ตรงนี้สำคัญมาก ทฤษฏีที่เราอธิบายใน section นี้จะเป็นจริงก็ต่อเมื่อการสุ่มตัวอย่างเป็นไปอย่างแรนดอม!! เช่น simple random sampling เป็นต้น แล้ว confidence interval, margin of error มีความสัมพันธ์ยังไงกับ sample size? Up Your Sample Size ถ้าเราเพิ่ม sample size จะส่งผลสามอย่างต่อค่า estimate ที่เรากำลังศึกษาอยู่ ความแม่นยำจะสูงขึ้น – greater accuracy มั่นใจในผลได้มากขึ้น – greater confidence margin or error จะต่ำลง – greater precision ไม่ต้องกังวลกับสูตรคำนวณเยอะ เพราะตามหลักสถิติการเก็บ n ยิ่งเยอะยิ่งดี (เก็บน้อยไปสิที่จะมีปัญหา! )
But How Large? Saturation x Number of Interviews (ที่มา – medium) อะไรที่เยอะมากไปก็ไม่ดี sample size ก็เช่นกัน อ้าวววววไหนตอนแรกบอกยิ่งเยอะยิ่งดี?
พอวัตถุประสงค์ของงานวิจัยทั้งสองแบบไม่เหมือนกัน ทำให้หลักการคำนวณ sample size แตกต่างกันไปด้วย Sample Size Formula สูตรการคำนวณ sample size ของ market research ปกติรู้แค่ confidence level และ margin of error ที่เรารับได้ก็เพียงพอแล้ว (เด๋วเราจะอธิบายสองค่านี้ให้อ่าน รอแป๊ป) ส่วนงาน experiment จำเป็นต้องรู้ค่า power และ effect size เพิ่มขึ้นมา แถมต้องมีการ set up อีกร้อยแปดอย่าง งาน craft มากๆ bnk48 วันนี้เราจะโฟกัสที่ sample size ของการทำ survey เป็นหลัก คำถามแบบ binary question ตอบได้แค่ใช่หรือไม่ใช่ เช่น คุณชอบ BNK หรือเปล่า?
3 ปัดขึ้นเป็น 342 คน สังเกตว่า n จะลดลงจากกรณีที่เราไม่รู้ N นิดนึง วิธีการคำนวณนี้จะได้ผลเท่ากับโปรแกรมคำนวณ sample size ของทั้ง Qualtrics และ SurveyMonkey เลย ข้อดีของการใช้สูตรนี้คือเราสามารถปรับระดับความเชื่อมั่น (z) และ margin or error (e) ได้ด้วยตัวเอง เด็ด! โปรแกรมคำนวณ sample size ของ SurveyMoney สามารถใช้งานได้ฟรี Summary แอดแนะนำให้เปลี่ยนมาใช้สมการนี้ดีกว่า n = z^2*p*(1-p) / e^2 (i. ยืดหยุ่น ปรับจูนค่าได้ง่ายกว่า) ใช้คู่กับ finite population correction กรณีที่เรารู้ขนาดประชากรจริง เป็นสูตรเดียวกับที่ บ.
พบปัญหาการใช้งานกรุณาแจ้ง LINE ID @gotoknow ขอแนะนำ ClassStart ระบบจัดการการเรียนการสอนผ่านอินเทอร์เน็ต ทั้งเว็บทั้งแอปใช้งานฟรี
มี! มาดู master formula นี้กัน เว็บไซต์สร้างแบบสอบถาม/ market research survey ระดับโลกอย่าง Qualtrics และ SurveyMonkey ใช้สูตรการคำนวณ sample size ที่ละเอียดกว่าของยามาเน่ และสามารถประยุกต์ใช้ได้ทั้งแบบรู้หรือไม่รู้จำนวน population ก็ได้ (อ้างอิงจาก Cochran, 1963) กรณีที่เราไม่รู้ N ให้ใช้สูตรนี้ โดยที่ p * (1-p) เรียกว่า variance ถ้าเรากำหนดค่า p =. 5; (1-p) =. 5 เราจะได้ maximum variance =. 5 *. 5 =. 25 (i. ค่า p ที่นิยมใช้ในสูตรนี้คือ. 5) ค่า e เป็นตัวเดียวกันกับสูตรยามาเน่ ส่วน z ได้มาจาก Standard Normal Distribution ในตารางด้านล่าง โปรแกรมสถิติส่วนใหญ่กำหนดค่า confidence =. 95 (default) แปลว่าตัวเลข z = 1. 96 จะถูกหยิบมาใช้บ่อยมาก เป็นตัวเลขที่นักสถิติต้องจำได้ (แอดจำหมดเลยตั้งแต่ 1. 65 1. 96 2. 58) Confidence Level z 90% 1. 65 95% 1. 96 99% 2. 58 มาลองดูตัวอย่างนี้ confidence level =. 95, p =. 5 และ e =. 05 เราจะคำนวณ sample size = (1. 96^2 *. 5 * (1-. 5)) / (. 05^2) = 384. 16 ปัดขึ้นเป็น 385 คน (ค่านี้เรียกว่า n0) กรณีที่เรารู้ N ให้ใช้สูตรต่อไปนี้ปรับ n0 ที่เราได้จากสมการด้านบน นักสถิติเรียกสูตรที่สองนี้ว่าการทำ Finite Population Correction สมมติว่า N=3000 แทนค่าในสมการ 385 / (1+(385-1)/ 3000) = 341.
)... Bacchetti และคณะ เขียนไว้ ถึง " Sample size dogma " ตั้งคำถามถึง ประเพณี Beta =0. 2 หรือ power =80% ว่า ความมั่นใจทางสถิติที่เพิ่มขึ้น (โอกาสที่จะ false negative ลดลง) คุ้มค่ากับ "ราคาของแต่ละชีวิต" ของจำนวนอาสาสมัครที่ต้องการเพิ่มขี้น หรือไม่? คุ้มค่ากับ โอกาส ที่จะค้นพบวิธีรักษาใหม่ๆ หรือไม่? หมายเลขบันทึก: 483018 เขียนเมื่อ 23 มีนาคม 2012 19:40 น. () แก้ไขเมื่อ 19 มิถุนายน 2012 12:34 น.
92veso.com, 2024 | Sitemap