統計では、サンプルは集団全体を表すために使用される母集団のサブセットです。 調査を行う際には、特定の人口のすべてのメンバーを調査することはしばしば実用的ではありません。なぜなら、膨大な数の人が単純に大きすぎるからです。 母集団の特徴について推論するために、研究者はランダムなサンプルを使用することができます。
なぜ研究者はサンプルを使用するのですか？
人間の心や行動の側面を研究するとき、研究者はほとんどの場合、個々の個人からデータを収集することはできません。 代わりに、より大きなグループを表す個人のより小さなサンプルを選択します。 サンプルが問題の母集団を本当に代表している場合、研究者は結果を受け取り、大きなグループに一般化することができます。
サンプリングの種類
心理学的研究や他のタイプの社会研究では、典型的には実験者はいくつかの異なるサンプリング方法に頼っている。
1.確率サンプリング
確率サンプリングは、人口のすべての人が立っており、選択される可能性が等しいことを意味します。 確率サンプリングにはランダムな選択が含まれているため、集団の異なるサブセットが標本に表現される可能性は同じです。 これにより、確率サンプルがより代表的なものになり、研究者は結果をグループ全体に一般化することができます。
確率サンプリングにはいくつかの種類があります。
- シンプルなランダムサンプリングは、名前が示すように、確率サンプリングの最も簡単なタイプです。 研究者は、集団内のすべての個体を採取し、しばしばある種のコンピュータプログラムまたは乱数生成器を用いて無作為にそのサンプルを選択する。
- 層別ランダムサンプリングは、集団をサブグループに分け、次いで、これらのサブグループのそれぞれから単純なランダムサンプルを取ることを含む。 例えば、研究は、人口を人種、性別、または年齢に基づいてサブグループに分割し、次にこれらのグループのそれぞれについて単純なランダムサンプルを取ることができる。 層別ランダムサンプリングは、単純ランダムサンプリングよりも統計精度が高くなることが多く、特定のグループがサンプルに正確に表示されるようにします。
- クラスタサンプリングでは、母集団を地理的位置または境界に基づいてより小さいクラスタに分割することが含まれます。 これらのクラスターのランダムサンプルが選択され、クラスター内のすべてのサブジェクトが測定されます。 たとえば、あなたの州の学校の校長に関する調査をしようとしているとします。 単一の学校のすべての原則からデータを収集することは、費用がかかり、時間がかかることになります。 クラスターサンプリング法を使用して、あなたの州から5つの郡をランダムに選択し、それらの5つの郡のそれぞれの各被験者からデータを収集します。
2.非確率サンプリング
一方、確率のないサンプリングは、母集団内のすべての個体に等しい確率で選択されない方法を用いて参加者を選択することを含む。
このタイプのサンプルの1つの問題は、ボランティアが非ボランティアよりも特定の変数で異なる可能性があり、集団全体に結果を一般化することが困難になる可能性があることです。
他にもいくつかのタイプの非確率サンプリングがあります。
- 便利なサンプリングは、便利で利用可能であるため、参加者をスタディで使用することです。 あなたの大学の心理学部を通って行われた心理学の研究のためにボランティアしたことがあるなら、あなたはコンビニサンプルに頼った研究に参加しました。 ボランティアの依頼や研究者が利用できる臨床サンプルの使用に依存する研究もまた、利便性の標本の例である。
- 目的のサンプリングは、特定の基準を満たす個体を探すことを含む。 たとえば、マーケティング担当者は、18歳から35歳の間に女性の製品がどのように認識されているかを知ることに興味があるかもしれません。彼らは年齢基準を満たす女性を意図的に探してインタビューする電話調査会社を雇うかもしれません。
- クォータサンプリングには、母集団内のサブグループの特定の割合を意図的にサンプリングすることが含まれます。 例えば、政治調査員は、特定の政治問題に関する人口の意見を調べることに興味があるかもしれない。 それらが単純なランダムサンプリングを使用する場合、偶然、人口の特定のサブセットを見逃す可能性があります。 代わりに、サンプルの一定割合にこれらのサブグループが含まれていなければならないという基準を設定します。 得られたサンプルは実際に集団に存在する実際の割合を代表するものではないかもしれないが、クォータを持つことで、これらのより小さいサブグループが確実に表される。
確率サンプルと非確率サンプルが異なる方法のいくつかについて詳しく学んでください。
サンプリングエラー
サンプリングは当然、人口のすべての個人を含むことはできないため、エラーが発生する可能性があります。 母集団に存在するものと試料中に存在するものとの違いは、 サンプリング誤差と呼ばれます。
人口と標本との違いがどれほど大きいか正確に知ることは不可能ですが、研究者はサンプリング誤差の大きさを統計的に推定することができます。 たとえば、政治調査では、特定の信頼水準で表現されたエラーのマージンをよく聞くことがあります。
一般に、サンプルサイズが大きいほど誤差のレベルは小さくなります。 これは単純に、サンプルが総人口のサイズに近づくにつれて、その人口のすべての特性を正確に捕捉する可能性が高くなるからです。 サンプリングエラーを完全に排除する唯一の方法は、全人口からデータを収集することです。これは、費用がかかり過ぎて時間がかかることがよくあります。 ただし、ランダム化された確率テストと大きなサンプルサイズを使用することで、サンプリングエラーを最小限に抑えることができます。
参考文献：
Goodwin、CJ（2010）。 心理学における研究：方法とデザイン。 Hoboken、NJ：John Wiley and Sons。
Nicholas、L。（2008）。 心理学入門。 UCT Press：ケープタウン。