PaperSurvey.io

Kalkulator efektu schematu losowania i efektywnej liczebności próby

Sprawdź, jak grupowanie obserwacji wpływa na efektywną liczebność próby. Podaj liczebność próby, średnią liczbę odpowiedzi w klastrze i korelację wewnątrzklasową.

Zobacz, jak wykonać obliczenia samodzielnie

Wpisz wartości

Wyniki aktualizują się podczas wpisywania.

Efekt schematu losowania

2.2
Efektywna liczebność próby
455
Obliczenia odbywają się w Twojej przeglądarce. Dane nie są do nas wysyłane.

Oblicz samodzielnie

Załóżmy, że klaster liczy średnio 20 osób, korelacja wewnątrzklasowa wynosi 0,05, a badanie obejmuje 390 odpowiedzi.

Prześledź przykład, a następnie wykonaj te same kroki dla własnych danych.

  1. Oblicz składnik wynikający z grupowania

    (średnia wielkość klastra − 1) × korelacja = (20 − 1) × 0.05 = 0.95.

  2. Dodaj jeden, aby otrzymać efekt schematu losowania

    DEFF = 1 + 0.95 = 1.95.

    Jest to mnożnik wariancji względem losowania prostego.

  3. Oblicz efektywną liczebność próby

    Efektywne n = rzeczywiste n ÷ DEFF = 390 ÷ 1.95 = 200.

    Przy tych samych założeniach błędy standardowe mnoży się przez √1,95, a nie przez 1,95.

To przybliżenie opisuje wpływ grupowania. Nierówne wagi, warstwowanie i znaczne różnice wielkości klastrów mogą wymagać pełniejszej analizy schematu badania.

Sprawdź wynik w kalkulatorze

Wykorzystaj wyniki z PaperSurvey.io

Połącz liczbę zebranych odpowiedzi z informacjami o klastrach w schemacie badania, aby oszacować tutaj efektywną liczebność próby.

Zobacz, jak to działaWypróbuj bezpłatnie
Lista ankiet PaperSurvey z łącznymi liczbami zebranych odpowiedzi dla dwóch ankiet.
Pokaż zrzut ekranu w pełnym rozmiarze
Przykład z PaperSurvey.ioWyświetlane liczby to rzeczywiste liczebności zebranych odpowiedzi. Efektywną liczebność próby, uwzględniającą grupowanie, oblicza się osobno.

Dlaczego obserwacje w klastrach dostarczają mniej informacji

Gdy zbierasz odpowiedzi w klastrach, np. w wybranych klasach szkolnych, przychodniach lub sklepach, osoby z tego samego klastra często są do siebie podobne. Przy dodatniej korelacji wewnątrzklasowej taka próba dostarcza mniej informacji niż próba losowa prosta o tej samej liczebności. Wyniki są więc mniej precyzyjne, niż sugeruje sama liczba odpowiedzi.

Wzory

Efekt schematu losowania wynosi 1 + (m − 1) × ICC, gdzie m to średnia wielkość klastra, a ICC — korelacja wewnątrzklasowa. Efektywna liczebność próby to rzeczywista liczebność podzielona przez ten efekt. Określa przybliżoną wielkość próby losowej prostej, która dawałaby podobną precyzję. Można ją wykorzystać przy planowaniu marginesu błędu; wzór jest uproszczeniem, zwłaszcza gdy klastry bardzo różnią się wielkością.

Często zadawane pytania

Jaką wartość ICC przyjąć?

Jeśli nie masz wcześniejszych danych, potraktuj ICC od 0,01 do 0,05 jako możliwy zakres do analizy wrażliwości, a nie uniwersalną wartość. Przy silnym podobieństwie osób w klastrach ICC może być wyższe. Najlepiej wykorzystać oszacowanie z podobnego badania.

Umieść kalkulator na swojej stronie

Korzystanie jest bezpłatne. Wklej ten kod w miejscu, w którym ma pojawić się kalkulator.

Powiązane kalkulatory

Zacznij korzystać z PaperSurvey.io

Załóż konto

Pierwsze 14 dni bez opłat. Konto założysz od razu, bez podawania karty płatniczej.