واحد، آپارتمان شماره 5 خواهد بود، دومین واحد آپارتمان شماره 12= (7+5) خواهد بود، سومین واحد آپارتمان شماره 19= (7+12) خواهد بود و به این ترتیب شمارش می­کنیم تا 35 واحد نمونه کامل شود.

مسئله­ای که محقق باید در طرح نمونه­گیری تصادفی از آن آگاه باشد، احتمال ایجاد نوعی تورش در نمونه است. برای مثال فرض کنید که پنجمین خانه اتفاقاً در نبش ساختمان باشد و واحدهایی که بعد از شمارش هفت تا هفت تا انتخاب می­شوند نیز در نبش ساختمان باشند. اگر کانون پژوهش در این مطالعه کنترل آلودگی صوتی برای ساکنانی باشد که عایق­بندی مناسب را به کار می­برند، در این صورت ساکنان خانه­های نبشی نسبت به خانه­هایی که بین دو ساختمان قرار دارند احتمالاً آن­قدر در معرض سروصدا نخواهند بود. بنابراین وقتی از ساکنان واحدهای نبشی آپارتمان، اطلاعاتی در مورد سطح آلودگی صوتی به دست می­آوریم، محقق­ ممککن است اطلاعاتی را که جمع­آوری کرده دچار نوعی تورش باشد. احتمال استخراج یافته­های ناصحیح از چنین اطلاعاتی بسیار بالاست. بنابراین، در نمونه­گیری سیستماتیک زمینه برای ایجاد تورش وجود دارد و محقق باید طرح­های خود را به دقت مورد توجه قرار دهد و مطمئن شود که طرح نمونه­گیری سیستماتیک برای بررسی مناسب است و این کار را قبل از اخذ تصمیم در مورد استفاده از آن انجام دهد.

1-2-2- نمونه ­گیری تصادفی طبقه­ ای

اگرچه نمونه­گیری به برآورد پارامترهای جامعه کمک می­کند، ولی ممکن است گروه­های فرعی معینی از اعضاء در جامعه وجود داشته باشند که انتظار رود در مورد یک مطالعه مورد توجه محقق، پارامترهای مختلفی داشته باشند. به عبارت دیگر هر گاه آزمودنی­های جامعه از نظر برخی خصوصیات همگون نباشند و بتوان آنها را در طبقات مختلف گروه­بندی کرد، نمونه­گیری باید طوری انجام شود که به نسبت افراد هر طبقه در جامعه، همان نسبت در نمونه نیز انتخاب شود.

برای مثال، برای پژوهشی که مدیر بخش منابع انسانی علاقه­مند به ارزیابی میزان نیازهای آموزشی کارکنان است، کل سازمان، جامعه پژوهش را تشکیل خواهد داد. امّا میزان کیفیت و فشردگی آموزش مورد نیاز مدیران ارشد، مدیران سطح پایین­تر، سرپرستان، تحلیل­گران رایانه، کارکنان دفتری و غیره برای هر گروه، متفاوت خواهد بود. آگاهی از انواع تفاوت­هایی که وجود دارد در ایجاد برنامه­های آموزشی سودمند و مفید در سازمان کمک خواهد کرد. به این دلیل، اطلاعات باید به شیوه­ای جمع­آوری شود که به ارزیابی نیازهای هر سطح از گروه­های فرعی در جامعه بتواند کمک کند. در این صورت واحد تجزیه و تحلیل می­تواند سطح هر گروه باشد.

فرآیند نمونه­گیری تصادفی طبقه­ای همان­طور که از نامش پیداست، متضمن فرآیندی از تشکیل طبقات و تجزیه آنهاست که به وسیله انتخاب تصادفی آزمودنی از هر طبقه دنبال می­شود. در این نمونه­گیری ابتدا جامعه به گروه­های ناسازگاری که در بطن پژوهش مناسب، مرتبط و بامعنا هستند، تقسیم می­شوند. بدون پیش گرفتن شیوه نمونه­گیری تصادفی طبقه­ای، یافتن تفاوت­ها در پارامترهای گروه­های فرعی درون یک جامعه نمی­تواند ممکن باشد.

طبقه­بندی نوعی طرح نمونه­گیری کارآمد در پژوهش است؛ یعنی، طبقه­بندی، اطلاعات بیشتری در مورد حجم نمونه معینی فراهم می­کند. طبقه­بندی باید خطوطی را دنبال کند که با پرسش­های پژوهش متناسب باشند. برای مثال اگر ترجیحات مشتری را برای یک محصول مورد بررسی قرار می­دهیم، طبقه­بندی جامعه می­تواند بر اساس حوزه­های جغرافیایی، بخش­های بازار، سن مصرف­کننده، جنسیت مصرف­کننده، یا ترکیب­های مختلفی از این موارد صورت گیرد. روش طبقه­بندی، میزان همگنی را در هر طبقه و ناهمگنی را بین طبقات نشان می­دهد. به عبارت دیگر، اختلاف­ها و تفاوت­های بین گروه­ها بیشتر از تفاوت­های درون گروه­ خواهد بود.

وقتی جامعه به شیوه­های صحیحی طبقه­بندی گردید، نمونه­ای از اعضای هر طبقه می­تواند با استفاده از نمونه­گیری تصادفی ساده یا نمونه­گیری سیستماتیک، استخراج شود. آزمودنی­های استخراجی از هر طبقه می­تواند نسبت به تعداد عناصر در هر طبقه متناسب یا نامتناسب باشد. برای مثال جدول زیر توجه نمایید.

در این مثال از مجموع 710 نفر اعضای جامعه آماری یک نمونه 142 نفری برای پژوهش نیاز است. اگر محقق بر مبنای درصد نمونه (20% =710÷142) از هر طبقه به تناسب دست به انتخاب بزند، نمونه­گیری تصادفی طبقه­ای متناسب انجام داده است. در برخی موقعیت­ها مانند موقعیت بالا، محققان ممکن است گاهی اوقات نگران این باشند که به دست آوردن اطلاعات فقط از 2 مدیر عالی و 6 مدیر میانی نمی­تواند معرف پاسخ­های این دو گروه باشد.­ با حفظ اندازه یا حجم نمونه، اکنون تعداد آزمودنی­ها در هر طبقه تغییر خواهند کرد. بر اساس عقیده و نظر محقق با رعایت تعداد کل اعضای نمونه، در هر طبقه تعداد اعضایی که نماینده مناسبی از آن طبقه باشد تعیین می­شود. این نوع نمونه­گیری در این شرایط می­تواند مناسب­تر و نماینده بهتری نسبت به طرح نمونه­گیری قبلی باشد.

تصمیم­گیری در مورد نمونه­گیری که دارای تناسب خاصی نیست وقتی گرفته می­شود که برخی از طبقات بسیار کوچک و برخی دیگر بسیار بزرگند، یا وقتی که نسبت به تغییرپذیری ویژگی­ها درون یک طبقه خاصی که تعداد بیشتری در نمونه جای خواهند گرفت، نوعی شک و تردید وجود داشته باشد و یا محدودیت­های زمان و هزینه وجود داشته باشد.

1-2-3- نمونه­گیری تصادفی خوشه­ای

در نمونه­گیری خوشه­ای، گروه­ها یا خوشه­هایی از اعضا، از گروه­هایی که بین اعضای آنها نوعی عدم­تجانس وجود دارد، برای مطالعه انتخاب می­شوند. این نمونه­گیری به دو شیوه انجام می­شود:

الف) نمونه­ گیری خوشه­ای تک­ مرحله ­ای

جامعه به خوشه­ها یا گروه­های مناسب تقسیم می­شود و آزمودنی­های نمونه، به صورت تصادفی از تعدادی خوشه­ها یا گروه­­های مورد نیاز، انتخاب می­شوند و همۀ عناصر از خوشه­ای که به صورت تصادفی انتخاب شده است مورد بررسی قرار می­گیرند.

ب)نمونه­ گیری خوشه­ ای چندمرحله­ ای

ابتدا از خوشه­ها یا گروه­های جامعه، نمونه­ای اولیه به شیوه تصادفی استخراج می­کنیم؛ سپس از بین این خوشه­ها بار دیگر نمونه­ای ثانویه تصادفی انتخاب می­کنیم و اینکار را تا زمانی که مرحله نهایی این سطح برسیم انجام می­دهیم. آنگاه در آخر نمونه­ای خواهیم داشت که از هر واحدی، عضوی در آن وجود دارد.

یکی از انتقادهای وارده بر نمونه­گیری خوشه­ای این است که ممکن است انتخاب مضاعف اعضاء در چندین خوشه، اتفاق بی­افتد. اگرچه این شیوه کم هزینه است اما از نوعی کارائی در دقت و اطمینان در نتایج برخوردار نیست.

1-2-4- نمونه­ گیری ناحیه ­ای

زمانی که پژوهش به جوامع آماری در حوزه­های جغرافیائی معین نظیر بخش­ها، مجموعه­های شهری یا مرزهای خاصی در یک محل مربوط می­شود، نمونه­گیری ناحیه­ای مورد استفاده قرار می­گیرند. نمونه­گیری ناحیه­ای، شکلی از نمونه­گیری خوشه­ای در یک ناحیه است. نمونه­گیری از نیازهای مصرف­کنندگان قبل از راه­اندازی یک فروشگاه، در بخش خاصی از شهر می­تواند مستلزم نمونه­گیری ناحیه­ای باشد. نمونه­گیری ناحیه­ای نسبت به سایر طرح­های نمونه­گیری تصادفی کم­هزینه­تر است و متکی به یک چارچوب جمعیتی نیست. نقشه یک شهر که مجموعه­های شهر را نشان می­دهد دربرگیرنده اطلاعات کافی است که به محقق اجازه می­دهد یک گروه نمونه از بلوک بگیرد و اطلاعاتی از ساکنین هر بلوک کسب کند.

1-2-5- نمونه­ گیری مضاعف

زمانی که برای جمع­آوری برخی اطلاعات اولیه موردنظر، نمونه­ای از یک جامعه مورد استفاده قرار می­گیرد و بعداً نمونه­ای فرعی از این نمونه مقدماتی، برای بررسی موضوع به تفصیل مورد استفاده واقع می­شود، چنین طرح نمونه­گیری، نمونه­گیری مضاعف نامیده می­شود. برای مثال یک مصاحبۀ منظم، ممکن است نشان دهد که یک گروه فرعی از پاسخ­دهندگان، در مورد مشکلات و مسائل سازمان اطلاعات بیشتری دارد. این پاسخ­دهندگان ممکن است برای بار دوم با پرسش­های جدیدی مورد مصاحبه قرار گیرند. این پژوهش نوعی شیوه نمونه­گیری مضاعف اختیار کرده است.

2- نمونه­ گیری غیرتصادفی

در طرح­های نمونه­گیری تصادفی، عناصر یا اعضا درون جامعه از هیچ­گونه احتمال مساوی انتخاب شدن به عنوان آزمودنی­های نمونه برخوردار نیستند. این بدین معناست که یافته­های حاصل از بررسی نمونه، نمی­تواند بااطمینان، به جامعه تعمیم داده شود. در عین حال، محققان ممکن است در برخی موارد نیاز به تعمیم­پذیری نداشته باشند و فقط قصد بدست آوردن برخی اطلاعات مقدماتی به شیوه­ای سریع و کم­هزینه داشت باشند. در چنین مواردی آنها می­توانند به نمونه­گیری غیرتصادفی متوسل شوند. برخی از طرح­های نمونه­گیری غیرتصادفی نسبت به برخی دیگر قابلیت اعتماد بیشتری دارند و رهنمودهای مهمی برای کسب اطلاعات مفید در مورد جامعه می­توانند ارائه دهند.

2-1- نمونه­ گیری غیرتصادفی ساده (دردسترس)

همان­طور که از نامش پیداست، نمونه­گیری ساده متضمن جمع­آوری اطلاعات از اعضاء جامعه است که این اعضاء جهت فراهم آوردن اطلاعات به راحتی در دسترس هستند. برای مثال اگر در مرکز خریدی از خریداران خواسته شود آنهایی که تمایل دارند برای مصاحبه در مورد برتری کالای الف نسبت به ب به مکان خاصی در گوشه مرکز خرید مراجعه کنند و آنگاه با این افراد مصاحبه صورت گیرد، این نمونه ­گیری را نمونه­ گیری دردسترس می­گویند.

2-2- نمونه­ گیری غیرتصادفی هدفمند (از پیش تعیین شده)

به جای به دست آوردن اطلاعات از کسانی که به راحتی در دسترس قرار می گیرند، گاهی اوقات ممکن است ضرورت یابد که اطلاعاتی از افراد یا گروه­های خاصی به دست آوریم، یعنی انواع خاصی از افراد که قادر به ارائه اطلاعات مورد نظر ما هستند، زیرا آنها تنها افرادی­اند که می­توانند چنین اطلاعاتی ارائه دهند یا با برخی از معیارهایی که محقق تدوین کرده مطابقت دارند. چنین نوعی از طرح­های نمونه­گیری، نمونه­گیری هدفمند نامیده می­شود و دو نوع عمدۀ آن عبارتند از نمونه­گیری قضاوتی و سهمیه­ای که در ذیل تشریح خواهند شد.

2-2-1- نمونه ­گیری قضاوتی

در این نوع نمونه­گیری، افرادی برای نمونه انتخاب می­شوند که برای ارائه اطلاعات مورد نیاز در بهترین موقعیت قرار دارند. برای مثال، اگر محققی می­خواهد بداند چگونه زنان به پست­های مدیریت عالی دست می­یابند، تنها افرادی که می­توانند اطلاعات دست اول در این مورد به وی بدهند مدیران زنی هستند که در پست­های ریاست، معاونت و سطوح عالی مدیریت اجرائی در سازمان­ها، قرار دارند. از این افراد، انتظار می­رود به خاطر دارا بودن تجربه و گذراندن فرآیندهای مختلف، از دانش تخصصی برخوردار بوده و قادر به ارائه اطلاعاتی به محقق باشند. بنابراین، طرح نمونه­گیری قضاوتی هنگامی مورد استفاده قرار می­گیرد که طبقۀ محدودی از افراد دارای اطلاعات­اند که محقق در جستجوی آنهاست. در چنین مواردی، هر نوع نمونه­گیری تصادفی از میان بخش مختلفی از افراد، بی­هدف و بی­فایده است. اگرچه نمونه­گیری قضاوتی ممکن است تعمیم­پذیری یافته­ها را به علت این که، نمونه­ای از افراد متخصص که به راحتی در دسترس هستند، مورد استفاده قرار داده­ایم، کاهش دهد، ولی این شیوه تنها شیوه نمونه­گیری است که می­توان برای به دست آوردن اطلاعاتی که لازم است از افراد خاصی که دارای علم و دانش مربوط هستند و می­توانند اطلاعات مورد نظر را ارائه دهند، مورد استفاده قرار داد.

2-2-2- نمونه ­گیری سهمیه ­ای

نمونه­گیری سهمیه­ای شکلی از نمونه­گیری طبقه­ای متناسب است که در آن، نسبت از قبل تعیین شدۀ افراد از گروه­های مختلف نمونه­گیری می­شوند اما این بار بر مبنای نوعی نمونه­گیری ساده یا دردسترس صورت می­گیرد. بی­شک، این نمونه ممکن است نمایندۀ کلی جامعه نباشد؛ بنابراین، تعمیم­پذیری یافته­ها محدود می­شود. در عین حال، چون این نوع نمونه­گیری مستلزم تلاش کمتر، هزینه کمتر و زمان کمتری است، برای برخی از تحقیقات جذاب است.

اهمیت طرح نمونه ­گیری و اندازه نمونه

اگر طرح نمونه­گیری مناسب، مورد استفاده قرار نگیرد، صرف یک حجم نمونه بزرگ اجازه نخواهد داد که یافته­ها به جامعه تعمیم داده شود. همین­طور، اگر حجم نمونه برای سطح اطمینان و دقت مورد انتظار کافی نباشد، هیچ طرح نمونه­گیری پیشرفته نمی­تواند برای محقق در تحقق اهداف بررسی مفید باشد. بنابراین، در اتخاذ تصمیمات، برای مثال راجع به نمونه­گیری باید هم طرح نمونه­گیری و هم حجم نمونه مد نظر قرار گیرند. در عین حال اگر حجم نمونه بسیار زیاد باشد، می­تواند مشکل­زا باشد و زمینه مساعدی برای دچار شدن به خطای نوع دوم را ایجاد کند. به عبارت دیگر، یافته­های پژوهش خود را می­پذیریم در حالی که باید آنها را رد کرده باشیم. به عبارت دیگر، وقتی نمونه بسیار بزرگ است و حتی روابط در سطوح معنی­دار ضعیف است یقین پیدا می­کنیم که این روابط معنی­دار در نمونه در مورد جامعه واقعاً صادق است، در حالی که واقعیت دلالت بر آن دارد که چنین چیزی ممکن نیست. بنابراین نه اندازه بزرگ و نه اندازه کوچک به پروژه­های پژوهشی کمک چندانی نمی­کنند.

به طور کلی قواعد زیر را برای تعیین حجم نمونه می­توان به کار برد:

1. برای بیشتر تحقیقات، حجم نمونه بزرگتر از 30 و کمتر از 500 مناسب است.
2. در جاهایی که نمونه­ها باید به نمونه­های فرعی تقسیم شوند، حداقل حجم نمونه برای هر طبقه 30 عضو ضروری است.
3. در تحقیقات چندمتغیره، حجم نمونه باید چند برابر (ترجیحاً 10 برابر) و به بزرگی تعداد متغیرها در پژوهش باشند.
4. برای پژوهش­های تجربی ساده با کنترل­های آزمایشی شدید (زوج­های جفت شده) پژوهش موفق با نمونه­های دارای حجم 10 تا 20 نیز میسر است.