Bài giảng Lấy mẫu và khả năng khái quát hóa

Chia sẻ: Dxfgbfcvbc Dxfgbfcvbc | Ngày: | Loại File: PDF | Số trang:19

Thêm vào BST

Báo xấu

135
lượt xem 14
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Nội dung Bài giảng Lấy mẫu và khả năng khái quát hóa trình bày về: đám đông và mẫu, kỹ thuật chọn mẫu xác suất, kỹ thuật chọn mẫu phi xác suất, lấy mẫu, cở mẫu, và sai số mẫu.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bài giảng Lấy mẫu và khả năng khái quát hóa

Bài 4 Lấy Mẫu và Khả Năng Khái Quát Hóa 2006 Prentice Hall, Salkind.
Nội dung  Đám đông và mẫu  Kỹ thuật chọn mẫu xác suất  Kỹ thuật chọn mẫu phi xác suất  Lấy mẫu, cở mẫu, và sai số mẫu © 2009 Pearson Prentice Hall, Salkind.
Đám đông và mẫu  Phương pháp suy luận dựa vào việc suy luận từ mẫu đến đám đông.  Mẫu – một nhóm nhỏ đại diện cho đám đông.  Đám đông – toàn bộ các thành viên.  Khả năng khái quát hóa – khả năng suy diễn tính chất của đám đông dựa trên tính chất mẫu. © 2009 Pearson Prentice Hall, Salkind.
Chọn mẫu đại diện  Chọn mẫu xác suất – xác suất của bất kỳ thành viên nào được chọn được biết.  Chọn mẫu phi xác suất - xác suất của bất kỳ thành viên nào được chọn không được biết © 2009 Pearson Prentice Hall, Salkind.
Kỹ thuật chọn mẫu xác suất  Chọn mẫu ngẫu nhiên giản đơn  Mỗi thành viên của đám đông có cơ hội được chọn bằng nhau và độc lập  Mẫu nên đại diện cho đám đông © 2009 Pearson Prentice Hall, Salkind.
Chọn mẫu ngẫu nhiên đơn giản 1. Jane 18. Steve 35. Fred 2. Bill 19. Sam 36. Mike 3. Harriet 20. Marvin 37. Doug 1. Xác định đám đông 4. Leni 21. Ed. T. 38. Ed M. 2. Liệt kê các thành viên 5. Micah 22. Jerry 39. Tom của đám đông 6. Sara 23. Chitra 40. Mike G. 7. Terri 24. Clenna 41. Nathan 3. Đánh số cho mỗi 8. Joan 25. Misty 42. Peggy thành viên của đám 9. Jim 26. Cindy 43. Heather đông 10. Terrill 27. Sy 44. Debbie 11. Susie 28. Phyllis 45. Cheryl 4. Sử dụng tiêu chí để 12. Nona 29. Jerry 46. Wes chọn mẫu 13. Doug 30. Harry 47. Genna 14. John S. 31. Dana 48. Ellie 15. Bruce A. 32. Bruce M. 49. Alex 16. Larry 33. Daphne 50. John D. 17. Bob 34. Phil © 2009 Pearson Prentice Hall, Salkind.
Sử dụng bảng số ngẫu nhiên 23157 48559 01837 25993 1. Chọn điểm bắt đầu 05545 50430 10537 43508 2. Hai số hàng chục đầu 14871 03650 32404 36223 tiên là 68 (không sử 38976 49751 94051 75853 dụng được) 97312 17618 99755 30870 3. Số tiếp theo, 48, sử dụng được 11742 69183 44339 47512 4. Tiếp tục cho đến khi 43361 82859 11016 45623 mẫu hòan thành 93806 04338 38268 04491 49540 31181 08429 84187 36768 76233 37948 21569 © 2009 Pearson Prentice Hall, Salkind.
Yếu tố thành công trong chọn mẫu ngẫu nhiên  Phân phối của các số trong bảng là ngẫu nhiên  Các thành viên của đám đông được liệt kê một cách ngẫu nhiên  Sự lựa chọn tiêu chí không nên liên quan đến yếu tố nghiên cứu © 2009 Pearson Prentice Hall, Salkind.
Sử dụng SPSS để tạo mẫu ngẫu nhiên 1. Bạn phải có tập dữ liệu 2. Nhấn Data > Select Cases 3. Nhấn Random sample of Cases 4. Nhấn Sample Button 5. Xác định cở mẫu a. Nhấn Continue b. Nhấn OK (trong hộp thoại tiếp theo) © 2009 Pearson Prentice Hall, Salkind.
Chọn mẫu hệ thống 1. Jane 18. Steve 35. Fred 2. Bill 19. Sam 36. Mike 3. Harriet 20. Marvin 37. Doug 4. Leni 21. Ed. T. 38. Ed M. 1. Chia đám đông cho cở 5. Micah 22. Jerry 39. Tom 6. Sara 23. Chitra 40. Mike G. mẫu mong muốn: vd., 7. Terri 24. Clenna 41. Nathan 50/10 = 5 8. Joan 25. Misty 42. Peggy 2. Chọn điểm bắt đầu ngẫu 9. Jim 26. Cindy 43. Heather 10. Terrill 27. Sy 44. Debbie nhiên: vd., 43 = Heather 11. Susie 28. Phyllis 45. Cheryl 3. Chọn mỗi 5th từ điểm bắt 12. Nona 29. Jerry 46. Wes đầu 13. Doug 30. Harry 47. Genna 14. John S. 31. Dana 48. Ellie 15. Bruce A. 32. Bruce M. 49. Alex 16. Larry 33. Daphne 50. John D. 17. Bob 34. Phil © 2009 Pearson Prentice Hall, Salkind.
Chọn mẫu phân tầng  Mục tiêu chọn mẫu là lựa chọn một mẫu đại diện cho đám đông  Nhưng giả sử rằng  Người trong đám đông có khác nhau một cách hệ thống theo một vài tính chất/đặc điểm?  Và các tính chất/đặc điểm có liên quan đến các yếu tố đang được nghiên cứu?  Thì chọn mẫu phân tầng là một lựa chọn © 2009 Pearson Prentice Hall, Salkind.
Chọn mẫu phân tầng (STRATIFIED SAMPLING)  Các tính chất được nhận dạng (vd. Giới tính)  Các cá thể trong đám đông được liệt kê riêng theo loại của họ (vd., nữ và nam)  Đại diện theo tỷ lệ của mỗi nhóm được xác định (vd., 40% nữ & 60% nam)  Mẫu ngẫu nhiên được chọn phản ánh những tỷ lệ của đám đông (vd. 4 nữ & 6 nam) © 2009 Pearson Prentice Hall, Salkind.
Phân tầng theo nhiều tiêu chí Grade Location 1 3 5 Total 1,200 1,200 600 3,000 Rural [120] [120] [60] [300] 2,800 2,800 1,400 7,000 Urban [280] [280] [140] [700] 4,000 4,000 2,000 10,000 Total [400] [400] [200] [1000] © 2009 Pearson Prentice Hall, Salkind.
Chọn nhóm ngẫu nhiên (CLUSTER SAMPLING)  Thay vì chọn các cá nhân một cách ngẫu nhiên  Các đơn vị (các nhóm) của các cá nhân được nhận dạng  Sau đó mẫu ngẫu nhiên của các đơn vị được lựa chọn  Tất cả các cá nhân của mỗi đơn vị được chỉ định vào một trong các điều kiện nghiên cứu  Các đơn vị phải đồng nhất để tránh sự thiên lệch © 2009 Pearson Prentice Hall, Salkind.
Kỹ thuật chọn mẫu phi xác suất  Chọn mẫu thuận tiện  Dễ  Không ngẫu nhiên  Tính đại diện kém  Chọn mẫu theo chỉ tiêu  Chọn mẫu phân tầng tỷ lệ được yêu cầu nhưng không thể làm được  Các thành phần tham gia liên quan tới tính chất nghiên cứu (characteristics of interest) được lựa chọn không ngẫu nhiên cho đến khi chỉ tiêu đủ © 2009 Pearson Prentice Hall, Salkind.
Tóm tắt các kỹ thuật lấy mẫu © 2009 Pearson Prentice Hall, Salkind.
Mẫu, cở mẫu, và sai số mẫu  Sai số mẫu = sự khác nhau giữa tính chất mẫu và tính chất đám đông  Giảm sai số mẫu là mục tiêu của kỹ thuật lấy mẫu  Khi cơ mẫu tăng lên, sai số mẫu giảm © 2009 Pearson Prentice Hall, Salkind.
Bao nhiêu là lớn?  Mục tiêu là chọn mẫu đại diện —  Mẫu càng lớn thì tính đại diện càng cao  Nhưng mẫu càng lớn thì càng tốn kém  Và mẫu lớn có nghĩa là bỏ qua sức mạnh suy luận khoa học © 2009 Pearson Prentice Hall, Salkind.
Ước lượng cở mẫu  Thông thường, mẫu lớn cần khi  Sự thay đổi trong nhóm là lớn  Sự khác biệt giữa các nhóm nhỏ  Bởi vì  Khi một nhóm gồm nhiều loại khác nhau, cần nhiều điểm dữ liệu để đại diện cho nhóm  Khi sự khác nhau giữa các nhóm nhỏ, thì cần càng nhiều người tham gia để đạt khối lượng tới hạn “critical mass” để phát hiện ra sự khác biệt. © 2009 Pearson Prentice Hall, Salkind.