Słownik metodologiczny · Dobór próby

Efekt trybu badania (mode effect) – jak sposób zbierania danych zmienia odpowiedzi?

Efekt trybu badania to różnica w odpowiedziach wynikająca z samego sposobu zbierania danych. Pokazujemy, jak oddzielić go od selekcji do trybu w badaniu mieszanym, przykład w R i opis do pracy.

Strona główna / Słownik / Efekt trybu badania
W skrócie: Efekt trybu badania (mode effect) to różnica w odpowiedziach wynikająca z samego sposobu zbierania danych, np. ankiety online albo wywiadu telefonicznego. W badaniu mieszanym miesza się on z selekcją: różne osoby wybierają różne tryby.

Co to jest efekt trybu badania?

Efekt trybu badania (ang. mode effect) to różnica w odpowiedziach wynikająca z samego sposobu zbierania danych: ankiety internetowej, wywiadu telefonicznego, osobistego albo papierowego kwestionariusza. Tryby różnią się obecnością ankietera, kanałem (tekst czytany wzrokowo albo pytanie słyszane) i tempem. Kreuter i in. (2008) pokazali na danych zweryfikowanych z dokumentacją uczelni, że ankieta internetowa dawała więcej ujawnień drażliwych informacji i trafniejsze odpowiedzi niż wywiad telefoniczny, co wiąże się z aprobatą społeczną i efektem ankietera. Kanał wpływa też na efekt kolejności odpowiedzi.

Selekcja a pomiar

W badaniu mieszanym (mixed-mode) różne osoby odpowiadają w różnych trybach. Vannieuwenhuyze i in. (2010) podkreślają, że miesza się wtedy efekt selekcji (kto wybiera dany tryb) z efektem pomiaru (jak tryb zmienia odpowiedź tej samej osoby). Surowa różnica średnich między trybami nie jest więc efektem trybu, tylko sumą obu zjawisk – to odmiana błędu selekcji. Jäckle i in. (2010) omawiają, jak testować efekty trybu i czy zmieniają one wnioski merytoryczne. Najczystszy sposób oceny to losowy przydział do trybu; bez niego zostaje korekta o cechy, które tłumaczą wybór trybu.

Przykład

W danych symulowanych 357 osób wypełniło ankietę online (średni wiek 37.2 roku), a 443 odpowiedziały przez telefon (54.4 roku). Młodsi deklarują więcej ryzykownego picia, a telefon dodatkowo zaniża wynik. Surowa różnica web − telefon wynosi 1.79 pkt, a po uwzględnieniu wieku w regresji 0.79 pkt, 95% CI [0.47, 1.11]. Większość surowej różnicy to selekcja.

Jak opisać w pracy

Dane zebrano w dwóch trybach: online (n = 357) i telefonicznie (n = 443). Aby oddzielić efekt trybu od różnic w składzie grup, w modelu regresji uwzględniono wiek. Po tej korekcie wynik w ankiecie online był wyższy o 0.79 pkt, 95% CI [0.47, 1.11] (bez korekty: 1.79 pkt).

Na co uważać

  • Nieobserwowana selekcja. Korekta działa tylko dla zmierzonych cech; to, co zostaje, nadal może być selekcją.
  • Zapis trybu. W pracy dyplomowej zapisz tryb jako zmienną – zob. rodzaje badań ankietowych.
  • Ważenie nie usuwa efektu pomiaru. Wagi poprawiają skład próby, ale nie zmieniają tego, jak tryb wpłynął na odpowiedzi.
Przykład reprodukowalny

Efekt trybu w R

Kod symuluje badanie mieszane, w którym młodsi częściej wybierają ankietę online, a wywiad telefoniczny zaniża wynik o 0.6 pkt. Porównuje surową różnicę trybów z różnicą po uwzględnieniu wieku. Liczby w tekście pochodzą z tego kodu.

Surowa i skorygowana różnica między trybami

Dane wejściowe: 800 osób, wiek 18–75 lat, tryb (telefon, web), wynik ryzykownego picia na skali 0–12 (dane symulowane, set.seed(666)).

Co odczytać: liczebności trybów 443 i 357, średni wiek 54.4 i 37.2, różnica surowa 1.79, skorygowana 0.79 z 95% CI [0.47, 1.11].

R
set.seed(666)
n <- 800
wiek <- round(runif(n, 18, 75))
web <- rbinom(n, 1, plogis(3 - 0.07 * wiek))  # młodsi częściej wybierają ankietę online
# picie ryzykowne (skala 0–12): maleje z wiekiem; przez telefon zaniżane o 0.6 pkt (aprobata społeczna)
picie <- 7 - 0.06 * wiek - 0.6 * (1 - web) + rnorm(n, 0, 2)
tryb <- factor(ifelse(web == 1, "web", "telefon"), levels = c("telefon", "web"))
table(tryb)
round(tapply(wiek, tryb, mean), 1)           # średni wiek w trybach
surowa <- coef(lm(picie ~ tryb))["trybweb"]  # różnica web − telefon bez korekty
m <- lm(picie ~ tryb + wiek)                 # korekta o obserwowaną cechę selekcji
round(c(surowa = unname(surowa), skorygowana = unname(coef(m)["trybweb"])), 2)
round(confint(m)["trybweb", ], 2)
Wynik w R
tryb
telefon     web 
    443     357 
telefon     web 
   54.4    37.2 
     surowa skorygowana 
       1.79        0.79 
 2.5 % 97.5 % 
  0.47   1.11 

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (bez dodatkowych pakietów). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/

Najczęstsze pytania

Czy mogę połączyć odpowiedzi z ankiety online i papierowej?

Możesz, ale zapisz tryb jako zmienną i sprawdź, czy wyniki od niego zależą. Różnica może wynikać z trybu albo z tego, kto wybrał którą wersję.

Który tryb daje najszczersze odpowiedzi na pytania drażliwe?

Zwykle tryby samodzielne, bez ankietera, np. ankieta internetowa. W badaniu z walidacją odpowiedzi dawała ona więcej ujawnień i trafniejsze odpowiedzi niż wywiad telefoniczny.

Jak najlepiej zbadać efekt trybu?

Losowo przydziel osoby do trybów, wtedy różnicę można przypisać trybowi. Bez losowania zostaje korekta o cechy związane z wyborem trybu, która nie usuwa selekcji nieobserwowanej.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Jäckle, A., Roberts, C., & Lynn, P. (2010). Assessing the effect of data collection mode on measurement. International Statistical Review, 78(1), 3–20. https://doi.org/10.1111/j.1751-5823.2010.00102.x
  2. Kreuter, F., Presser, S., & Tourangeau, R. (2008). Social desirability bias in CATI, IVR, and web surveys: The effects of mode and question sensitivity. Public Opinion Quarterly, 72(5), 847–865. https://doi.org/10.1093/poq/nfn063 ● Otwarty dostęp
  3. Vannieuwenhuyze, J., Loosveldt, G., & Molenberghs, G. (2010). A method for evaluating mode effects in mixed-mode surveys. Public Opinion Quarterly, 74(5), 1027–1045. https://doi.org/10.1093/poq/nfq059 ● Otwarty dostęp

Cytowania BibTeX

@article{jackle2010assessing, author={Jäckle, Annette and Roberts, Caroline and Lynn, Peter}, title={{Assessing the effect of data collection mode on measurement}}, journal={International Statistical Review}, year={2010}, volume={78}, number={1}, pages={3--20}, doi={10.1111/j.1751-5823.2010.00102.x}}
@article{kreuter2008social, author={Kreuter, F. and Presser, S. and Tourangeau, R.}, title={{Social desirability bias in CATI, IVR, and web surveys: The effects of mode and question sensitivity}}, journal={Public Opinion Quarterly}, year={2008}, volume={72}, number={5}, pages={847--865}, doi={10.1093/poq/nfn063}}
@article{vannieuwenhuyze2010method, author={Vannieuwenhuyze, J. and Loosveldt, G. and Molenberghs, G.}, title={{A method for evaluating mode effects in mixed-mode surveys}}, journal={Public Opinion Quarterly}, year={2010}, volume={74}, number={5}, pages={1027--1045}, doi={10.1093/poq/nfq059}}
R