صورت مسئله
یکی از تصمیم‌های پرریسک، انتخاب حجم نمونه فقط با تقلید از پایاننامه قبلی یا یک قاعده عمومی است. حتی اگر عدد نهایی درست به نظر برسد، نبود منطق نمونهگیری میتواند اعتبار نتیجه و دامنه تعمیم آن را زیر سؤال ببرد.
1. اول جامعه هدف را دقیق تعریف کن
مشخص کن نتیجه قرار است درباره چه کسانی یا چه واحدهایی صحبت کند. معیار عضویت در جامعه، محدوده زمانی و جغرافیایی و ویژگی‌های مرتبط را بنویس. جامعه مبهم باعث می‌شود بعداً مشخص نباشد نمونه از چه چیزی نمایندگی می‌کند.
2. چارچوب نمونهگیری را از جامعه جدا کن
جامعه هدف با فهرست افرادی که واقعاً امکان نمونهگیری از آن‌ها وجود دارد یکسان نیست. فاصله میان این دو را ثبت کن؛ مثلاً ممکن است جامعه همه کارکنان یک صنعت باشد اما چارچوب در دسترس فقط چند سازمان همکار را پوشش دهد.
3. روش نمونهگیری را با محدودیت واقعی انتخاب کن
نمونهگیری احتمالی و غیراحتمالی هرکدام پیامدهایی برای تعمیم دارند. اگر به‌دلیل دسترسی از روش در دسترس استفاده می‌کنی، آن را شفاف گزارش کن و نتیجه را فراتر از شواهد تعمیم نده.
4. حجم نمونه را بر اساس طراحی و تحلیل توجیه کن
مبنای عدد میتواند برآورد دقت، توان آماری، پیچیدگی مدل یا الزامات روش کیفی باشد. بهتر است منطق تصمیم و فرض‌های آن را ثبت کنی و برای ریزش یا پاسخ ناقص نیز حاشیه واقع‌بینانه در نظر بگیری.
از «جامعه» تا «نمونه نهایی» چند لایه متفاوت وجود دارد
جامعه هدف گروهی است که می‌خواهی نتیجه درباره آن معنا داشته باشد، اما معمولاً دسترسی مستقیم به همه اعضای آن ممکن نیست. جامعه در دسترس یا چارچوب نمونهگیری بخش واقعی‌ای است که می‌توانی از آن نمونه بگیری. بعد نمونه دعوت‌شده، پاسخ‌دهندگان و در نهایت مواردی که وارد تحلیل می‌شوند ممکن است تعدادهای متفاوتی داشته باشند. گزارش این لایه‌ها کمک می‌کند خواننده بداند ریزش و محدودیت دسترسی کجا رخ داده است.
اگر این مراحل با هم مخلوط شوند، عدد حجم نمونه ظاهراً دقیق اما از نظر تعمیم مبهم می‌شود. مثلاً داشتن ۳۰۰ پاسخ زمانی معنای متفاوتی دارد که از فهرست کامل جامعه به‌صورت تصادفی انتخاب شده باشند یا از یک لینک عمومی و داوطلبانه جمع شده باشند. اندازه نمونه فقط یکی از اجزای کیفیت است؛ نحوه رسیدن به آن عدد نیز باید روشن باشد.
حجم نمونه را با تحلیل و عدم قطعیت پیوند بده
انتخاب حجم نمونه باید به هدف مطالعه و نوع تحلیل مربوط باشد. برای برآورد یک نسبت، مقایسه گروه‌ها، رگرسیون یا مدل‌های پیچیده نیازهای متفاوتی وجود دارد و فرض‌هایی مثل اندازه اثر مورد انتظار، پراکندگی یا دقت مطلوب روی عدد اثر می‌گذارند. استفاده از یک قاعده عمومی بدون اشاره به این مفروضات دفاع‌پذیری را کم می‌کند.
بهتر است مبنای محاسبه را ثبت و سناریوهای ریزش یا داده ناقص را هم در برنامه ببینی. اگر برای رسیدن به تعداد نهایی باید افراد بیشتری دعوت شوند، این موضوع باید قبل از شروع جمع‌آوری داده روشن باشد. در پژوهش کیفی نیز منطق نمونه متفاوت است و تمرکز بیشتر بر غنای اطلاعات، تنوع تجربه و رسیدن به کفایت داده قرار می‌گیرد تا یک فرمول واحد.
نمونه گزارش شفاف جریان نمونه
فرض کن جامعه هدف کارکنان یک صنعت است اما پژوهشگر فقط به پنج شرکت همکار دسترسی دارد. این پنج شرکت چارچوب در دسترس را می‌سازند و باید در محدودیت تعمیم دیده شوند. از میان افراد واجد شرایط، تعداد مشخصی دعوت می‌شوند، بخشی پاسخ می‌دهند و پس از بررسی داده ناقص، نمونه نهایی تحلیل شکل می‌گیرد.
گزارش هر مرحله باعث می‌شود داور بفهمد تفاوت میان عددهای مختلف از کجا آمده و آیا حذف‌ها منطقی بوده‌اند. اگر فقط عدد نهایی نوشته شود، نمی‌توان درباره احتمال سوگیری عدم پاسخ یا مسیر انتخاب نمونه قضاوت کرد.
نرخ پاسخ و ریزش را از همان ابتدا جزو طراحی حساب کن
اگر برای تحلیل به تعداد مشخصی داده کامل نیاز داری، دعوت‌کردن دقیقاً همان تعداد نفر معمولاً برنامه امنی نیست. بخشی از افراد پاسخ نمی‌دهند، بعضی پرسشنامه‌ها ناقص‌اند و در مطالعات طولی ممکن است افراد بین مراحل خارج شوند. پیش از شروع، سناریوهای خوش‌بینانه و بدبینانه برای نرخ پاسخ بساز و ببین برای رسیدن به نمونه نهایی باید چه تعداد فرد در دسترس باشد. این برنامه‌ریزی از توقف پروژه در انتهای جمع‌آوری داده جلوگیری می‌کند.
در گزارش نهایی نیز نرخ پاسخ فقط یک درصد تشریفاتی نیست. اگر عدم پاسخ بالا یا الگوی ریزش جهت‌دار باشد، ممکن است نمونه نهایی با جامعه در دسترس تفاوت پیدا کند. تا جایی که داده اجازه می‌دهد ویژگی پاسخ‌دهندگان و موارد از‌دست‌رفته را بررسی و محدودیت احتمالی را توضیح بده. عدد بزرگ نمونه زمانی ارزش بیشتری دارد که بدانیم چگونه به دست آمده و چه کسانی در مسیر حذف شده‌اند.
نقشه اجرایی
- جامعه هدف و جامعه در دسترس را جدا تعریف کن.
- روش انتخاب افراد از چارچوب نمونهگیری را توضیح بده.
- مبنای حجم نمونه و مفروضاتش را ثبت کن.
- ریزش، عدم پاسخ و داده ناقص را از قبل در نظر بگیر.
- تعداد دعوت‌شده، پاسخ‌داده و تحلیل‌شده را جدا گزارش کن.
خطاهای رایج
- استفاده از یک جدول یا فرمول بدون بررسی مفروضات
- یکی دانستن جامعه هدف و جامعه در دسترس
- تعریف حجم نمونه پس از دیدن نتیجه مطلوب
- نادیده گرفتن عدم پاسخ یا داده ناقص
چک‌لیست
پرسش‌های متداول
آیا نمونه بزرگتر همیشه بهتر است؟
نمونه بزرگ میتواند دقت را افزایش دهد، اما طراحی بد، سوگیری انتخاب یا ابزار ضعیف را درمان نمیکند. کیفیت نمونهگیری و تناسب با تحلیل هم مهماند.
میتوانم از حجم نمونه پایاننامه مشابه استفاده کنم؟
بهعنوان نقطه مقایسه شاید مفید باشد، اما مبنای کافی نیست؛ طراحی، جامعه، اندازه اثر مورد انتظار و روش تحلیل ممکن است متفاوت باشند.
اگر بخشی از پرسشنامه‌ها ناقص بود چه کنم؟
قاعده برخورد با داده ناقص را پیشاپیش تعریف کن و تعداد موارد حذف یا نگه‌داشته‌شده را شفاف گزارش کن؛ تصمیم پس از دیدن نتایج خطر سوگیری دارد.
اگر جامعه کوچک باشد باید سرشماری کنم؟
گاهی بررسی همه اعضای در دسترس منطقی است، اما باز هم مسئله عدم پاسخ و کیفیت داده وجود دارد. تصمیم را بر اساس هدف، اندازه جامعه و امکان اجرا توجیه کن.
آیا می‌توان بعداً برای افزایش معناداری نمونه بیشتری جمع کرد؟
افزایش نمونه صرفاً بعد از دیدن نتیجه و برای رسیدن به معناداری میتواند سوگیری ایجاد کند. برنامه حجم نمونه و قواعد توقف بهتر است پیش از تحلیل اصلی مشخص باشند.
منابع و مطالعه بیشتر
برای بررسی دقیق‌تر این موضوع، این منابع معتبر و مرتبط را ببینید:
- Sample Size JustificationLakens, 2022 — Collabra: Psychology
- Preparing a Manuscript for Submission to a Medical JournalICMJE Recommendations, updated 2026