حجم نمونه نگرش‌سنجی مدل ۳۴۰۰۰؛ فراتر از جدول مورگان

حجم نمونه نگرش‌سنجی مدل ۳۴۰۰۰ فقط یک عدد نیست؛ بخشی از طراحی پیمایش است. اگر تعداد کافی پاسخ را از افراد در دسترس جمع کنیم، الزاماً نمونه‌ای نماینده سازمان نساخته‌ایم. بزرگی نمونه می‌تواند بخشی از عدم قطعیت تصادفی را کاهش دهد، اما خطای انتخاب و پوشش را خودکار اصلاح نمی‌کند.

راهنمای مدل چه می‌گوید و طراحی آماری چه می‌خواهد؟

راهنمای رسمی نگرش‌سنجی منتشرشده در سال ۱۴۰۰ به جدول مورگان و پیش‌بینی تعداد بیشتری پرسشنامه برای جبران بازنگشتن پاسخ‌ها اشاره می‌کند. منبع: راهنمای رسمی همان سال.

برای کاربرد رسمی، ضابطه معتبر همان دوره باید روشن باشد. در کنار آن، طراحی علمی باید جامعه، هدف برآورد، روش انتخاب و عدم پاسخ را نیز بررسی کند. محاسبات این مقاله، مثال آموزشی‌اند و حدنصاب اختصاصی جایزه محسوب نمی‌شوند.

پنج اصطلاحی که نباید با هم مخلوط شوند

ممکن است یک پاسخ برای تحلیل بخشی از پرسشنامه قابل استفاده باشد، اما برای بخش دیگری داده کافی نداشته باشد. بنابراین، یک عدد ثابت با عنوان «تعداد نمونه نهایی» نباید مخرج همه جدول‌ها شود.

جدول مورگان چه مسئله‌ای را حل نمی‌کند؟

جدول مشهور کرجسی و مورگان (Krejcie and Morgan) برای تعیین تعداد نمونه در شرایط و فرض‌های مشخص به کار می‌رود. استفاده از جدول به‌تنهایی روش انتخاب افراد، احتمال مشارکت، کفایت داده برای زیرگروه‌ها یا کیفیت پاسخ‌ها را مشخص نمی‌کند. منبع اصلی جدول.

هشدارجمع‌کردن پاسخ تا رسیدن به عدد جدول، از طریق انتخاب افراد در دسترس یا معرفی مدیران، نمونه‌گیری تصادفی ایجاد نمی‌کند. اگر روش انتخاب احتمالی نبوده است، نباید حاشیه خطای نمونه تصادفی را بدون مدل و توجیه مناسب به گزارش نسبت داد.

استاندارد افشای روش AAPOR نیز میان نمونه‌های احتمالی و غیراحتمالی تفاوت می‌گذارد و گزارش دقت را وابسته به طراحی و فرض‌ها می‌داند. منبع: استاندارد شفافیت روش پیمایش.

یک مثال عددی؛ با فرض‌های کاملاً مشخص

فرض کنید جامعه ۵۰۰ نفر است و هدف، برآورد یک نسبت در کل جامعه با نمونه‌گیری تصادفی ساده بدون جایگذاری باشد. برای سطح اطمینان اسمی ۹۵ درصد، حاشیه خطای هدف ۵ واحد درصد و نسبت اولیه ۰٫۵، می‌توان از رابطه تقریبی زیر با اصلاح جامعه محدود استفاده کرد:

n = [N × z² × p × (1 − p)] / [(N − 1) × d² + z² × p × (1 − p)]

• N: تعداد افراد جامعه؛ در مثال، ۵۰۰ نفر.
• z: مقدار متناظر با سطح اطمینان؛ در این مثال، ۱٫۹۶.
• p: نسبت اولیه؛ در نبود برآورد مناسب، ۰٫۵ انتخاب محافظه‌کارانه‌ای برای این محاسبه است.
• d: حاشیه خطای هدف برای نسبت؛ در مثال، ۰٫۰۵.

نتیجه محاسبه حدود ۲۱۷٫۴۹ است که با گردکردن رو به بالا، ۲۱۸ پاسخ می‌شود. این رابطه در آموزش نمونه‌گیری دانشگاه ایالتی پنسیلوانیا نیز توضیح داده شده است. منبع: حجم نمونه برای برآورد نسبت.

مثالعدد ۲۱۸، پاسخ عمومی برای هر پیمایش ۵۰۰‌نفره نیست. این محاسبه برای برآورد یک نسبت و با فرض‌های مشخص است؛ تضمین دقت میانگین همه مقیاس‌ها، مقایسه واحدها یا کفایت تحلیل عاملی نیست. عدم پاسخ نیز می‌تواند فرض نمایندگی را آسیب‌پذیر کند.

چند نفر را دعوت کنیم؟

اگر هدف آموزشی مثال، دریافت ۲۱۸ پاسخ قابل استفاده باشد و برآورد اولیه مشارکت قابل استفاده ۷۰ درصد در نظر گرفته شود، تقسیم ۲۱۸ بر ۰٫۷ حدود ۳۱۱٫۴۳ می‌شود؛ بنابراین برای برنامه‌ریزی، دست‌کم ۳۱۲ دعوت در نظر گرفته می‌شود.

این محاسبه پیش‌بینی اجرایی است، نه تضمین. اگر مشارکت میان گروه‌ها متفاوت باشد یا پاسخ‌ندادن با نگرش کارکنان ارتباط داشته باشد، افزایش تعداد دعوت به‌تنهایی مشکل را حل نمی‌کند. فرض مشارکت باید با تجربه معتبر یا اجرای آزمایشی پشتیبانی و در طول کار بازنگری شود.

نمونه یا فهرست ذخیره را طبق طرح انتخاب کنید؛ جایگزینی سلیقه‌ای افراد پاسخ‌نداده با همکاران در دسترس، طراحی را تغییر می‌دهد. اگر از همه جامعه دعوت شود، روش دعوت و عدم پاسخ را همان‌طور که رخ داده گزارش کنید.

وقتی گروه‌ها متفاوت‌اند، نمونه‌گیری طبقه‌ای را بررسی کنید

اگر تجربه کارکنان به محل خدمت، نوع نقش یا شیفت وابسته باشد، نمونه‌گیری طبقه‌ای (Stratified Sampling) می‌تواند برای تضمین حضور طراحی‌شده گروه‌ها مناسب باشد. طبقه‌ها باید پیش از انتخاب تعریف شوند و انتخاب درون هر طبقه نیز مطابق طرح انجام شود.

در یک مثال فرضی، جامعه ۵۰۰‌نفره از سه گروه با اندازه‌های ۳۰۰، ۱۵۰ و ۵۰ تشکیل شده است. تخصیص تقریباً متناسبِ نمونه ۲۱۸‌نفره می‌تواند به شکل زیر باشد:

این فقط نمونه‌ای از تخصیص است؛ محاسبه دقت در طرح طبقه‌ای باید با همان طراحی انجام شود. اگر هدف، گزارش دقیق برای گروه کوچک باشد، تخصیص متناسب ممکن است کافی نباشد و به طراحی متفاوت نیاز باشد. در تخصیص نامتناسب نیز برآورد کل سازمان معمولاً به وزن‌های مناسب نیاز دارد.

نمونه کافی برای کل، الزاماً برای زیرگروه کافی نیست

پیش از اجرا، فهرست مقایسه‌های ضروری را بنویسید. اگر قرار است ده واحد با هم مقایسه شوند، تقسیم یک نمونه کل میان آن‌ها ممکن است داده اندکی برای هر واحد باقی بگذارد. حجم نمونه برای میانگین، تفاوت گروه‌ها یا رابطه میان متغیرها، ورودی‌های متفاوتی مانند پراکندگی، اندازه تفاوت مورد نظر و توان آماری می‌خواهد.

اگر کارکنان به‌صورت خوشه‌ای، مثلاً از چند شعبه منتخب، وارد پیمایش می‌شوند، وابستگی پاسخ‌ها درون شعبه باید در طراحی و تحلیل دیده شود. نباید بدون بررسی، همان دقت نمونه تصادفی ساده را فرض کرد.

نکته«چه گزارشی باید بدهیم؟» را پیش از «چند پاسخ لازم داریم؟» روشن کنید. گزارش کل سازمان، مقایسه گروه‌ها و اعتبارسنجی ابزار، سه هدف متفاوت‌اند و لزوماً یک پاسخ برای حجم نمونه ندارند.

سرشماری چه زمانی مناسب است؟

در جامعه کوچک یا وقتی دسترسی و ظرفیت اجرا فراهم است، دعوت از همه افراد می‌تواند انتخاب عملی مناسبی باشد. بااین‌حال، دعوت عمومی با دریافت پاسخ کامل از همه یکسان نیست. اگر فقط بخشی پاسخ دهند، همچنان باید ترکیب مشارکت و محدودیت تعمیم بررسی شود.

حتی دریافت پاسخ از همه نیز خطای فهم سؤال، پاسخ تحت فشار یا خطای پردازش را حذف نمی‌کند. سرشماری و نمونه‌گیری را فقط با تعداد مقایسه نکنید؛ هزینه، بار پاسخ‌گویی، محرمانگی و هدف تصمیم نیز مهم‌اند.

تجربه خانه منابع انسانی

تجربهپیشنهاد مشاوره‌ای خانه منابع انسانی این است که کنار عدد نمونه، نقشه حضور گروه‌های مهم نیز دیده شود. مثال زیر فرضی است و گزارش پروژه واقعی نیست.

در یک سازمان، تعداد پاسخ‌ها از هدف اولیه بیشتر شده است، اما بیشتر پاسخ‌دهندگان از دفتر مرکزی‌اند؛ کارکنان چند محل خدمت دسترسی مناسبی به فرم ندارند. اعلام کفایت نمونه فقط بر اساس تعداد، تجربه این گروه‌ها را کم‌رنگ می‌کند.

راهکار پیشنهادی، بررسی مانع دسترسی، اصلاح برنامه اجرا و ادامه دعوت مطابق طرح است؛ نه تشویق مدیران برای معرفی چند پاسخ‌دهنده دلخواه. اگر پوشش قابل اصلاح نباشد، محدودیت گزارش باید صریح باشد و نتیجه با ادعای نمایندگی کامل منتشر نشود.