Please enable JavaScript.
Coggle requires JavaScript to display documents.
抽樣方法 - Coggle Diagram
抽樣方法
抽樣架構須符合
不重複性
同一筆資料不要重複出現
正確性
確保名單資料完全正確
完整性
確認包含所有母體樣本
便利性
使用簡單，可讓研究者快速聯絡到樣本
樣本大小決定
通常使用產業標準，即一般業界常用的樣本數；或是請教相關行銷研究單位，或是使用公式
(Z1-a/2)^2 x(SD)^2/(P)^2；SD:標準差；Z:信賴度；P:可接受的誤差值
須先確定信賴水準(通常為95%)，確認後查出Z值
確認精確度，精確度為樣本值跟母體兩者可接受的最大誤差值
確認信賴水準
確認精確度
確認標準差
抽樣設計
非機率抽樣
便利抽樣
已便利為基礎來抽樣，已研究方便為主要考量(直接抓有意願回答的路人)，因不是隨機的，所以抽樣誤差極大，母體代表性不高，通常用於前試或初步了解市場狀況
判斷抽樣
依研究人員個人經驗挑選適合母體的樣本，研究人員需足夠了解母體，經常用於工業行銷，像是可直接選具代表性的廠商來判斷整個母體
滾雪球抽樣
先找具代表性的樣本進行訪談，爾後透過樣本轉介去尋找其他樣本，優點是有機率找到隱藏樣本，富人、窮人、特殊行業從業者，但是第一個樣本若選擇錯誤，將導致後續產生樣本偏誤
配額抽樣
將母體樣本分層後，抽到足夠數量樣本後就停止，不採取隨機抽樣
機率抽樣
系統隨機抽樣
將母體所有元素進行排列，再分成許多間隔，每固定單位間隔抽取樣本，在使用時編號須為無意義的，要不然可能會產生系統性誤差，像是認為4是不吉利的，抽的時候就故意跳過，進而導致抽樣誤差
分層隨機抽樣
將母體內同特質的次集合中抽取適當樣本，使用上須對母體資訊與抽樣架構皆很了解，根據母體特質來進行分層，再針對每層進行隨機抽樣，在資訊完全均等的情況下，比前兩個方法有更低的抽樣誤差
簡單隨機抽樣
母體中每個元素皆有相同機率抽中，針對所有母體樣本進行作編號，再透過亂數表，隨機進行抽取，優點在於簡單，缺點在於樣本所處的地區有極大的差異，通常為電話訪談的形式
集群隨機抽樣
先將母體樣本劃分成好幾個集群，再對集群進行抽樣
抽樣設計
機率抽樣
指抽樣過程不靠研究人員主觀的取樣及判斷，使用隨機方式抽選樣本，樣本抽中的機率完全相等，應盡量採取此類抽樣，才可以準確得到估計值，並推斷出抽樣誤差，進而估算信賴區間
非機率抽樣
指抽樣過程靠研究人員主觀的取樣及判斷，行銷人員經驗對抽樣結果有極大影響，並且無法估計母體每個樣本單位都有被選中的機率，相較機率抽樣，成本較低，也較易應用，缺點為較不具代表性
抽樣程序
界定母體
決定抽樣架構
決定抽樣設計
蒐集樣本資料
樣本出現率(incidence rate)
實際抽樣時能符合抽樣目標族群的機率，機率越低，抽樣成本越高；機率越高，抽樣成本越低
粗的出現率
僅找使用某一種產品的消費者訪問
淨出現率
粗出現率扣除特別規範條件後的的出現率