抽样设计.pptVIP

抽樣設計 * 判斷抽樣(意志抽樣，purposive sampling) 方法 根據研究人員主觀設定某些標準的抽樣法。 特性 適用於探索性研究之初期訊息取得 案例，到男性化妝品專櫃前發問卷... 抽樣設計 * 配額抽樣 方法 研究人員遵照某些既定的標準來抽樣。 用以分配的屬性須符合兩點要求 可用來推估母體分配 與研究主題有直接關聯 適用環境 民意調查，行銷研究…等 抽樣設計 * 滾雪球抽樣 方法 先找幾個初始樣本當抽樣的種子，再以這些樣本外推至相關樣本單位。 適用環境 研究對象不易辨識但可循特定網路尋找時適用。 (吸毒文化,幫派活動…) 抽樣設計 * 抽樣方法之選擇準則 成本 時間 母體特性資訊 研究目的 抽樣設計 * 抽樣常見之問題1 樣本框架之定義、選擇 台灣大學是第一流的學府?—樣本框架為台灣之大學 or 亞洲 or 全世界 樣本代表性 抽樣設計 * 抽樣常見之問題2 預試樣本大小 問卷中包括最多題項之「分量表」的3~5倍人數為原則。 若量表的題項數少於40題，中等的樣本數約是150位，較佳的樣本數則是200位。(Comrey，1988) 抽樣設計 * 抽樣常見之問題3 樣本大小1 樣本數100至200左右，衡量的精確性可大幅提高(Flower，1984) 以地區性的人為對象，樣本數約500~1000左右 描述性研究，樣本數至少佔母群體的10%，若母群體較小則最小樣本數最好為母群體的20%。(Gay，1992) 相關性研究，樣本至少須在30人以上。 (Gay，1992) 因果比較研究與許多實驗研究各組的人數至少要有30位。 (Gay，1992) 抽樣設計 * 抽樣常見之問題4 樣本大小2 進行因素分析時 樣本最好應有100個或以上的觀察值，通常不要少於50個觀察值。 一般原則是要求樣本數目至少要有變數個數的五倍，能有一比十的比例是較可被接受的，有些研究甚至建議觀察值個數為變數個數的二十倍。 若樣本數在300人以上時，上述之比例則不是那麼重要。 抽樣設計 * 樣本大小之考量 研究的特殊性 研究的類型 研究假設(例如，誤差愈小，樣本須愈大) 經費來源，可用人力的限制 研究結果的重要性 研究變數的個數 資料收集的樣本異質性 研究要的正確性/精確度 母群體的大小 抽樣設計 * 抽樣設計概論 抽樣(sampling)的本質 自母群體中選取部分元素為樣本,以得知母群體的特徵. 優點 較高的研究品質(避免極端值影響平均水準,較佳之監督與處理過程) 省時 破壞性實驗不適合進行全測 優良樣本的特性 正確性(accuracy)(μ= μ0) 精準性(precision)(σ→0) 抽樣設計 * 抽樣程序 1.選定母群體 4.選擇抽樣單位 3.選擇抽樣方法 2.選擇抽樣架構(名冊) 5.界定誤差範圍 6.決定樣本大小 抽樣設計 * 問題討論1 主題：數位課程之行銷策略 預測對象?世新資管大學部學生 問卷發放對象?世新、政大、台北三所大學… 問題 研究母體？ 樣本框架？ 抽樣方法？ 抽樣設計 * 問題討論2 ERP導入關鍵成功因素 母體選擇 產業類型―製造業、服務業… 產業別―電子業、紡織業… 樣本框架―前五百大、工會名冊… MOD消費者行為分析 抽樣單位―個人、家庭…？「所得」的差異… 抽樣設計 * 問題討論3 B2B交易平台之CRM績效影響因素―以＊＊社群為例 母體選擇 一般業者 B2B平台使用者 網路社群... 樣本框架 抽樣方法 抽樣設計 * 抽樣設計的類型 機率抽樣 簡單隨機抽樣(simple random sampling) 系統抽樣(systematic sampling) 分層抽樣(stratifies sampling) 集群抽樣cluster sampling) 雙重抽樣(double sampling) 非機率抽樣 便利抽樣(convenience sampling) 判斷抽樣(judgment sampling) 配額抽樣(quota sampling) 滾雪球抽樣(snowball sampling) 抽樣設計 * 簡單隨機抽樣 適用環境 母體中每一元素都有已知非零的選擇機率 母體每一元素被選擇機會皆已知且相等 構成群體的個體均屬於同質時使用較佳 抽樣設計 * 問題 根據修課名單隨機抽30位同學測驗 有些同學很少來上課…？ 每天上午8:10~5:00在校園中隨機抽訪 產碩與碩專的同學樣本偏少… ？ 在山洞口發問卷 傳播學院與管理學院的學生樣本數偏少… ？ 抽樣設計 * 中央極限定理(central limit theorem) 不論母體本身是否為常態分配，只要每次抽樣的樣本數夠大(樣本數達30以上) ，則「平均數抽樣分配」本身仍具有常態分配的特性。 抽樣設計 * 簡單隨機抽樣中樣本數之決定1 z=期望信賴水