amostragem máxima de variações para inquéritos e grupos de consenso

Qual é a amostragem máxima de variações?

em vez de procurar a representatividade através de probabilidades iguais, a amostragem de variações máximas procura-a através da inclusão de uma vasta gama de extremos. O princípio é que, se você deliberadamente tentar entrevistar um tipo muito diferente de seleção de pessoas, do seu agregado respostas pode estar perto de toda a população. O método soa estranho, mas funciona bem em locais onde uma amostra aleatória não pode ser desenhado. Trata – se de uma extensão do princípio estatístico da regressão à média-por outras palavras, se um grupo de pessoas For extremo de várias maneiras diferentes, conterá pessoas que são médias de outras maneiras. Então, se você buscasse uma amostra de “variação mínima” apenas tentando cobrir os tipos de pessoas que você pensou que eram médias, você provavelmente perderia um número de diferentes grupos que compõem uma grande proporção da população. Mas ao procurar a variação máxima, as pessoas médias são automaticamente incluídas.

uma amostra de variação máxima (às vezes chamada de amostra de diversidade máxima ou amostra de heterogeneidade máxima) é um tipo especial de amostra purposiva. Normalmente, uma amostra purposiva não é representativa, e não afirma ser. No entanto, uma amostra de variação máxima, se cuidadosamente seleccionada, pode ser tão representativa como uma amostra aleatória. Apesar do que muitas pessoas (com pouco conhecimento de estatísticas) acreditam, uma amostra aleatória não é necessariamente a mais representativa, especialmente quando o tamanho da amostra é pequeno.quando se deve utilizar a amostragem de variação máxima, há duas ocasiões principais para se utilizar a amostragem de variação máxima: quando a dimensão da amostra é muito pequena, ou quando não está disponível informação sobre a população (e não é difícil encontrar membros da população com as características seleccionadas),

2.1. Amostragem de variação máxima para pequenas dimensões da amostra

por “pequenas”, isto é, menos de 30. (“Cerca de 30” significa qualquer coisa de cerca de 20 para cerca de 50 – não há nenhuma mudança súbita à medida que o tamanho da amostra aumenta.) Independentemente do número real, a amostragem aleatória não funciona bem para essas pequenas amostras: há uma grande chance de obter uma amostra que não é representativa, mesmo que tenha sido escolhida aleatoriamente. Quando a amostra é tão pequena como 3 (para um conjunto de grupos consensuais), a amostragem aleatória é demasiado perigosa. Em vez disso, você poderia usar a amostragem de quotas ou a amostragem de variação máxima. Se tiver dados suficientes sobre a população, a amostragem das quotas é boa. Por exemplo, se você está amostrando 20 pessoas da população de uma cidade, uma forma simples de amostragem de quotas é escolher 10 homens e 10 mulheres. Mas a amostragem de quotas – a partir de dados de população publicados ou adivinhados-nem sempre é relevante. É quando a amostragem de variação máxima é mais útil. Por exemplo, quando você está escolhendo uma amostra para um conjunto de grupos de consenso, você normalmente leva três tipos de pessoas que serão tão diferentes quanto possível sobre o assunto que está sendo pesquisado.

2, 2. Amostragem de variação máxima na ausência de dados da população

embora a amostragem aleatória seja considerada o método de amostragem ideal, por vezes não é possível colher uma amostra aleatória. Em alguns países, as informações do Censo ou não estão disponíveis, ou estão tantos anos desactualizados que são inúteis. Mesmo quando existem dados de recenseamento recentes e pormenorizados, pode não haver mapas que mostrem os limites das áreas a que os dados se aplicam. E mesmo quando existem bons dados de censo e mapas relacionados, pode não haver quadros de amostragem.a boa notícia (do ponto de vista da amostragem) é que estas condições geralmente se aplicam em países muito pobres e subdesenvolvidos com grandes populações rurais. Pela minha experiência, não há uma grande variedade de variações nestas populações. Quanto mais desenvolvido for um país, mais diferenças existem entre os seus cidadãos. Portanto, ONDE a amostragem aleatória não é possível, talvez não seja tão necessário. Mas nos países pobres onde os quadros de amostra não existem, a amostragem de variação máxima pode ser muito eficaz, usando o método de várias etapas explicado abaixo.

Qual é o melhor tamanho da amostra para a amostra de variação máxima?

para uma amostra de um único estágio, ou no nível de base da amostragem, é melhor limitar uma amostra de variação máxima a não mais de 50 unidades. Acima desse número, os entrevistadores ficam confusos, e outros métodos, como amostragem de quotas e amostragem radial, são mais simples, e muitas vezes mais abrangente. Ao combinar essas sub-amostras de 50 ou menos em uma amostra de vários estágios, a amostra total pode ser de milhares de pessoas – mas por causa do esforço adicional envolvido, você não faria isso a menos que não houvesse alternativa. O maior que eu tentei foi cerca de 200, em grupos de 12-mas uma amostra de quota (por exemplo, grupo de idade por sexo por tipo de ocupação) pode ter sido como Representante, e teria precisado de muito menos supervisão dos entrevistadores.

como selecionar uma amostra de variação máxima

com amostragem de variação máxima, você tenta incluir todos os extremos na população. Por exemplo, em uma pequena aldeia, para uma pesquisa de audiência de rádio, você poderia pedir uma entrevista…

• a pessoa mais idosa da aldeia, que ouve rádio
• mais antigas que não escuta a rádio
• o mais jovem que escuta o rádio
• uma pessoa que ouve rádio todos os dias
• uma pessoa que muitas vezes fala sobre programas de rádio que ele ou ela tem ouvido
• uma pessoa que ouve rádio no meio da noite
• uma pessoa que nunca ouviu rádio na sua vida
• a pessoa com mais rádios (um reparador, talvez)
• a pessoa com a maior aérea
• uma pessoa que é pensado para ser completamente média em todas as formas

uma pessoa que passa muito tempo na rua e em locais públicos uma pessoa que trabalha quase todo o tempo …e assim por diante, mudando “pessoa” para “homem” ou “mulher” alternadamente, para garantir a igual representação de ambos os sexos. Claro que isso só funciona quando essa informação sobre outras pessoas é amplamente conhecida. A lista acima de pessoas poderia ser produzida em uma aldeia, onde muitas pessoas conhecem muitos outros, mas seria muito mais difícil em uma grande cidade.muitas vezes é útil ter uma sessão preliminar de brainstorming com um grupo inicial de informantes locais (que não devem ser respondentes). Apresente uma lista inicial de tipos pessoais para eles, semelhante ao acima, mas adequadamente modificado para o propósito de seu estudo. Peça-lhes para inventarem mais tipos de pessoas, e para lhe dizer se alguns dos tipos que inventou não fazem sentido nessa área. Mas a menos que comece com um exemplo, descobri que as pessoas têm dificuldade em entender o que está a pedir.

um problema com o desenho de uma amostra como acima é os informadores que você usa para identificar as pessoas com essas características. É tentador – porque é fácil-ir ao escritório do governo local e pedir aos funcionários para nomear pessoas desse tipo. Você pode obter uma lista deles rapidamente, mas de uma maneira importante não haverá variação máxima: os entrevistados sugeridos serão todos conhecidos pelos funcionários do governo local.

sua rede pode ser moldada mais amplamente por amostragem sequencial( amostragem de bola de neve), obtendo apenas alguns entrevistados sugeridos de cada fonte. Por outras palavras, o informante a sugere os inquiridos B E C da sua lista de características, b sugere D E E, C sugere F E G – e assim por diante. Dado o princípio de “seis graus de separação”, e o fato de que os entrevistados não estão sendo convidados a sugerir seus amigos, mas pessoas com características específicas, o método de variação máxima deve dar a maioria das pessoas na área de pesquisa uma chance de ser incluído na amostra.notou a falha nesse argumento? O problema é que quanto mais pessoas um potencial respondente é conhecido, mais provável é que a pessoa seja selecionada para a pesquisa. Portanto, a lista de tipos pessoais precisa incluir explicitamente pessoas socialmente isoladas, adicionando critérios como…um homem mais velho que tem muito poucas visitas um homem mais jovem que não fala muito uma mulher mais velha que vive sozinha e não tem familiares próximos uma mulher jovem que não é casada e quase nunca sai de casa…e assim por diante-variando as descrições acima para se adequar à cultura. (Em algumas partes do mundo você nunca encontrará uma mulher vivendo sozinha.) Onde há segregação ao longo de linhas religiosas, linguísticas ou tribais, você precisará começar linhas separadas de indagação em cada um desses grupos culturais.se você pedir um determinado tipo de pessoa, e o informante não puder nomear alguém exatamente como isso, não há problema em aceitar uma aproximação, com base em algum outro critério que pareça relevante. Isso pode introduzir outras dimensões de diversidade que você não pensou inicialmente.

selecionando as dimensões da variação

no exemplo acima, os 12 tipos diferentes de ouvinte de rádio (mais outros 4 tipos de isolados sociais) foram encontrados através da imaginação das circunstâncias sociais que podem afetar a escuta de rádio. A lista não foi exaustiva ou sistemática, mas se você quiser ter certeza de que nenhum grupo de pessoas foi omitido, você pode usar a análise dimensional para criar uma lista mais abrangente. É feito assim…

Passo 1 é decidir qual o tamanho da amostra que deseja. Por exemplo, digamos que são 20. Isto determina o número de dimensões: 20 é 2 para o poder de quê? A resposta mais próxima é 4, Porque 2 x 2 x 2 x 2 x 2 = 16. Então você pode usar 4 dimensões para obter 16 casos, em seguida, adicionar mais alguns fatores, como pessoas socialmente isoladas. (Para uma amostra de 32, utilizar 5 dimensões e para 64 utilizar 6. Acima de 100 ou mais, a amostragem de quotas geralmente funciona melhor.)

Passo 2 é decidir sobre essas dimensões. Pense em algumas características das pessoas que (a) diferem muito entre as pessoas em relação ao assunto que você está pesquisando, e (B) são conhecidos por uma ampla gama de outras pessoas. Por exemplo, se o assunto é quanto tempo as pessoas passam ouvindo rádio, pode não ser útil escolher o gênero como uma dimensão, porque na maioria dos países homens e mulheres gastam cerca de tempo igual ouvindo rádio. No entanto, se as pessoas têm ou não um rádio em casa faz uma grande diferença para o seu tempo de escuta. Outros fatores visíveis que afetam a escuta de rádio São se as pessoas têm TV em casa, e quanto tempo as pessoas passam longe de casa, em lugares sem rádio. Outro fator é o quanto eles gostam de ouvir os programas locais, mas isso não é facilmente observável, então você pode precisar usar uma variável proxy, como quantas vezes eles dizem que falam sobre programas de rádio. Agora temos as 4 variáveis, cada uma com duas respostas extremas. Dar a cada resposta possível um código de letra, a partir de a, como este…

• Ter um rádio em casa: sim () ou não (B)
• Ter TV em casa: sim (C) ou não (D)
• Ficar em casa a maior parte do tempo (E) ou fora de casa a maior parte do tempo (F)
• Como muitas vezes eles falam aos outros sobre programas de rádio: “a maioria dos dias “(G) ou” quase nunca ” (h)

tomando cada uma das 4 variáveis Por sua vez, existem 16 categorias possíveis (2 x 2 x 2 x 2 x 2). Estas são
ACEG, ACEH, ACFG, ACFH
BCEG, BCEH, BCFG, BCFH
ADEG, ADEH, ADFG, ADFH
BDEG, BDEH, BDFG, BDFH

Por exemplo, BDGH = alguém que não tem rádio em casa, sem TV em casa, é fora de casa a maior parte do tempo, e quase nunca fala sobre o rádio. Passo 3. Tudo que você tem que fazer agora é encontrar alguém que corresponda a essa descrição – e repetir essa tarefa para os 15 outros tipos de pessoas. E se não conseguires encontrar pessoas que conheçam algumas dessas descrições? Isso pode acontecer – por exemplo, pode ser difícil encontrar alguém que fica em casa A maior parte do tempo, e não tem rádio em casa, mas fala muito sobre isso. Neste caso, você vai acabar com mais de uma pessoa em algumas das 16 categorias. Nenhum grande problema: apenas certifique-se de que as pessoas na mesma categoria são muito diferentes de alguma outra forma que parece relevante para o seu estudo. Passo 4. Finalmente, não se esqueça de adicionar as 4 pessoas que raramente se comunicam com os outros. Isso leva a tua amostra a 20. Queres mais de 20? Basta adicionar mais algumas pessoas, desde que sejam o mais diferentes possível um do outro de alguma forma relevante. embora este método sistemático de selecção dos inquiridos seja mais fácil quando os entrevistadores se deslocam, não descobri que produza uma amostra mais diversificada do que o método mais Aleatório descrito na secção 4.

amostragem de variação máxima em várias fases

quando se selecciona uma amostra em várias fases, a primeira fase pode ser a de desenhar uma amostra de distritos em todo o país. Se este número for inferior a 30, é provável que a amostra não seja representativa de alguma forma. Duas soluções para isso são estratificação e amostragem de variação máxima. Para ambos, é necessário algum conhecimento local.

Quando você está pesquisando uma grande área geográfica, uma amostra de variação máxima pode ser desenhada em várias fases. A primeira fase é decidir quais as partes da área da população que serão inquiridas. Por exemplo, se uma pesquisa é para representar uma província inteira, e não é viável para examinar cada parte da Província, você deve decidir quais partes da província (vamos chamá-los de condados) serão incluídos. Selecioná-los é feito assim…

6. 1. Fase 1

1. Pense em todas as maneiras em que os condados podem diferir da província como um todo – especialmente maneiras que estão relacionadas com o assunto da pesquisa. Se uma pesquisa é sobre Rádio FM, e algumas áreas são montanhosas, a recepção pode ser mais pobre lá. Se a pesquisa é sobre malária, e alguns condados têm grandes pântanos com muitos mosquitos, incluem um desses condados e um que é o oposto. Se o tema está relacionado com os níveis de riqueza ou educação (como muitos tópicos de pesquisa são), descubra quais condados têm as pessoas mais ricas e mais instruídas, e quais têm as mais pobres e menos educadas. Tente pensar em 5 a 10 fatores que são relevantes para o estudo.2. Em seguida, tente reunir dados objetivos sobre esses fatores. Caso contrário, tente encontrar especialistas sobre os temas, ou pessoas que tenham viajado por toda a província. Usando esta informação, para cada fator fazer uma lista dos condados que têm um alto nível do fator (por exemplo, montes de montanhas, lotes de pântanos, ou ricos) e condados que têm um baixo nível do fator (por exemplo, todos os planos, sem pântanos, ou pobres).3. Os condados mencionados mais frequentemente nestas listas de extremos devem ser incluídos no inquérito. Marque estes condados em um mapa da província. Foi omitida alguma área grande e bem povoada? Em caso afirmativo, acrescente outro condado, que é o mais longe possível de todos os outros mencionados.

6, 2. Fase 2

quando os condados (ou quaisquer que sejam as áreas chamadas) foram escolhidos, a próxima fase é descobrir onde em cada condado o aglomerado deve ser escolhido. Continuar o princípio da variação máxima usando o mesmo princípio dentro de cada condado selecionado. Se um condado foi escolhido por sua banha e flatness, escolha a área mais plana e pantanosa do país. Se foi escolhido por suas montanhas e riqueza, escolha uma área montanhosa Rica. Para saber onde estão essas áreas, você pode precisar viajar para cada condado e falar com especialistas locais.

6. 3. Fase 3

quando tiver escolhido as cidades e localidades rurais, pode continuar a utilizar a amostragem de variação máxima, ou pode escolher outro método, como amostragem de quotas, listagem de blocos a partir de fotografias aéreas ou amostragem radial. Se utilizar a amostragem de variação máxima para a fase final, irá normalmente escolher um certo número de aglomerados (ruas ou bairros), escolhendo em seguida os inquiridos em cada aglomerado utilizando os princípios explicados nas secções 4 ou 5.

Gostaria de ler mais sobre a amostragem de variação máxima? Desculpa, mas não podes! Esta página não é muito detalhada, mas mesmo assim, parece ser a explicação mais detalhada da amostragem de variação máxima já escrita. O próximo mais detalhado (e mais amplamente citado) parece estar no livro de Michael Quinn Patton Qualitative Research and Evaluation Methods, nas páginas 234-235 da edição de 2001 (menos de uma página no total). Além disso, esta página centra-se na amostragem máxima de variações para inquéritos. A sua utilização para investigação qualitativa, tais como entrevistas aprofundadas e estudos de casos, exigiria ligeiras variações. Vou escrever uma página separada sobre isso, quando for necessário.

sugeriu citação para esta página:
List, Dennis (2004). Amostragem máxima de variações para inquéritos e grupos de consenso. Adelaide: Diálogo De Audiência. Disponível em www.audiencedialogue.org/maxvar.html, 12 September 2004.outros princípios de amostragem acima mencionados (amostragem aleatória, amostragem de quotas, amostragem estratificada e amostragem de bolas de neve) estão descritos no Capítulo 2 do Know Your Audience.