護理研究概論─ 樣本與取樣策略 許翠華 長庚科技大學 護理系 T.H. Hsu.

Presentation on theme: "護理研究概論─ 樣本與取樣策略 許翠華 長庚科技大學 護理系 T.H. Hsu."— Presentation transcript:

1 護理研究概論─ 樣本與取樣策略 許翠華 長庚科技大學 護理系 T.H. Hsu

2 單元目標 在單元完成後，同學能─ 暸解母群體、樣本、取樣的定義 瞭解取樣的目的 分辨隨機取樣及非隨機取樣之差異 批判研究論文中選樣的合適性
T.H. Hsu

3 抽樣調查基本概念 特點： 一個方法、手段，運用數理統計的原理和方法，對母體的數量特徵進行估計和推論。 不要見樹而不見林。(注意樣本之代表性)
抽樣調查優於普查的特點： 經濟 效率 準確 T.H. Hsu

4 抽樣調查的作用： 解決不可能或不必要進行普查的社會經濟現象 經費、人力、物力和時間有限下，採抽調方式。
ex：對具破壞性或耗損性檢驗；對無限母體調查…等。 經費、人力、物力和時間有限下，採抽調方式。 可對同ㄧ現象在不同時間連續進行，了解此現象之發展變化。 運用抽樣調查對普查進行驗證。 抽樣調查還可用於其他領域。 ex：企業管理…等。 T.H. Hsu

5 母群體(population) 指一個具有完整定義的特殊族群，它可以是一群人、一種動物、一種物質、或某ㄧ個特定事件 是研究者想研究的全部對象
必須要說明選案條件 (eligibility criteria)與排除條件(exclusion criteria) 例如：研究參與者須為16~19歲的公、私立高、中職學生，不包括夜間進修學校學生；男、女生均收；患有精神疾患及無法以言語溝通者除外 T.H. Hsu

6 樣本與選樣 選樣(sampling)是指從母群體中選取某ㄧ比例或一部分族群，以代表整個母群體的一個過程
樣本(sample)是組成母群體的要素，每ㄧ個要素就是收集資料的基本單位 T.H. Hsu

7 母群體 (population) 樣本 (sample) 樣本 統計量 選樣(sampling) 估計母群體 (inference)
T.H. Hsu

8 選樣的目的 經由sampling的過程，選取具代表性的群體樣本，藉以推估母群體，達到節省時間、財力、人力和資源的目的。
T.H. Hsu

9 抽樣方案設計： 確定母體目標量的估算方法 確定所使用的樣本底冊 確定抽樣調查的目的 定義母體及抽樣單位 確定必要樣本數 選擇抽樣技術
實施抽樣 T.H. Hsu

10 常見選樣策略 T.H. Hsu

11 抽樣方法 抽樣方法 機率抽樣法 非機率抽樣法 非機率抽樣 機率抽樣 判斷抽樣 簡單隨機抽樣 便利抽樣 分層抽樣 雪球抽樣 集群抽樣 配額抽樣
機率抽樣法 非機率抽樣法 非機率抽樣 判斷抽樣 便利抽樣 雪球抽樣 配額抽樣 機率抽樣 簡單隨機抽樣 分層抽樣 集群抽樣 系統抽樣 T.H. Hsu

12 非機率性取樣(non-probability sampling)─非隨機
無法預估研究母群體包含的各種組成要素，因此也無法在樣本中包括組成母群體的每一個要素 例如SARS的研究在一開始時研究者並無法知道誰會感染，因此凡是染病的都收來進行研究 可以用嚴謹的設定取樣條件及排除條件來反映母群體 機率性取樣─隨機 較嚴謹，樣本較具代表性 T.H. Hsu

13 非隨機取樣─方便取樣(convenience sampling)
只選用現存最可及的人員或物件作為研究 對研究者而言是較方便且容易取得的 偏差性高於其他取樣方式，因此要知道參加的理由，及不參加的人可能會有的答案 常見方便取樣方式 某教師班上所有同學、利用健康篩檢時問生活品質、糖尿病門診問自我效能或自我管理等 網路選樣 滾雪球 (snowball sampling) T.H. Hsu

14 非隨機取樣─配額取樣(quota sampling)
先依母群體的特質加以分層，依照比例於各分層中設立配額，再依方便取樣的方式選擇樣本 避免因母群體中的個體特性分布不均所產生的偏差樣本 分層的特性必須是變項之ㄧ T.H. Hsu

15 非隨機取樣─立意取樣(purposive sampling)
研究者依據自己對母群體與選樣單位的認知，及其可及的程度來選擇樣本 例如在人工淚液的研究中，因為50歲以上的人常有眼睛乾澀的現象，可能是使用人工淚液最多的族群，因此以50歲以上的眼科門診病人作為研究樣本 缺點同方便取樣，一旦母群體異質性高時，選樣的誤差越大 T.H. Hsu

16 機率性取樣─簡單隨機取樣 Simple random sampling 母群體中所有選樣單位被選為研究樣本的機率相等
過程：界定母群體→設定選樣架構→編碼→隨機抽取序號 優點：不受研究者個人主觀因素干擾、代表性佳、與母群體特性差異機會小、樣本數越多，非代表性的樣本數降低 缺點：費事、要事先掌握選樣架構，取不到名單則無法進行 T.H. Hsu

17 T.H. Hsu

18 機率性取樣─分層隨機取樣 Stratified random sampling 依據母群體特性加以分層，再由每一層中隨機選出適當樣本
分層或次團體的組成必須是同質性團體 可提高樣本代表性 缺點：較花費人力及時間 T.H. Hsu

19 機率性取樣─分層隨機取樣 選擇分層的條件： 在樣本中有無重要的特質或變項可以作為分層的依據？
例如：研究教育的準備與薪資到底關係如何，教育程度可作為分層 研究的母群體是否有足夠的資訊去提供重要的分層特質或變項？ 例如：研究出血性中風與阻塞性中風所需的護理措施有何不同，此二類中風必須有確切病理上變化造成護理需求的不同 是否每個分層都有足夠樣本數？有無按比例取樣？ 例如：研究護生畢業表現時抽樣50人，男護理護生佔1% ，抽5人 T.H. Hsu

20 機率性取樣─集束/叢集選樣 Cluster sampling
樣本以集合方式聚集存在，選樣時再以樣本集合為單位隨機取樣，被選中的樣本集合內所有選樣單位為研究樣本 適用於集合間同質性高的情況 多用於全國性大型調查時使用 優點：較省事，不需全部資料 缺點：集合間的異質性高時，則易產生選樣偏差(第一層選偏了，以下的分層都會出現偏差) T.H. Hsu

21 機率性取樣─系統選樣 Systematic sampling 用距離選樣 計算公式(先訂出實際樣本大小)：
樣本間隔=母群體/實際樣本大小 優點：相較於簡單隨機抽樣，方便省時、不太需要完整的選樣架構 缺點：若選樣架構有週期性變化，則易出現選樣誤差 T.H. Hsu

22 機率性取樣─多階段選樣 Multistage sampling 應用及群選樣的本質去取樣 步驟為：
決定取樣要分幾階段進行，以及每階段的取樣架構 決定各階段的取樣方法及樣本大小 以前一階段取樣所得之每一選樣單位作為下一階段的各個母群體，分別進行選樣直到最後階段 例如：要了解全縣居民的生活型態，先抽出數個鄉鎮性政區，再於這些行政區中抽出數個里，然後數個鄰，然後若干戶，最後進行問卷調查 T.H. Hsu

23 動動腦~ 以100學生為研究對象，調查某大學學生運動習慣，假設全校為5,000人，其系統選樣的樣本間隔為？
某研究欲調查台灣地區市售黃豆受黃麴毒素污染的情形，研究者由高雄開車往台北，沿高速公路，各在高雄、台南、嘉義、台中、新竹、桃園及台北任意找三家賣黃豆的店取樣本，此方式取得之樣本是否為隨機樣本？ T.H. Hsu

24 樣本數的估算 在研究進行前就應該確定樣本數 樣本數大且選樣過程完善較具有代表性 ㄧ般而言，樣本大小取決於信心水準與選樣誤差
質性研究著重於資料的豐富性而不在樣本數多寡 T.H. Hsu

25 樣本數估算之參考 信心水準 (Confidence level) 選樣誤差(Confidence interval)
有多大的信心可以用樣本來推論母群體 通常以百分比來表示，介於95%~99% 選樣誤差(Confidence interval) 或稱誤差容忍度 以正負數值表示 組間效應(effect size)(通常分高(0.8)中(0.5)低(0.2)，護理研究通常採用中間值) 檢力(power)通常定為0.8 T.H. Hsu

26 依研究的種類決定樣本的大 描述性研究：樣本人數至少應有母群體人數的10%，如果母群體較小時，則至少宜有20%左右。
相關研究：樣本人數至少應有30人，始能確定有無相關存在(細格人數較多時，始能使統計結果較正確)。 T.H. Hsu

27 事後回溯研究(因果比較研究)與實驗研究，每組人數至少應有30人。
如果實驗研究設計得宜，有嚴密的實驗控制，每組受試者至少在15 人以上，但一些權威學者還是認為每組受試者最少應有30人，最為 適宜。 (Gay & Airasion, 2000, p．134) T.H. Hsu

28 統計上考慮的樣本數 Gall, Borg與Gall的觀點
一般的共同通則是盡可能使用「夠大」(large enough)的樣本，研究使用大樣本的時機或目的主要係從統計的觀點予以考量。 (Gall, Borg, & Gall, 1996, pp． ) T.H. Hsu

29 進行「次數分配多邊圖」的統計資料處理時樣本次數愈大，其次數分配多邊圖的面積將會更趨於常態分配。
進行「卡方考驗」時 理論次數(期望次數)不能低於五，否則便要使用耶茲比校正 (Yate's correction for continuity)。事實上，理論次數小於十，便 要進行校正。 (林清山，民88，頁301) T.H. Hsu

30 預試樣不數以問卷申包括最多題頂之「分量表」的3--5倍為原則 (吳明隆，民89，頁1-14)
依Comery (1973)樣本數的標準如下: 50人 很差 100人 差 200人 尚可 300人 良好 500人 很好 1000人 極佳 (李金泉，民84，頁3-507) 預試樣不數以問卷申包括最多題頂之「分量表」的3--5倍為原則 (吳明隆，民89，頁1-14) T.H. Hsu

31 中央極限定理 由一具有平均數μ，標準差σ的母體中抽取樣本大小為n的簡單隨機樣本，當樣本大小n夠大時，樣本平均數 的抽樣分配會近似於常態分配。
在一般的統計實務上，大部分的應用中均假設當樣本大小為30(含)以上時，　的抽樣分配即近似於常態分配。 中央極限定理是當母體分配未知時，確認 抽樣分配形式的關鍵。 當母體為常態分配時，不論樣本大小，　 的抽樣分配仍為常態分配。 T.H. Hsu

32 案例練習~ 某教務處進行數位媒體滿意度調查，以95% confidence level，±3的誤差進行取樣，全校抽出1,067位同學進行問卷調查，對「數位白板」的滿意度為72%，若推論到母群體，則其滿意度之區間為？ T.H. Hsu

33 批判指引 有無對樣本特質做清楚完整的描述？ 研究母群體的相關測量指標是否逐一在樣本中呈現？
樣本在母群體中的代表程度如何？有無選樣偏差？是如何造成的？ 選擇樣本的條件是否清楚陳述於研究中？ 樣本是如何被選擇的？該選樣方式是否合適？ 樣本數是否恰當？ 研究者是否了解選樣方式可能造成的推論上的限制？ 研究者是否提出建議，以增進未來研究之推論性？ T.H. Hsu

34 本週活動 請根據根據今天的授課內容進行研究選樣的批判。 第10週繳交批判文獻之大綱。 下週小組作業討論，請攜帶資料與工具，於課室中進行討論。
T.H. Hsu