Słownik metodologiczny · Dobór próby

Próba kwotowa

Pełne wyjaśnienie, zastosowanie naukowe i praktyczne, przykład, dobre praktyki oraz gotowy zapis wyniku w APA 7.

Strona główna / Słownik / Próba kwotowa

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Próba kwotowa?

Próba kwotowa odtwarza ustalone udziały cech, ale wybór osób w kwotach zwykle nie jest losowy.
Co odróżnia to pojęcie? Próba kwotowa dobiera osoby nielosowo tak, aby osiągnąć ustalone liczebności w ważnych kategoriach, na przykład wieku i płci. Może poprawić zgodność rozkładów tych cech z populacją, lecz w obrębie kwot pozostaje podatna na selekcję. Nie zapewnia znanych prawdopodobieństw włączenia ani klasycznego błędu losowania. Raport musi podać źródło kwot i sposób rekrutacji.

Zastosowanie, warunki i dobre praktyki

Najważniejsze zastosowanie: Stosuj kwoty do kontrolowania wybranych cech struktury próby, ale nie utożsamiaj ich z losowym doborem wewnątrz kategorii.

Dobór kwotowy kontroluje liczebność wybranych kategorii, lecz jednostki wewnątrz kwot zwykle nie są losowane. Może poprawić strukturę próby względem kilku cech, ale nie daje znanych prawdopodobieństw włączenia; uogólnienia wymagają ostrożności i analizy możliwej autoselekcji.

Jak poprawnie stosować i interpretować hasło „Próba kwotowa”?

Przy ocenie pojęcia „Próba kwotowa” trzeba odróżnić populację docelową, ramę doboru i osoby faktycznie przeanalizowane. Przy ocenie hasła „Próba kwotowa” wielkość próby jest tylko jednym elementem jakości: sposób rekrutacji wyznacza ryzyko selekcji i zakres uogólnienia. W analizie dotyczącej hasła „Próba kwotowa” plan liczebności powinien wynikać z głównego parametru, wymaganej precyzji albo mocy dla najmniejszego ważnego efektu, a także uwzględniać odpływ i strukturę klastrów.

Ocena pojęcia „Próba kwotowa” obejmuje pokrycie populacji, odsetek odpowiedzi, różnice między uczestnikami i osobami utraconymi oraz zgodność liczebności z planem. Dla interpretacji hasła „Próba kwotowa” wagi mogą korygować znane różnice, lecz nie usuwają automatycznie selekcji według cech niezmierzonych. W odniesieniu do hasła „Próba kwotowa” dla doboru złożonego analiza musi zachować informację o warstwach, klastrach i prawdopodobieństwach włączenia.

Co trzeba opisać w raporcie?

Opis pojęcia „Próba kwotowa” powinien podać populację, kryteria włączenia, kanały rekrutacji, okres zbierania danych, liczebność na każdym etapie i uzasadnienie planowanego N. Przy ocenie hasła „Próba kwotowa” należy wskazać odpływ, wyłączenia oraz sposób uwzględnienia schematu doboru. W analizie dotyczącej hasła „Próba kwotowa” określenie „reprezentatywna” wymaga konkretnych dowodów, nie samej dużej liczby osób.

Zakres raportowania dla hasła „Próba kwotowa”: Podaj miejsce, czas, kryteria, sposób rekrutacji, przepływ i ograniczenia uogólnienia.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Rekrutację prowadzono do wypełnienia kwot wieku i płci zgodnych ze spisem. Wewnątrz każdej kwoty uczestnicy zgłaszali się sami, więc dobór nie stał się losowy.

Jak ją zinterpretować: Kwoty odtwarzają wybrane marginesy populacji, ale wewnątrz nich dobór pozostaje nielosowy. Zgodność wieku i płci nie gwarantuje zgodności cech związanych z wynikiem, dlatego klasyczne błędy losowania wymagają ostrożności.

Najczęstsza pułapka i granica interpretacji

Wypełnienie kwot dla kilku cech nie daje znanych prawdopodobieństw włączenia ani losowości wewnątrz komórek.

Duża „Próba kwotowa” zmniejsza część niepewności losowej, ale nie usuwa systematycznego obciążenia rekrutacji ani błędu pomiaru. Dla interpretacji hasła „Próba kwotowa” uogólnienie jest uzasadnione przez projekt doboru, a nie przez samą liczebność.

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Lakens, 2022).

Powiązane hasła

Podwójnie ślepa próbaPróbaPróba losowaMoc testuPlan SalomonaPopulacja

Poradniki, w których użyjesz tego pojęcia

Poradnik

Wartość p: co naprawdę oznacza i jak ją poprawnie interpretować

Wartość p bez mitów: definicja, interpretacja, typowe błędy oraz sposób raportowania wraz z wielkością efektu i przedziałem ufności.

Czytaj →Poradnik

Regresja logistyczna: założenia, interpretacja i raportowanie modelu

Regresja logistyczna w praktyce: założenia, iloraz szans, diagnostyka, kalibracja, AUC oraz zasady rzetelnego raportowania modelu.

Czytaj →Poradnik

Modelowanie równań strukturalnych (SEM): od teorii do raportu

SEM bez skrótów myślowych: model pomiarowy i strukturalny, CB-SEM a PLS-SEM, dopasowanie, założenia oraz raportowanie wyników.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Oferta dla badaczyOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Lakens, D. (2022). Sample size justification. Collabra: Psychology, 8(1), 33267. https://doi.org/10.1525/collabra.33267
  2. Maxwell, S. E., Kelley, K., & Rausch, J. R. (2008). Sample size planning for statistical power and accuracy in parameter estimation. Annual Review of Psychology, 59, 537–563. https://doi.org/10.1146/annurev.psych.59.103006.093735
  3. Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
  4. Lang, T. A., & Altman, D. G. (2015). Basic statistical reporting for articles published in biomedical journals: The SAMPL guidelines. International Journal of Nursing Studies, 52(1), 5–9. https://doi.org/10.1016/j.ijnurstu.2014.09.006
  5. Wilkinson, L., & Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594
  6. Altman, D. G. (2015). Making research articles fit for purpose: Structured reporting of key methods and findings. Trials, 16, 53. https://doi.org/10.1186/s13063-015-0575-7

Cytowania BibTeX

@article{lakens2022sample, author={Lakens, Daniël}, title={Sample size justification}, journal={Collabra: Psychology}, year={2022}, volume={8}, number={1}, pages={33267}, doi={10.1525/collabra.33267}}
@article{maxwell2008samplesize, author={Maxwell, Scott E. and Kelley, Ken and Rausch, Joseph R.}, title={Sample size planning for statistical power and accuracy in parameter estimation}, journal={Annual Review of Psychology}, year={2008}, volume={59}, pages={537--563}, doi={10.1146/annurev.psych.59.103006.093735}}
@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}
@article{lang2015sampl, author={Lang, Thomas A. and Altman, Douglas G.}, title={Basic statistical reporting for articles published in biomedical journals: the SAMPL guidelines}, journal={International Journal of Nursing Studies}, year={2015}, volume={52}, number={1}, pages={5--9}, doi={10.1016/j.ijnurstu.2014.09.006}}
@article{wilkinson1999statistical, author={Wilkinson, Leland and {Task Force on Statistical Inference}}, title={Statistical methods in psychology journals: Guidelines and explanations}, journal={American Psychologist}, year={1999}, volume={54}, number={8}, pages={594--604}, doi={10.1037/0003-066X.54.8.594}}
@article{altman2015reporting, author={Altman, Douglas G.}, title={Making research articles fit for purpose: structured reporting of key methods and findings}, journal={Trials}, year={2015}, volume={16}, pages={53}, doi={10.1186/s13063-015-0575-7}}
R