پرش به محتوای اصلی
رامین خاورزاده DATA · ANALYSIS · PERSPECTIVE
TOOL · می‌خواهم تحقیق کنم

طراحی نمونهٔ تحقیق

از چند نفر باید بپرسم، و چند نفر را باید دعوت کنم؟

دقت، سطح اطمینان، اندازهٔ جامعه، نرخ پاسخ و زیرگروه‌ها را بدهید تا تعداد پاسخ کامل لازم و تعداد تقریبی دعوت را با فرض‌های روشن ببینید — یا برعکس، حاشیهٔ خطای تعداد پاسخی که دارید. نمونهٔ در دسترس و پنل داوطلبانه صریحاً از نمونهٔ احتمالی جدا می‌شوند.

  • چند عدد در فرم
  • فقط در مرورگر شما
  • بدون هوش مصنوعی

به چه کاری می‌آید

پیش از فرستادن پرسش‌نامه باید بدانید چند پاسخ لازم دارید و برای رسیدن به آن چند نفر را باید دعوت کنید. این ابزار تعداد پاسخ کامل را برای برآورد یک درصد (مثلاً سهم مشتری‌های راضی) یا یک میانگین (مثلاً مبلغ خرید) حساب می‌کند، اثر اندازهٔ جامعه، نرخ پاسخ و گزارش جداگانهٔ زیرگروه‌ها را وارد می‌کند، و برعکس هم کار می‌کند: با تعداد پاسخی که دارید، حاشیه چقدر است.

مهم‌تر از فرمول، نوع نمونه است: فقط در نمونهٔ احتمالی عدد «حاشیهٔ خطا» معنی دارد.

LOCAL همهٔ محاسبه در همین مرورگر انجام می‌شود؛ داده‌ای که وارد می‌کنید به سرور سایت یا هیچ سرویس دیگری فرستاده نمی‌شود. با بستن یا تازه‌کردن صفحه چیزی از داده‌ها باقی نمی‌ماند؛ دکمهٔ «پاک‌کردن» هم همین حالا همه را از صفحه برمی‌دارد.

چه می‌خواهید؟
نمونه چطور جمع می‌شود؟
برآورد
چه چیزی برآورد می‌شود؟

مثلاً ۵ یعنی ±۵ واحد درصد

اگر نمی‌دانید ۵۰ بگذارید؛ بیشترین نمونه را می‌خواهد و محتاطانه است.

از یک نظرسنجی قبلی یا یک نمونهٔ آزمایشی؛ بدون آن، برآورد میانگین ممکن نیست.

جامعه، نرخ پاسخ، زیرگروه‌ها و اثر طرح (اختیاری)

مثلاً تعداد کل مشتری‌های فعال. خالی یعنی جامعهٔ خیلی بزرگ.

از نظرسنجی‌های قبلی خودتان؛ برای تعداد دعوت.

اگر فقط بخشی از دعوت‌شده‌ها مخاطب هستند (مثلاً فقط خریداران ماه قبل).

مثلاً ۳ اگر نتیجه را برای سه شهر جدا می‌خواهید؛ هر زیرگروه همین دقت را می‌خواهد.

۱ برای نمونهٔ تصادفی ساده؛ ۱٫۵ تا ۲ برای نمونه‌گیری خوشه‌ای یا وزن‌دهی سنگین.

روش محاسبه و فرض‌ها

  • برای یک درصد: n₀ = z² × p × (1 − p) ÷ E². برای یک میانگین: n₀ = (z × σ ÷ E)². z برای اطمینان ۹۰، ۹۵ و ۹۹ درصد به‌ترتیب ۱٫۶۴۵، ۱٫۹۶۰ و ۲٫۵۷۶ است.
  • اصلاح جامعهٔ محدود (فقط وقتی اندازهٔ جامعه را بدهید): n = n₀ ÷ (1 + (n₀ − 1) ÷ N). سپس در اثر طرح ضرب و به بالا گرد می‌شود.
  • برای گزارش جداگانهٔ k زیرگروه، هر زیرگروه همین تعداد را می‌خواهد و کل = تعداد × k (با فرض سهم برابر).
  • تعداد دعوت = پاسخ کامل لازم ÷ (نرخ پاسخ × سهم واجد شرایط)، به بالا گرد.
  • حاشیه برای تعداد موجود: E = z × √(p(1 − p) × deff ÷ n × (N − n) ÷ (N − 1)).

محدودیت‌ها و استفادهٔ نادرست

  • حاشیهٔ خطا فقط برای نمونهٔ احتمالی معنی دارد. برای نمونهٔ در دسترس یا پنل داوطلبانه، عدد فقط پایداری درصدها را نشان می‌دهد، نه فاصلهٔ نتیجه از کل جامعه را؛ ابزار این را کنار نتیجه می‌نویسد.
  • این تعداد فقط خطای نمونه‌گیری را کم می‌کند. سؤال جهت‌دار، فهرست ناقص جامعه و اینکه چه کسانی جواب نمی‌دهند، با نمونهٔ بزرگ‌تر درست نمی‌شوند.
  • نرخ پاسخ پایین فقط تعداد دعوت را زیاد نمی‌کند؛ اگر کسانی که جواب می‌دهند با بقیه فرق داشته باشند، نتیجه سوگیری دارد.
  • برای مقایسهٔ دو گروه یا آزمون A/B این فرمول کافی نیست؛ از «آزمایشگاه A/B» استفاده کنید که توان آزمون را هم حساب می‌کند.

منابع روش

  • Cochran, W. G. (1977). Sampling Techniques (3rd ed.). Wiley — فصل ۴، اندازهٔ نمونه و اصلاح جامعهٔ محدود.
  • Kish, L. (1965). Survey Sampling. Wiley — اثر طرح.
  • AAPOR Task Force on Non-Probability Sampling (2013). Report of the AAPOR Task Force on Non-Probability Sampling — چرا حاشیهٔ خطای کلاسیک برای نمونهٔ غیرتصادفی معتبر نیست.

قدم بعدی

RESOURCES پرسش‌نامه رضایت مشتری و راهنمای محاسبه

همهٔ ابزارها بر اساس مسئله

نسخهٔ روش و تاریخ

VERSION نسخهٔ روش 1.0 · آخرین تغییر: ۵ مهر ۱۴۰۵