※ 引述《logiclife (夏天好热)》之铭言： : 第一次在统计版发问，还恳请各位统计先进解惑，谢谢! : 是这样的， : 我观察到"抽样"这件事情的严谨性， : 似乎不是每个领域都有同样程度的重视， : 除了教育类的文献比较常看到采取机率抽样外， : 大多研究都常采取方便取样，收集足够的问卷量後，就做统计分析。 : 而我一直很希望可以突破这个缺失，以便有比较好的推论性， : 可是实际情况又无法做到真正的随机取样， : 所以我想请问： : 倘若我现在要进行一项针对台湾18-25岁青年人的调查研究， : 我想先以"设籍所在区域"做分类，例如：北、中、南、东、离岛， : 然後再从每个不同的区域，邀请同样数量的自愿调查者填写问卷， : 并可能再设下如：性别、宗教信仰等资格条件， : 而邀请方式，就是透过研究公告的招募，请受测者上网填写或寄发问卷。 : 想请问，假如采取这样的做法，算是能被接受的取样方式吗?有无可以补强之处? : 我无法做到分层後的随机，各层总体人数也未知， : 有考虑丛集抽样，但问题好像也类似， : 因为透过招募来的自愿者，就不是我抽取到他/她的，(不知看得懂我的意思吗?) : 这样，是否就只能被归类成方便取样了呢? 分三个部份回覆你: 第一个部份: 抽样的确很重要,然而可能要根据你的目的和所能承担的假设而决定是否需要非常具有代表 性的样本(我在暗示之前的研究这个部份也许不一定能算缺失) 若主要研究目标是探讨关联性,那你只要做两个假设其实样本代表性也不是这麽重要: 1. 无交互作用(这个关联性在任何族群中阶一致) 2. 主要自变项与任何变项都无关(如随机分派的介入) 若无法满足第1点,族群平均效应没有意义,但分层後的效应估计仍是准确的 若无法满足第2点,但有完整控制与主要自变项和依变项同时相关的变项,估计也是准确的 上面这些你先参考一下,因为样本要具有代表性这件事情本身要付出很大的代价 第二个部份: 现在回到你所提的方法 你所提的方法即便看起来很复杂,但很遗憾的他还是方便取样,关键在这: "邀请方式，就是透过研究公告的招募，请受测者上网填写或寄发问卷。" 你如何能确保受到邀请的人与未受到邀请的人特性完全一致? 再继续,即便你有了全台湾的名册,你使用随机抽样抽取了你的邀请对象,你又能保证拒绝受 访的人与接受受访的人完全一致吗? 所以说一般研究大概都很难做到真正的随机 第三个部份: 好吧,就算你抽到对台湾有很高代表性的样本好了,按照你的抽样逻辑,你的平均效应还是有 很大的机会是不能用的 若是五个地区的关联性不一,而你的样本在这五个地区的样本数完全相同,他们直接合并会 符合台湾的人口结构吗? 显然不会,你还需要做加权处理,这时候你还需要拿到全台湾在该年龄层的人口分状况 地区别人口还不算太难,但加上性别等因素进去呢? 你看起来好像什麽都考虑到了,但能拿 到这麽细的资讯吗? 所以你的关联性在不符合第一部份中的两个假设时,平均效应还是很难是正确的 另外,平均效应的应用上其实也不是这麽好用,如果你是个观察性研究,你还要考虑到平均效 应包含了各地区别(或更细一点)他们主要自变项的变异频率可能不同,这点也会混杂在平均 效应之内 例外: 如果你今天主要的研究目标并非探讨关联性,而是做一个描述,举例来说你想要描述全台湾 的平均身高+平均体重 那样本代表性就"非常非常非常"重要 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 27.105.59.239