Otantatutkimus

  1. Otokset
  2. Näytteet
  3. Otantasuhde
  In English   En Español   Sisällysluettelosivulle

Sitä yksilöiden tai tapausten ryhmää kokonaisuudessaan, jonka ominaisuuksia halutaan saada selville, nimitetään perusjoukoksi (target population).

Empiirisessä tutkimuksessa perusjoukko koostuu fyysisistä kohteista kuten ihmisistä, esineistä taikka tapahtumista. Monografiassa kohteena on vain yksi tapaus, mutta kehittämiseen tähtäävässä tutkimuksessa perusjoukko usein on suuri, esimerkiksi yrityksen kaikki mahdolliset asiakkaat. Teorian kehittämiseen tähtäävässä tutkimuksessa perusjoukko useinkin on ääretön, eli halutaan tietoa, jonka ajatellaan pätevän jokaisessa vastaavassa tapauksessa koko maailmankaikkeudessa.

Sitten kun populaatio on saatu rajatuksi, sen yksilöiden tai tapausten ominaisuuksia voidaan selvittää kahdella tavalla: joko tutkitaan koko perusjoukko, taikka sen osa. Silloin, kun tutkija todella havainnoi tai mittaa kaikki perusjoukon yksilöt tai tapaukset, on kysymyksessä kokonaistutkimus. Se antaa kohteestaan erinomaisen tarkan kuvan, mutta se on mahdollinen vain silloin, kun perusjoukko ei ole liian suuri ja sen kaikkiin tapauksiin voidaan päästä käsiksi.

Kokonaistutkimus on verrattain kallis metodi, sillä empiirinen työ vaatii usein aikaa, laitteita ja matkustamista. Onkin syytä pitää mielessä, etteivät tutkimuksen päämäärät aina vaadi täysin täsmällistä selvitystä perusjoukon jokaisesta tapauksesta, vaan luotettava arvio voisi monesti riittää. Niinpä onkin tavallista että suoranaiset tutkimustoimet kohdistetaan vain niin moneen perusjoukon tapaukseen kuin katsotaan hankkeen tavoitteiden vaativan ja resurssien riittävän. Tähän pääsemiseksi on useita lähestymistapoja:

Periaatteessa kokonaistutkimuksen pitäisi tuottaa otantatutkimusta tarkempi tulos. Usein käy kuitenkin päinvastoin, etenkin niissä tapauksissa jolloin perusjoukko on hyvin suuri tai vaikeasti tavoitettavissa, ja tutkimuksen resurssit ovat pienet. Tällöin näet tutkittaessa koko perusjoukko, sen jokaista yksilöä kohti käytettävissä oleva tutkimustyöpanos saattaisi jäädä niin pieneksi, että tutkimus jäisi kovin pinnalliseksi. Tällaisessa tapauksessa saadaan parempi tulos siten, että tutkitaan vain osa perusjoukosta, ja tehdään työ sitä paremmin.

Muistettakoon, että otantatutkimuksessa tutkijaa ei niinkään kiinnosta näyte, vaan perusjoukko. Tutkittavaksi otettava ryhmä koetetaan siis poimia niin, että sen tutkijaa kiinnostavat ominaisuudet ovat keskimäärin samat kuin perusjoukossa keskimäärin. Tällöin sanotaan, että ryhmä on edustava.

Yleisesti käytetyt tutkittavan ryhmän poiminnan menetelmät perustuvat jompaankumpaan seuraavista periaatteista:
Otos perusjoukosta

Poiminta sinänsä jo aiheuttaa poikkeamia perusjoukon ja näytteen tai otoksen välille. Nämä poikkeamat ovat kahta lajia:

Herää kysymys, miksi näytteitä sitten lainkaan käytetään, onhan niissä kahdenlaista eroa perusjoukkoon ja otoksissa on vain yhtä poikkeaman lajia? Tähän on kyllä omat syynsä, lähinnä jokin seuraavista:

Otokset

Maalaisjärjellä voisi arvella, että satunnaiseen arvontaan perustuvat otosmenettelyt antaisivat tutkimuksessa "sattumanvaraisia" eli epäluotettavia tuloksia. Asia on kuitenkin päinvastoin, sillä juuri otoksen matemaattisesti hallittu satunnaisuus antaa mahdollisuudet tarkoin laskea se todennäköisyys jolla tulokset pätevät myös perusjoukossa. Toisin sanoen otoksista saatujen tulosten yleistettävyys on näytteistä saatuja parempi.

Otoksen satunnaisessa valitsemisessa täytyy, kuten arvonnoissa yleensäkin, jokaisella perusjoukon yksilöllä olla sama mahdollisuus päätyä valituksi otokseen. Tämä todennäköisyys eli otantasuhde on yhtä kuin otoksen lukumäärä jaettuna perusjoukon lukumäärällä.

Yksinkertainen satunnaisotosSeuraavassa esitetään yleisesti käytetyt otosten tyypit. Kaavakuvissa pienet pisteet tai muut symbolit kuvaavat perusjoukon yksilöitä, ja otokseen tai näytteeseen poimitut yksilöt esitetään lihavalla.

1. Yksinkertainen satunnaisotos (YSO, engl. simple random sample) poimitaan arpomalla, vaikkapa lappuina hatusta. Jos perusjoukko on luetteloitu tietokoneelle, kone voi suorittaa arpomisen. Jos perusjoukko on hyvin suuri ja se ennestään jakautuu osajoukkoihin (ryppäisiin), joista kunkin sisältö on luetteloitu, voi olla käytännöllistä tehdä otanta kahdessa vaiheessa ryväsotantana (cluster sampling). Tällöin poimitaan ensin satunnaisesti sopiva määrä ryppäitä ja sitten kunkin ryppään sisältä satunnaisesti lopullinen otos. Esimerkiksi jos perusjoukkona on koko maan väestö, poimitaan ensin muutamia kuntia ja sitten otos vain näistä kunnista. Jos nämä henkilöt on tarkoitus haastatella, näin säästyy paljon matkakuluja ja aikaa.

Systemaattinen otos 2. Systemaattinen otos on suuressakin perusjoukossa helppo toteuttaa myös ilman tietokonetta. Jos otantasuhteeksi on valittu 1:k, perusjoukon jäsenten luettelon alusta ensin erotetaan k ensimmäistä yksilöä ja valitaan arpomalla näistä yksi otokseen. Siitä lähtien otokseen poimitaan luettelosta joka k:s yksilö. Tällaisen otoksen edustavuus on yhtä hyvä kuin YSO:n, paitsi siinä harvinaisessa tapauksessa, että jokin perusjoukon tärkeä ominaisuus sattuisi toistumaan perusjoukossa taajuudella k.

Epäsuhtainen otos 3. Epäsuhtaista otosta kannattaa harkita, kun perusjoukossa on jokin pieni, mutta tärkeä ryhmä, jolloin yksinkertainen satunnaisotos saattaisi jäädä kokonaan ilman tällaisen pienen ryhmän edustajaa. Tuotteiden käyttäjissä tällaisia tärkeitä ryhmiä ovat etenkin erilaiset vammaiset, kuten heikkonäköiset ja -kuuloiset, ks. tarkempaa listaa näistä. Muita huomioon otettavia vähemmistöryhmiä saattaa tilanteen mukaan muodostua esim. uskonnon, kansallisuuden tai kielen pohjalta.

Epäsuhtainen otos poistaa pienen ryhmän (kuvassa x-merkityt) poisjäämisen vaaran siten, että pienen ryhmän kohdalla käytetään tavallista suurempaa otantasuhdetta. Tästä syntyy tuloksiin tietty harha, mutta se korjataan jatkokäsittelyssä pienentämällä samassa suhteessa tästä ryhmästä saatujen tulosten painoa.

Näytteet

Näyte (non-random sample) poimitaan perusjoukosta jollakin sellaisella menetelmällä, joka ei anna jokaiselle perusjoukon tapaukselle yhtäläistä mahdollisuutta joutua näytteeseen. Poiminnan periaatteen ehkä sanelee tutkimuksen ympäristö, toisinaan taas tutkijalla on mahdollisuus määrätä tämä periaate, tai hän suorastaan valitsee tapaukset näytteeseen. Seuraavassa selostetaan joitakin usein käytettyjä näytteiden lajeja.

Olipa poiminnan periaate mikä tahansa, se saattaa aina suosia jotakin perusjoukon tapausten lajia enemmän kuin muita, eli se aiheuttaa harhaa näytteestä saataviin tuloksiin.

Toteavissa (deskriptiivisissä) tutkimushankkeissa näytteen harhaisuus on vakava ongelma, ja siitä voi muodostua kokemattomalle tutkijalle ansa: näytteestä tehty tutkimus ehkä näyttää etenevän ongelmitta hankkeen loppuvaiheisiin saakka, ja vasta valmiita tuloksia arvioidessaan, niiden yleistämistä pohtiessaan tutkijalle nousee seinä vastaan: ei ole perusteita väittää, että tulokset pätevät perusjoukossa.

Näytettä arvioidessaan tutkijan olisi pidettävä mielessä perusjoukko. Onko luultavaa, että näytteestä saadaan samat tulokset kuin perusjoukosta? Onko varmaa, ettei näytteen valitsemisen periaate (esimerkiksi ihmisten halukkuus osallistua siihen) korreloi niiden asioiden kanssa, joita näytteessä on tarkoitus tutia? Jos korrelaatiota on, se merkitsee, että näyte on harhainen, ja tutkijan on harkittava uuden, korreloimattoman näytteen muodostamista.

Ylläolevasta poiketen ohjaavissa tutkimus- ja kehittämishankkeissa näytteitä voidaan usein vaaratta käyttää, edellyttäen että niistä mahdollisesti aiheutuva harha korjataan hankkeen myöhemmissä vaiheissa. Niinpä usein käytetään ns. "helposti hankittavaa näytettä" kun nimetään mahdollisten asiakkaiden edustajia aivoriiheen kehittämään uutta tuotekonseptia. Tällaiseen työhön, joka voi kestää useita päiviä tai enemmänkin, olisi usein vaikea houkutella satunnaisesti valittuja asiakkaita, ts. otosta. Jos valituksi sattuu tulemaan keskimääräisestä poikkeavia asiakkaita (eli näyte on harhainen) se ei paljoa haittaa, sillä syntyvät tuoteideat testataan myöhemmin vielä toisten henkilöiden kanssa, jolloin harha enimmäkseen korjaantuu.

Tavallisia näytteiden tyyppejä ovat:

Helposti hankittava näyte1. Helposti hankittava näyte (convenience sample) voitaisiin muodostaa esimerkiksi valitsemalla haastateltaviksi johonkin paikkaan jostakin syystä kokoontuneet ihmiset, vaikkapa luokan oppilaat tai näyttelyä katsomaan tullut yleisö, tai oikeastaan näistä ne, jotka suostuvat kysymyksiin vastaamaan. Näyte on helppo ja nopea muodostaa, mutta ikävä kyllä lähes aina vahvasti valikoitunut, jolloin siitä saatavia tuloksia ei voida yleistää mihinkään perusjoukkoon. Tällaista näytettä voidaan kuitenkin käyttää tutkimuksessa silloin kun ei tarvita tulosten luotettavuuden arvioimista, kuten esimerkiksi yliopistojen metodikurssien demonstraatioissa, joista saatuja tuloksia ei ole tarkoitus käyttää mihinkään. Sama on asia usein kehittämishankkeissa, joiden tulokset myöhemmin testataan laajemmassa tai täsmällisemmin asiakaskunnasta valitussa näytteessä.

2. Vapaaehtoisten näyte tarkoittaa sitä, että kaikki halukkaat perusjoukon jäsenet pääsevät mukaan näytteeseen, eikä tutkija mitenkään pyri valitsemaan henkilöitä. Tällainen näyte syntyy silloin, jos tutkija panee esille kyselylomakkeita, joita ohikulkijat voivat halutessaan täyttää ja palauttaa laatikkoon; taikka jos tutkija julkaisee vetoomuksen internetissä tai sanomalehdessä, pyytäen vastauksia niiltä lukijoilta, joilla on jotakin kerrottavaa ko. asiasta. Liikeyritykseen asiakkaiden omasta aloitteesta saapunut asiakaspalaute muodostaa myös tämän tyyppisen näytteen kaikkien asiakkaiden mielipiteistä.

Vapaaehtoisten näytettä käytetään usein silloin, kun perusjoukosta ei ole saatavissa luetteloa, josta otos voitaisiin poimia, taikka silloin, kun otokseen tulevien ihmisten osoitteet eivät ole ajan tasalla. Huonona puolena on se, että on vaikea arvioida harhaa, eli poikkeavatko vapaaehtoisten mielipiteet tai muut heissä kiinnostavat asiat perusjoukosta. Tätä voidaan koettaa arvioida pohtimalla seuraavia kahta kysymystä:

Jos esimerkiksi haluttaisiin vapaaehtoisten näyte niistä ihmisistä, jotka ostavat tietyn tuotteen, se voidaan toteuttaa lisäämällä tuotepakkaukseen maksettu kirjekuori ja lomake, jossa ostajat voivat ilmoittaa nimensä ja osoitteensa. Entä jos lomakkeessa myös kysyttäisiin asiakkaan mielipidettä tuotteesta? Silloin luultavimmin vastaisivat etenkin ne, joilla on siitä jokin vahva mielipide, joko myönteinen tai kielteinen. Ne vastaisivat harvemmin, joilla ei ole selvää mielipidettä. Näyte olisi tällöin harhainen, joskin se saattaa silti kelvata tutkimushankkeen tarkoituksiin.

Lumipallonäyte3. Lumipallonäyte syntyy siten, että tutkija valitsee ensin yhden tai muutamia haastateltavia ja nämä puolestaan suosittelevat muita sopivia haastateltavia. Jotta näytteeseen ei näin tulisi vain yhden ajatussuunnan edustajia, tutkija voi pyytää suosittelemaan sekä "oman" että "vastapuolen" kannattajia, mutta silti näytteestä jäävät pois sellaiset epäsuositut ryhmät, joita kukaan ei suosittele. Näytteen keräämistä tavallisesti jatketaan siksi kunnes se kyllääntyy.

Lumipallonäyte sopii käytettäväksi sellaisissa populaatioissa, jotka rajautuvat epäselvästi ja joita ei myöskään ole kunnolla luetteloitu, kuten esimerkiksi 'kuntoilijat' tai 'asunnottomat'. Haittana on, että tällaisen näytteen edustavuus jää aina erittäin hämäräksi, joten epävarmaksi jää myös saatujen mielipiteiden todellinen jakautuminen perusjoukossa.

4. Kaikki käytettävissä olevat tapaukset. Toisinaan tutkijan kiinnostuksen kohteena on periaatteessa suurikin joukko tapauksia, mutta niistä vain pieni osa on saatavissa tutkimuksen kohteeksi, ja siitä täten muodostuu näyte koko tuosta halutusta perusjoukosta. Tyypillisiä tällaisia näytteitä ovat:

Säilyneet tapaukset historiallisessa tai arkeologisessa aineistossa josta suuri osa on aikojen kuluessa hävinnyt, omaavat saman hankaluuden kuin "helposti hankittava näyte" vaikkakin aineiston valikoitumisella ei tässä ole mitään tekemistä helppouden kanssa. Jos näet aineiston valikoitumisessa ja poisjäämisessä on ollut mitä tahansa systemaattisuutta, tutkijalle jäänyt aineisto on harhaista ja tutkijan tehtäväksi tulee harhan arvioiminen. Tässä arvioinnissa voidaan pohtia seuraavia kysymyksiä:

Sallitut tapaukset. Yrityselämää tutkittaessa useinkin sattuu, että yrityksen johto ei anna koota tietoja jostakin yrityksen osastosta tai toiminnosta. Tämä päätös kenties on hyvinkin perusteltu yrityksen toiminnan näkökulmasta, mutta tutkijan tieteellisestä näkökulmasta katsottuna näin syntyvää näytettä on usein pidettävä pahasti harhaisena.

Virheellisiä tapoja muodostaa näyte

Näyte ylittää perusjoukon rajat. Näytteeseen ei saa tulla mukaan tapauksia, jotka eivät kuulu tavoiteltuun perusjoukkoon. Esimerkiksi lumipallonäytteen haastatellut saattavat ehdottaa siihen perusjoukon ulkopuolisia henkilöitä, sillä hehän eivät yleensä tiedä mikä on tutkijan ajatus perusjoukoksi. Tutkijalla on tietenkin valta itse muuttaa määrittelemiään rajauksia.

"Tyypillisten tapausten" näyte. Voisi kuvitella, että tehokkainta olisi tutkia mahdollisimman pieni näyte, johon valitaan vain "tyypilliset" yksilöt tai tapaukset. Niissähän tutkittava ilmiö kai esiintyisi selvimpänä ja puhtaimpana, ja tutkija säästäisi aikaansa? Kuvassa oikealla pisteet esittävät tyypillisiä tapauksia ja merkit + ja x epätyypillisiä.

Tyypillisten tapausten menettelyä kyllä silloin tällöin käytetään, mutta se on sangen riskialtis. Näytettä valitessaan tutkija näet joutuu toimimaan ennakko-oletustensa varassa, ja nämä silloin saavat vaarallisen paljon vaikutusta tuloksiin. Jos tutkija huomaamattaan valitsee aineistoon enimmäkseen sellaisia tapauksia, jotka sopivat hänen työhypoteesiinsa, tulokset näennäisesti mutta virheellisesti "osoittavat oikeaksi" tämän hypoteesin, vaikkei se lainkaan pitäisi paikkaansa perusjoukon tutkimatta jääneissä osissa.

Yleensä voisi sanoa, ettei tyypillisten tapausten näytettä pitäisi käyttää ollenkaan. Jos tutkijan tarkoituksena on löytää tyypilliset eli tavallisimmat tapaukset perusjoukosta, oikeampi metodi on ensin luokitella koko perusjoukko tai otos siitä, ja todeta mikä tyyppi on tavallisin. Sitten jos vielä halutaan tutkia näitä tapauksia tarkemmin, ne voidaan määritellä uudeksi perusjoukoksi, josta tehdään eri selvitys.

Asiantuntijoiden näyte. Voisi näyttää järkevältä kysellä tietoja vain niiltä henkilöiltä, ns. avaintiedottajilta, joiden ajatellaan tuntevan asian parhaiten. Täten voisi esimerkiksi:

Asiantuntijanäytteen etuna on, että on tarpeen haastatella vain muutamia ihmisiä, ja haastattelussa asiaan päästään heti. Ongelmana on se, että tuloksia on vaikeata yleistää mihinkään perusjoukkoon. "Asiantuntijat" eivät näet ole näyte "ei-asiantuntijoista" vaan nämä ovat kaksi erillistä perusjoukkoa.

Jos nyt kuitenkin halutaan haastatella juuri asiantuntijoita, mikäpä siinä. Tämän lisäksi voisi harkita, että haastatellaan erikseen tavallisia kuluttajia. Olisi myös pohdittava, kummassa järjestyksessä nämä tutkimukset tehdään: toinen niistä voisi palvella toisen esitutkimuksena. Joka tapauksessa kummassakin tutkimuksessa on oma perusjoukkonsa, joka on erikseen määriteltävä ja otos tai näyte on sitten poimittava vain siitä.

Ohjaava näyte. Ohjaava eli normatiivinen näkökulma on luonteva kehittämishankkeissa, joiden avulla pyritään löytämään parannuksia tuleviin vastaaviin kohteisiin. Sitä ei kuitenkaan tulisi toteuttaa näytteen valinnassa, sillä se tärvelisi mahdollisuudet pohtia näytteen edustavuutta ja yleistämiskelpoisuutta.

Näyte parhaistaOhjaava "näyte parhaista" on melkeinpä perinteenä taideteosten tutkimuksessa. Ajatuksena on se, että ihailluissa suurten mestarien töissä taide nähdään lähimpänä aikakauden taiteen ihanteita, eli taide on niissä "puhtainta". Näin voidaan tietenkin tutkia, mutta tulosten ei sitten pidä väittääkään esittävän läpileikkausta aikakautensa taiteesta, vaan tutkijan on syytä ilmoittaa, että hänen perusjoukkonaan ovat juuri "suuret mestarit" tai heidän työnsä. Ks. pohdintaa kohdassa Tutkimuksen rajaaminen.

Tutkimushankkeen myöhemmissä vaiheissa, aineistoa analysoitaessa, on parempi tilaisuus toteuttaa ohjaavaa näkökulmaa, joten näytteen muodostamiseen sitä ei tarvitse sotkea. Tähän sopivia metodeja ovat ohjaava tapaustutkimus , ohjaava vertailu , ohjaava luokittelu, ja ohjaava kehityksen tutkimus.

Otantasuhde

Tutkittavan ryhmän lukumäärän suhde perusjoukon lukumäärään on nimeltään otantasuhde. Millaiseksi se tulisi valita, jotta otannan tarkoitus: empiirisen työn säästäminen, saavutettaisiin tuloksia liiaksi huonontamatta?

Otoksen mitoittaminen

Otoksesta saadut tulokset ovat tavallisesti hieman erilaiset kuin koko perusjoukko tutkimalla saataisiin. Syynä on se, että satunnainen otanta on tuonut otokseen keskimääräisten tapausten tai yksilöiden ohella myös muutamia poikkeavia tapauksia. Miten monta, se voidaan ennustaa todennäköisyyslaskennan avulla. Samoin voidaan laskea miten suuri on riski saada virheellisiä tuloksia näiden poikkeavien tapausten takia. Riski on osapuilleen verrannollinen muuttujien varianssiin ja kääntäen verrannollinen otoksen kokoon.

Jos yllä mainittu laskelma tehdään toisin päin ja osataan sanoa tuloksilta toivottu tilastollinen merkitsevyys, voidaan muuttujien lukumäärän ja niiden varianssien pohjalta laskea otoksen tarvittava suuruus. Variansseja ei tosin useinkaan etukäteen tiedetä, mutta niiden likiarvo riittää laskelmaan.

Otetaan esimerkiksi kaksi muuttujaa, jotka on mitattu pienestä otoksesta ja niiden korrelaatioksi on saatu 0,26. Nyt on mahdollista, että tämä korrelaatio onkin otokseen syntynyt vain sattumalta sitä valittaessa eikä se vallitse perusjoukossa. Halutaan, että tällaisen sattuman todennäköisyys pysyy pienempänä kuin 1%. Tutkimalla taulukkoa kohdassa t-testi käy ilmi, että tarvitaan sadan tapauksen otos ennen kuin todennäköisyys saada sattumalta 0,26 korrelaatio pienenee yhteen prosenttiin.

Toisessa esimerkissä tutkitaan prosenttiosuuksia ja halutaan 95% varmuus siitä, että otoksesta mitattu prosenttiosuus vallitsee myös perusjoukossa. Käytetään luottamusvälin laskukaavaa:

jossa

p = otoksesta laskettu jokin prosenttiosuus, ja
n = otoksen suuruus.

Jos kaavan antama luottamusväli jää liian suureksi, sitä voidaan pienentää käyttämällä suurempaa otosta. Kaavasta nähdään, että esimerkiksi suurentamalla otos nelinkertaiseksi luottamusväli pienenee puoleen. Merkillepantavaa on, että perusjoukon suuruus ei vaikuta asiaan mitään.

Tilastollisen merkitsevyyden laskukaavat ovat hieman hankalia käyttää, sillä lähes jokaiselle tilastollisen tunnusluvun tyypille on omat kaavansa. Niitä ei siksi esitetä tässä. Karkean nyrkkisäännön mukaan varianssianalyysiä varten tarvitaan vähintään 30 tapausta, regressioanalyysiin 40 tapausta kerrottuna muuttujien lukumäärällä ja khiin neliön laskemiseksi tulee taulun joka ruudussa olla vähintään viisi tapausta. Isommissa tutkimushankkeissa on usein neuvonantajana tilastomatemaatikko, jonka huoleksi voidaan jättää otannan suunnittelu. Pienissä hankkeissa taas otoksen koon usein määräävät tutkimuksen resurssit.

Näytteen mitoittaminen

Näytteen koon arvioimiseen ei ole laskukaavoja. Nyrkkisääntönä on silloin: Käytä niin isoa otosta mihin on varaa. Monesti, etenkin kvalitatiivisessa tutkimuksessa, menetellään niin, että näytettä kasvatetaan vähän kerrallaan ja tiedot analysoidaan sitä mukaa kuin niitä kertyy. Useimmiten lopulta saavutetaan se tilanne, että uudet tapaukset eivät enää tuo esiin uusia piirteitä, eikä näytteen joukossa myöskään ole anomalioita eli sellaisia tapauksia, jotka jossakin tärkeässä suhteessa poikkeavat siitä invarianssista, jonka tutkija on aineistosta löytänyt. Tällöin sanotaan että näyte on kyllääntynyt (engl. saturated), ja se katsotaan riittäväksi.

Huomattakoon, ettei näytteen kyllääntyminen suinkaan takaa sitä, ettei näyteyksilöiden valinnassa olisi järjestelmällistä harhaa, päinvastoin harhainen valinta voi pikemminkin edistää näytteen kyllääntymistä. Harhan välttämiseksi tutkijan pitäisi jo varhaisessa vaiheessa täsmentää perusjoukon rajat ja sitten valita sen piiristä mahdollisimman vaihteleva joukko yksilöitä tutkittavaksi. Vielä parempi voisi olla arpoa ensin satunnaisotos ja sitten poimia satunnaisesti tästä otoksesta tapauksia tutkittavaksi siksi kunnes aineisto kyllääntyy.

Jotta ei tutkijalle tulisi ikävää yllätystä työn loppuvaiheissa, kun pitäisi todeta missä perusjoukossa työn tulokset pitävät paikkansa, olisi hyvä jo ennen näytteen valitsemista lukaista kohta Näytteen arvioiminen luvusta "Tietojen arvioiminen".

Pois jäävät tapaukset

Usein sattuu, että otokseen tai näytteeseen valituista tapauksista kaikkia ei päästä tutkimaan, sillä niihin ei saada yhteyttä, mittaus epäonnistuu, kyselyn kohde kieltäytyy tms. Tämän varalta on tapana yksinkertaisesti ylimitoittaa otos tai näyte jonkin verran.

Jos kuitenkin halutaan olla hyvin huolellisia, on pohdittava, onko luultavaa tai mahdollista, että puuttuvat tapaukset ovat erilaisia kuin ne, joista aineisto saadaan kuten tarkoitettu? Jos näin on, niin tulokset tulevat olemaan enemmän tai vähemmän harhaisia. Jos tällainen harha näyttää mahdolliselta, se voidaan yrittää neutraloida painottamalla eri tavoin niitä vastauksia, jotka saadaan heti ja niitä, jotka saadaan vasta karhuamalla. Menetelmää selostetaan kohdassa Kato ja vastaajien motivoiminen.

  In English   En Español   Sisällysluettelosivulle

3.8.2007.
Kommentit kirjoittajalle:

Alkuperäinen sijainti: http://www2.uiah.fi/projects/metodi