Probenarten und Fehler in der Forschung

In der Statistik ist eine Stichprobe eine Teilmenge einer Grundgesamtheit, die verwendet wird, um die gesamte Gruppe als Ganzes darzustellen. In der Forschung ist es oft unpraktisch, jedes Mitglied einer bestimmten Bevölkerung zu befragen, weil die Zahl der Menschen einfach zu groß ist. Um Rückschlüsse auf die Merkmale einer Population zu ziehen, können Forscher eine Zufallsstichprobe verwenden.

Warum verwenden Forscher Stichproben?

Bei der Erforschung eines Aspekts des menschlichen Geistes oder Verhaltens können Forscher in den meisten Fällen einfach nicht Daten von jedem einzelnen Individuum sammeln. Stattdessen wählen sie eine kleinere Stichprobe von Personen, die die größere Gruppe repräsentieren. Wenn die Stichprobe wirklich repräsentativ für die fragliche Bevölkerung ist, können die Forscher ihre Ergebnisse dann auf die größere Gruppe verallgemeinern.

Arten der Probenahme

In der psychologischen Forschung und anderen Arten der Sozialforschung verlassen sich Experimentatoren typischerweise auf einige unterschiedliche Stichprobenverfahren.

1. Wahrscheinlichkeitsstichprobe

Die Wahrscheinlichkeitsstichprobe bedeutet, dass jedes Individuum in einer Population eine Chance hat, ausgewählt zu werden. Da die Wahrscheinlichkeitsstichprobe eine Zufallsauswahl beinhaltet, stellt sie sicher, dass jede Teilmenge der Grundgesamtheit die gleiche Chance hat, in der Stichprobe vertreten zu sein. Dadurch werden Wahrscheinlichkeitsstichproben repräsentativer und Forscher können ihre Ergebnisse besser auf die Gruppe als Ganzes verallgemeinern.

Es gibt verschiedene Arten von Wahrscheinlichkeitsstichproben:

• Einfache Zufallsstichprobe ist, wie der Name schon sagt, die einfachste Art der Wahrscheinlichkeitsstichprobe. Forscher nehmen jedes Individuum in einer Population und wählen ihre Stichprobe nach dem Zufallsprinzip aus, oft unter Verwendung eines Computerprogramms oder eines Zufallszahlengenerators.
• Geschichtete Zufallsstichprobe beinhaltet die Aufteilung der Grundgesamtheit in Untergruppen und die anschließende Entnahme einer einfachen Zufallsstichprobe aus jeder dieser Untergruppen. Beispielsweise könnte die Forschung die Bevölkerung nach Rasse, Geschlecht oder Alter in Untergruppen aufteilen und dann aus jeder dieser Gruppen eine einfache Zufallsstichprobe ziehen. Die geschichtete Zufallsstichprobe bietet häufig eine höhere statistische Genauigkeit als die einfache Zufallsstichprobe und trägt dazu bei, dass bestimmte Gruppen in der Stichprobe genau vertreten sind.
• Cluster-Sampling beinhaltet die Aufteilung einer Population in kleinere Cluster, oft basierend auf geographischer Lage oder Grenzen. Aus diesen Clustern wird dann eine Zufallsstichprobe ausgewählt und alle Probanden innerhalb des Clusters gemessen. Stellen Sie sich zum Beispiel vor, Sie möchten eine Studie über Schulleiter in Ihrem Bundesland durchführen. Die Erhebung von Daten von jedem einzelnen Schulleiter wäre kosten- und zeitaufwändig. Mit einer Cluster-Stichprobenmethode wählen Sie nach dem Zufallsprinzip fünf Landkreise aus Ihrem Bundesstaat aus und sammeln dann Daten von jedem Thema in jedem dieser fünf Landkreise.

2. Nicht-Wahrscheinlichkeits-Probenahme

Bei der Nichtwahrscheinlichkeitsstichprobe hingegen werden Teilnehmer mit Methoden ausgewählt, die nicht jeder Teilmenge einer Population die gleiche Chance geben, vertreten zu sein. Beispielsweise kann eine Studie Teilnehmer aus Freiwilligen rekrutieren. Ein Problem bei dieser Art von Stichprobe besteht darin, dass sich Freiwillige in bestimmten Variablen von Nicht-Freiwilligen unterscheiden können, was eine Verallgemeinerung der Ergebnisse auf die gesamte Bevölkerung erschweren könnte.

Es gibt auch ein paar verschiedene Arten von Nicht-Wahrscheinlichkeits-Stichproben:

• Convenience-Sampling beinhaltet die Verwendung von Teilnehmern in einer Studie, weil sie bequem und verfügbar sind. Wenn Sie sich jemals freiwillig für eine Psychologiestudie gemeldet haben, die von der Psychologieabteilung Ihrer Universität durchgeführt wurde, dann haben Sie an einer Studie teilgenommen, die auf einer Zweckmäßigkeitsstichprobe beruhte. Beispiele für Convenience-Samples sind Studien, die darauf beruhen, nach Freiwilligen zu fragen oder klinische Proben zu verwenden, die dem Forscher zur Verfügung stehen.
• Gezielten Auswahl beinhaltet die Suche nach Personen, die bestimmte Kriterien erfüllen. Marketingfachleute könnten beispielsweise daran interessiert sein, zu erfahren, wie ihre Produkte von Frauen im Alter zwischen 18 und 35 Jahren wahrgenommen werden. Sie könnten ein Marktforschungsunternehmen damit beauftragen, Telefoninterviews durchzuführen, die gezielt Frauen suchen und interviewen, die ihren Alterskriterien entsprechen.
• Quotenstrichprobenerhebung beinhaltet die absichtliche Stichprobenziehung bestimmter Anteile jeder Untergruppe innerhalb einer Population. Politische Meinungsforscher könnten beispielsweise daran interessiert sein, die Meinungen einer Bevölkerung zu einem bestimmten politischen Thema zu untersuchen. Wenn sie einfache Zufallsstichproben verwenden, könnten sie zufällig bestimmte Teilmengen der Grundgesamtheit übersehen. Stattdessen legen sie Kriterien fest, um jeder Untergruppe einen bestimmten Prozentsatz der Stichprobe zuzuordnen. Im Gegensatz zu geschichteten Stichproben verwenden die Forscher nicht-zufällige Methoden, um die Quoten für jede Untergruppe zu füllen.

Erfahren Sie mehr darüber, wie sich Wahrscheinlichkeits- und Nichtwahrscheinlichkeitsstichproben unterscheiden.

Stichprobenfehler

Da die Stichprobe natürlich nicht jedes einzelne Individuum einer Population umfassen kann, können Fehler auftreten.

Unterschiede zwischen dem, was in einer Population vorhanden ist, und dem, was in einer Stichprobe vorhanden ist, werden als . bezeichnet Stichprobenfehler.

Obwohl es unmöglich ist, genau zu wissen, wie groß der Unterschied zwischen Grundgesamtheit und Stichprobe sein kann, können Forscher die Größe der Stichprobenfehler statistisch abschätzen. Bei politischen Umfragen hört man beispielsweise oft von der Fehlerquote, die sich in bestimmten Konfidenzniveaus ausdrückt.

Im Allgemeinen gilt: Je größer der Stichprobenumfang, desto geringer die Fehlerquote. Dies liegt einfach daran, dass die Wahrscheinlichkeit, alle Merkmale der Population. Die einzige Möglichkeit, Stichprobenfehler vollständig auszuschließen, besteht darin, Daten aus der gesamten Grundgesamtheit zu erheben, was oft einfach zu teuer und zeitaufwändig ist. Stichprobenfehler können jedoch durch randomisierte Wahrscheinlichkeitstests und eine große Stichprobengröße minimiert werden.