KVANTITATIVNE I KVALITATIVNE METODE ZNANSTVENOG ISTRAIVANJA

1

KVALITATIVNA I KVANTITATIVNA ISTRAIVANJA

Faze kvalitativnog istraivanja Proces kvalitativnog istraivanja podijeljen je u nekoliko faza koje su svojstvene naravi kvalitativnog istraivanja. Kao prvu fazu u procesu kvalitativnog istraivanja izdvajamo istraivaa kao multikulturalni subjekt koji mora biti svjestan povijesti i istraivake tradicije te imati razvijene koncepcije o sebi i drugima i mora poznavati etiku i politiku istraivanja. Druga faza je razmatranje teoretskih paradigmi i perspektiva od pozitivizma, postpozitivizma, konstruktivizma, feminizma, etnikih modela te radikalnih i crosskulturalnih modela. Slijedea faza su strategije istraivanja i interpretativne paradigme, a ova faza zapoinje s nacrtom istraivanja koji opisuje fleksibilan set natuknica koji povezuje teorijske paradigme sa strategijama istraivanja i metodama prikupljanja empirijskog materijala. Strategije istraivanja ukljuuju studij sluaja, sudjelujue promatranje, fenomenologijske i etnometodologijske tehnike te uporabu utemeljene teorije, akcijska, aplikativna i klinika istraivanja. etvrtu fazu ine metode prikupljanja i analiziranja empirijskih podataka poput istraivakog intervjuiranja , promatranja, vizualne metode, osobne iskustvene metode, metoda upravljanja podacima, kompjuterske i tekstualne analize. Posljednja faza je upravo in interpretacije i prezentacije koji u konanici rezultira javnim tekstom koji dolazi do itatelja. Kvalitativni istraiva mora primjenjivati svestrane metode, a osnovni princip koga se dri jest taj da ni jedno istraivanje ne moe dati precizan recept za rjeenje svakog socijalnog problema. Istraiva odabire problem odnosno predmet istraivanja, a taj izbor mora biti pragmatian, strategijski i samorefleksivan. Istraiva treba u svome radu koristiti to iru skalu metodologijskih sredstava i postupaka jer kombinacija razliitih metoda, paradigmi i perspektiva moe osigurati2

veu tonost, irinu i dubinu znanstvenom istraivanju. Izbor metoda, postupaka i nacrta istraivanja koja e primjenjivati u svome radu, takoer su istraivaeva odgovornost. Istraiva mora znati da je kvalitativno istraivanje interaktivan proces koji se takoer oblikuje unutar osobne biografije istraivaa, spola, socijalne klase, rase i etniciteta kao i osebujnim znaajkama onih koje prouava te mora raditi unutar etikih normi odreenih drutava i znanosti uope te je uloga istraivaa u kvalitativnim istraivanjima i rezultatima tih istraivanja mnogo vea od one u kvantitativnim istraivanjima. Kvalitativna analiza Kvalitativnim nainom analize odreujemo svojstva predmeta istraivanja te se sluimo dvama glavnim postupcima, a to su: komparacija i diferencijacija. Kod komparacije usporeujemo predmete istraivanja da bismo u postupku diferencijacije mogli utvrditi po emu se oni razlikuju. Ovi postupci nam na kraju daju i glavne rezultate istraivanja: deskripciju, klasifikaciju i definiciju. Deskripcija je opis predmeta istraivanja te je ona bolja ukoliko je potpunija i sistematinija. Klasifikacija je postupak razvrstavanja predmeta u kategorije prema odreenim kriterijima koji se moraju uklapati u hipoteze istraivanja. Definicija je najvii domet kvalitativne analize. Definirati neki pojam znai svrstati ga pod najblii rodni pojam te utvrditi neke osobine po kojima se on razlikuje od svih njemu koordiniranih pojmova. promatranje

3

Promatranje je metoda kojom prikupljamo podatke o kompleksnim osobinama i dinamici grupa u cjelini.

Promatranje za razliku od pukog gledanja jest strukturirana aktivnost

Promatra se odabrani uzorak

Promatra se prema planu promatranja

Vodi se evidencija o uoenom

U odreivanju sadraja promatranja najvanije a i najtee je utvrditi objektivne indikatore pojedinih zbivanja. Pronalaenje i uoavanje ovih indikatora mogue je tako da se posluimo metodom 'impresije', odnosno tako da tako da preliminarnim istraivanjem utvrdimo neke objektivne indikatore. Tako na primjer shema R. Balesa za promatranje malih grupa nudi niz objektivnih indikatora kojima je mogue utvrditi objektivne indikatore grupne dinamike. Balesova shema objektivnih indikatora za prouavanje malih grupa daje elemente kojim se promatranje moe strukturirati i objektivizirati.

Mnogo tea je situacija kada promatramo ljudske skupine ili socijalne situacije o kojima imamo samo pribline i sasvim nejasne predodbe. Kako stvoriti plan promatranja i sustavno promatrati takove skupine i4

takove situacije. I. Chain i M. Jahoda su za ove situacije predloili popis elemenata koji se moraju uvrstiti u svaki plan promatranja. Dakle bez obzira koga ili to emo promatrati, plan promatranja mora obuhvatiti:

Sudionike njihov prostorni raspored i vrstu sudjelovanja u promatranim aktivnostima Posljedice interakcije meu sudionicima da li su sudionici svjesni posljedica svojih socijalnih akcija, te da li djeluju voeni istim, slinim ili razliitim ciljevima. Sredstva koja su upotrijebljena u interakciji i prema cilju usmjerenoj aktivnosti upotrijebljena i postojea ali neupotrijebljena sredstva, njihova prikladnost za postizanje ciljeva, te nain njihove uporabe mogu biti znaajni za razumijevanje grupne dinamike.

Poseban je problem prouavanja zajednice ija je kultura sasvim razliita od one promatraa je postoji mogunost krivog tumaenja motivacija, posljedica i upotrijebljenih sredstava.

Promatra moe u odnosu na grupu koju promatra biti skriven, to jest grupa ne zna da je promatran, i javan kada grupa zna i razumije to to on radi. Odnosno promatra moe sudjelovati ili ne sudjelovati u aktivnostima grupe. Dakle mogue su etiri meusobno sasvim razliite situacije promatranja: skriveno sa sudjelovanjem, skriveno bez sudjelovanja, javno sa sudjelovanjem i javno bez sudjelovanja. Budui da prisutnost promatraa moe znatno izmijeniti uobiajeni tijek zbivanja na razne se naine nastoji da se promatra ili ukljui u drutvenu situaciju koju promatra ili da se na neki nain prikrije njegova nazonost. Problem s aktivnim ukljuivanjem istraivaa svakako je u tome to to smanjuje njegovu objektivnost, dok je problem skrivenog promatranja u bezobzirnosti prema pravu ljudi na5

privatnost. Premda ima sluajeva skrivenih promatranja ono se smatra neetinim te u tom smislu neprihvatljivim za znanost. Tako premda prisutnost promatraa djeluje na promatranu situaciju smatra se da je ovo etiki prihvatljiv nain istraivanja i razliitim se metodama nastoji osigurati njegovo to manje remeenje promatrane situacije i njegova objektivnost. Tako su za opaanje malih grupa izraeni itavi sustavi koji mogu pomoi istraivau, dok je za promatranje velikih grupa znatno tee izgraditi sheme promatranja. Razvijene su posebne metode za prouavanje velikih grupa poput metode dnevnika i metode kompleksnih terenskih istraivanja. Bogardusova skala socijalnog odstojanja (socijalne distance) Jedna od prvih ljestvica za mjerenje stavova je bila Bogardusova ljestvica ''socijalnog odstojanja '' ili ''socijalne distance''. Bogardus je konstruirao prvu skalu koja je iroko prihvaena kao pouzdana mjera socijalne distance. Socijalna distanca se moe operacionalizirati kao etnika/rasna, klasna, religijska itd. distanca, ovisno o tome koji je predmet mjerenja. Bogardus je pri konstruiranju skale socijalne distance primjenio Thurstoneovo tehniku jednakih intervala (equal-appearing intervals method) tako da se njegova skala, tj. inaica skale koju je koristio od 1933. godine pa nadalje, moe u jednu ruku smatrati i svojevrsnom skalom Thurstoneovog tipa: 1. Sakupljen je niz od 60 tvrdnji koje su opisivale razliite oblike drutvenih odnosa: unutar obitelji, drutvenih grupa, susjedstva, crkvenih zajednica, kola, politikih, profesionalnih i nacionalnih grupa, i tako dalje. 2. Tvrdnje su proene skupini sudaca koji su rangirali svaku od tvrdnji prema jaini socijalne distance. Tvrdnje su rangirane u 7 skupina, ovisno o stupnju distance; Bogardus je odluio smanjiti broj kategoriziranih skupina, kojih je pri konstruiranju Thurstoneove skale bilo 11, zbog toga jer je smatrao da ''obian ovjek'' ne moe jasno razlikovati vie od 7 stupnjeva kad je rije o takvome materijalu. Sucima je dozvoljeno da nakon prvog klasificiranja pregledaju skupine i izvre reklasifikaciju ako to smatraju potrebnim.6

Naravno, u sluaju da je neki sudac u jednu skupinu svrstau previe tvrdnji (vie od 15), njegova klasifikacija ne bi bila uzeta u obzir. 3. Dobivena skalna vrijednost pojedine tvrdnje je jednaka artimetikoj sredini rezultata tj. rangu kojeg su joj dodijelili suci. 4. Da bi se dobila ekvidistantna skala , odabrane su tvrdnje koje su imale najniu skalnu vrijednost, dakle 1.00, 2.00, 3.00, 4.00, 5.00, 6.00 i 7.00. Tvrdnje su ureene tako da imaju ujednaene formulacije Primjena skale socijalne distance Bogardusova skala socijalne distance se moe primjenjivati pri mjerenju razliitih tipova socijalne distance, bilo da je rije o rasnoj, regionalnoj, vjerskoj, spolnoj, dobnoj, politikoj, klasnoj distanci ili pak distanci prema raznim manjinama poput invalida, ljudi s nekakvim tjelesnim manama, alkoholiarima,bivim zatvorenicima itd. Ispitanicima se skala prezentira uz poetnu uputu: da ispune upitnik to slobodnije i iskrenije mogu, da daju odgovore brzo, bez razmiljanja, u skladu s prvom reakcijom na odreenu rasu, vjersko opredijeljenje, zanimanje i slino, jer e time rezultati biti vrijedniji. U uputi je najee objanjen pojam socijalne distance te se od ispitanika konkretno trai da stave krii u svaki kvadrati za svaku rasu/vjeru/ zanimanje itd. u skladu sa svojim stavovima/osjeajima. Osgoodova metoda semantikog diferencijala Psiholog i komunikacijski uenjak, Charles E. Osgood, razvio je instrument za mjerenje konotativne dimenzije znaenja. Osgoodov semantiki diferencijal polazi od pretpostavke da pojedini meusobno suprostavljeni pojmovi sadre razliiti stupanj pozitivnog, odnosno negativnog emocionalnog znaenja. Metoda semantikog diferencijala je nastala na osnovi ljetvica koje pomou crte predouju promjene varijable. Krajevi crta predouju maksimalne promjene varijable, a svaki poloaj izmeu oznaava meuintenzitet. Ispitanik oznakom na crti ( ili zaokruivanjem brojke na skali brojeva) odreuje intenzitet i smjer svog stava.7

Na krajevima crta se nalaze odreeni kontrastni atributi poput dobarzao, lijep-ruan, snaan-slab, itd. Ovom se metodom mogu zahvatiti 3 dimenzije: Evalutivna dimenzija - (dobar- lo, topao-hladan, svje- ustajao,...) Dimenzija aktivnosti - (aktivan-pasivan, napet-oputen,...) Dimenzija sposobnosti (potencije) (jak- slab,...) Ova metoda osigurava spontanost ispitanikovih odgovora pa je pogodna za ispitivanje stavova i miljenja o razliitim stvarima. Ljestvica Thurstonovog tipa Ovaj tip ljestvice je stvorio poznati ameriki psiholog Louis Leon Thurstone; ljestvica Thurstonova tipa se koristi za ispitivanje stavova, a teorijski se moe upotrijebiti za ispitivanje bilo kojeg drutvenog problema ili situacije.

Konstrukcija ljestvice Thurstonova tipa autor izvornika: Ana Petri 1. definiranje varijable koju elimo mjeriti 2. prikupljanje velikog broja jednostavnih sudova, tvrdnji ili izreka o predmetu istraivanja (npr. 80-100); sudove moemo preuzeti iz razliitih izvora: literature, tiska, razliitih publikacija, razgovora s poznanicima itd. 3. prikupljene tvrdnje se zatim daju poveoj grupi strunjaka ili sudaca da ih procijene s obzirom na poloaj tvrdnji u jednom kontinuumu stava izmeu jedne krajnosti i druge. Prikupljene tvrdnje se iznose pred svakog suca te se od svakog od njih zatrai da sve tvrdnje svrstaju, prema vlastitome stavu, na kontinuumu od 1 do 11, ali tako da sudovi koje svrstaju pod 1 izraavaju krajnje negativno stajalite/miljenje prema predmetu/pojavi/skupinama itd., a sudove koje svrstaju pod 11, krajnje pozitivno stajalite prema istom objektu. 4. nakon to skupina sudaca razvrsta niz tvrdnji uz pomo 11 kartica, za svaku tvrdnju odreuje se ljestvina vrijednost uz pomo medijana distribucije procjena sudaca za tu tvrdnju.8

Rauna se pomou formule: S = l + (.50 - SUMpb/pw)i , Gdje je S - medijan ili skalna vrijednost tvrdnje l - donja granica medijalnog razreda SUMpb- suma proporcija ispod medijalnog razreda pw proporcija unutar medijalnog razreda i interval razreda Za mjeru varijabilnosti u distribuciji procjena sudaca koristi se i interkvartilni raspon (Q) i mjera je rasprenja srednjih 50% procjena (rezultata). Kada postoji slaganje izmeu sudaca u procjeni stava koji izraava neka tvrdnja i njegovoj kategorizaciji, interkvartilni raspon je manji, a veliki Q ukazuje na neslaganje sudaca u prosudbi neke tvrdnje koja je u tom sluaju, najvjerojatnije loe formulirana te se moe dvosmisleno tumaiti. Tvrdnje za koje ne postoji dovoljna suglasnost meu sucima se odbacuju 5. ljestvine vrijednosti se pridaju svakoj zadranoj tvrdnji izraunatom pomou medijana na ljestvici za taj sud. 6. konaan izbor tvrdnji(20- 30) koje trebaju biti to ravnomjernije rasporeene du mjernoga kontinuuma.

Ispitanicima se prezentira konana skala od niza 20 do 30 zadranih tvrdnji te se od njih zatrai da oznae sve tvrdnje s kojima se slau. Rezultat ispitanika na skali je jednak artimetikoj sredini (ili medijanu) skalnih vrijednosti svih tvrdnji s kojima se sloio. Uvod i definicija Likertove skale Pri istraivanju stavovske strukture ispitanika, skala koja se najee koristi pri ispitivanju stavova je Likertova skala. Razlog tome lei u injenici da je lake konstruirati takvu skalu za razliku od Guttmanove, Thurstonove ili drugih skala kojima elimo mjeriti stavovsku strukturu ispitanika. Likertova skala je psihometrijska skala kojim pokuavamo doznati stupanj slaganja, odnosno neslaganja ispitanika s nekom tvrdnjom (njegov stav prema nekoj tvrdnji) na kontinuumu od apsolutno9

pozitivnog prema apsolutno negativnom stavu prema predmetu istraivakog interesa. Primjenjuje se u istraivanjima koja koriste metodu ankete (ili strukturirani intervju) za prikupljanje podataka. Skalu je konstruirao Rensis Likert, te je opisao u radu Tehnika mjerenja stavova 1932. godine u asopisu Archives of Psychology. Osim slaganja, ispitanik na skali procjene moe procjenjivati uestalost, kvalitetu, vanost i druge konstrukte. Najee se skala procjene sastoji od 5 stupnjeva (prema Likertu), a rjee od 7 ili 9 stupnjeva. Shodno navedenom, Likertovu skalu moemo definirati kao skup tvrdnji (estica) s kojima ispitanik izraava slaganje, odnosno neslaganje na skali procjene. Slaganje s tim tvrdnjama se smatra indikatorom nekog latentnog stava kojeg ne moemo izravno ispitivati. Format Likertove skale Skala ne mora uvijek sadravati 5, 7 ili 9 stupnjeva. Ovisno o motivima istraivanja, ispitanicima moemo predoiti i skalu bez opcije neutralnog stava prema predmetu istraivanja. U literaturi se takav oblik Likertove skale jo zove i skala prinudnog izbora, a razlikuje se od skale sa 5/7/9 ponuenih opcija u nepostojanju neutralnog (sredinjeg) stupnja. To je opravdano kada ispitujemo stavove spram neke osjetljive teme, a za koju pretpostavljamo da bi veina ispitanika dala neutralne odgovore. Ipak, mnogi metodolozi sumnjaju u opravdanost takvog postupka smatrajui kako je korektno ponuditi ispitanicima i opciju neutralnog stava spram neke tvrdnje jer ispitanici doista mogu imati neutralan stav. Predlae se pomicanje neutralne kategorije na poetak ili kraj kontinuuma kako bi se izbjegla sklonost davanju neutralnih procjena. Zagovornici skale s parnim brojem ponuenih opcija (bez neutralne opcije) smatraju kako je neutralan stav prema nekoj tvrdnji rijetka pojava jer istraivanju preteno pristupaju oni ispitanici koji imaju negativno ili pozitivno iskustvo spram mjerene pojave. Skala procjene je prividno ekvidistantna, kao i ostale ordinalne skale. Kaemo da je prividno ekvidistantna jer razlika meu stupnjevima slaganja/neslaganja ne mora uvijek biti jednaka. Zbog statistike obrade podataka je tretiramo kao intervalnu ili omjernu skalu te10

pretpostavljamo ekvidistantnost izmeu kategorija. Likert i Murphy su 1938. odstupanja nekih ispitanika od prosjeka izraunavali pomou sigma-skorova kako bi dokazali ekvidistantnost skale od 1 do 5 i dobili korelaciju u rasponu od .987 do .995 izmeu sigma-skorova i proizvoljnih bodova. Nalaze tih istraivanja su potvrdili i Rundquist i Sletto 1936. godine (Supek,1968: 290). Zbog robusnosti statistikih procedura pretpostavljena ekvidistantnost se smatra opravdanom. Broj sidara moe varirati, tako da skala procjene moe imati stupnjeva koliko sam istraiva odredi. Ipak, iako je broj stupnjeva skale ovisan o izboru istraivaa i predmetu istraivanja, kao i o veliini uzorka, smatra se da je uputnije upotrebljavati vei broj stupnjeva skale procjene samo u sluaju veih uzoraka zbog jae diskriminativne snage instrumenta (Jurii, 2005).

Konstruiranje skale Likertovog tipa autor izvornika: Maja Jurii Konstruiranje ljestvice, odnosno skale Likertovog tipa poinje definiranjem predmeta mjerenja. Pretpostavka skala Likertovog tipa jest unidimenzionalnost: postoji samo jedan predmet mjerenja kojega mjerimo na jednom kontinuumu. Da bi se istraio sloeni konstrukt s nekoliko razmjerno neovisnih aspekata potrebno je nekoliko Likertovih skala. estice skale- najee su to tvrdnje koje izraavaju stavove prema nekom objektu trebaju biti takve da ih je mogue evaluirati na skali procjene (najee: od 1 uope se slaem do 5 potpuno se slaem). Tvrdnje trebaju biti jasne, kratke, nedvosmislene i bez vie pojmova koje bi ispitanici mogli shvatiti kao objekt procjene. Inicijalno je potrebno formulirat veliki broj estica (stotinjak). Najee se koriste skale procjene od 4 i 5 stupnjeva. Rjee se rabe i skale procjene od 7 ili vie stupnjeva (razumno ih je koristiti samo na velikim uzorcima). Skala procjene je ekvidistantna, to je Likert ustanovio tek nakon to je utvrdio visoku korelaciju (0.99) rezultata dobivenih na temelju sigma skorova i primjenom skale 1 5. Prvo11

se obavlja inicijalna procjena formuliranih estica, odnosno pretestiranje instrumenata. Formulirane estice daju se na procjenu osobama slinima populaciji koje ih procjenjuju na isti nain kako e to kasnije initi i ispitanici (skala procjene 1- 5). Odabir estica vri se na temelju vri se na temelju njihove diskriminativne snage (diskriminativne moi), tj. sposobnosti to boljeg razlikovanja ispitanika s visokim i niskim ukupnim rezultatom na skali. Ispitanici na temelju skale procjene (1 5 i sl.) iskazuju stupanj slaganja/neslaganja sa svakom od tvrdnji. Rezultat ispitanika na skali jednak je zbroju rezultat na pojedinim esticama ( zato se skale toga tipa nazivaju Sumated Rating Scales). Prednosti Likertovih skala su:

-razmjerno obuhvatno mjerenje konstrukta preko niza estica -laka konstrukcija u odnosu na Thurstonea, Guttmana i druge tehnike skaliranja -uestala, lako razumljiva ispitanicima diskriminativnost (veliki raspon rezultata) mogunost sadrajno bogate interpretacije

Potekoe koje se javljaju pri upotrebi skala Likertovog tipa su jednaki ponder svih estica i unidimenzionalnost, koja je esto problematina.

Ljestvica ocjenjivanja autor izvornika: Maja Jurii Kod ljestvica ocjenjivanja procjenu intervala izmeu pojedinih stupnjeva ili kategorija preputamo intuiciji samih ispitanika, i to je glavna razlika izmeu njih i ljestvica rangiranja (npr. Likertova). Razlikujemo vie vrsta. U numerikoj ljestvici predouje se ispitaniku niz brojaka koje nose i verbalnu kvalifikaciju. Uz broj, nalazi se i opis kvalifikacije ovog12

broja, za koji se ispitanik mora odluiti u ocjeni nekog predmeta. Jedan tip ovakve ljestvice koja se upotrebljava u afektivnom ocjenjivanju osjetilnih podraaja ili estetskih predmeta ( npr. Najugodnije to mogu zamisliti). Numerike ljestvice vrlo su korisne jer se lako obraunavaju, prikladne su za mnoga ispitivanja gdje predmet kao takav ne trai detaljni opis ili produbljeniju analizu. Grafike ljestvice postoje u razliitom obliku. Njihov osnovni element linija koja predouje kontinuum jednog miljenja ili stava. Ona moe biti isprekidana ili besprekidna. Osim ovih horizontalnih linija postoje i vertikalne linije. Smatra se da je uporaba besprekidnih linija povoljnija od isprekidanih, kao i da su vertikalne linije pogodnije od horizontalnih, te da lake motiviraju ispitanike, jer izgledaju zanimljivije ali da su sposobne za toliko fino razluivanje koliko je ocjenjiva sposoban izvriti. Metode kontrolnih lista Metode kontrolnih lista se vrlo mnogo upotrebljava za ocjenu radnih osobina ovjeka u poslu. Takve ljestvice su se pokazale vrlo korisne u ocjenjivanju sloenih zadataka unutar jednog poduzea kao pomo u personalnoj slubi. Bodovi koji vae za pojedince sudove se sumiraju, odnosno odbijaju ve prema tome da li je odabrana osobina pozitivna ili negativna. Metoda prisilnog izbora u ocjenjivanju Ova metoda razvila uglavnom u cilju ocjenjivanja namjetenika. Prvobitna ideja ovog naina ocjenjivanja je bila da se stvori lini inventar crta, a zatim da se te crte ocjenjuju. On je prvi put primijenjen u vojsci. Pri konstrukciji i upotrebi ljestvica ocjenjivanja postoje neki problemi. Primjerice, pogreka blagosti, pogreka centralne tendencije, pogreka halo efekta, logika pogreka u ocjenjivanju, itd. Upotreba sociograma autor izvornika: Maja Jurii U sociogramu elimo doprijeti do mikrostrukture manjih grupa. Pojedince u grupi prikazujemo kruiem, a u krui se upisuje broj biranja. Punom strelicom moe se oznaiti uzajamno biranje,13

isprekidanom kad je izbor jednosmjeran. Na taj se nain vidi popularnost svakog pojedinca. Osoba s najvie biranja zove se zvijezda, a s najmanje biranja usamljenik. Uzajamna biranja otkrivaju klike unutar grupe. Sociogram moe izvrsno odrediti sociometrijsku strukturu malih grupa. Na toj osnovi mogue je formiranje raznih operativnih grupa koje postiu bolje rezultate od grupa formiranih na klasian nain.

Jednostavni sluajni uzorak autor izvornika: Dragan Marinovi Jednostavni sluajni uzorak ( random sample ) je uzorak u kojem svaki entitet iz populacije ima jednaku vjerojatnost da bude izabran u uzorak. On je u isti as reprezantativan i proporcionalan u odnosu na populaciju. Da bi se odabrao sluajni izbor uzorka kod ljudskih populacija, najee se upotrebljavaju sljedei postupci: izvlaenje brojaka napisnih na ceduljicama iz neke posude ili kuglica iz kutija, upotreba tablica sluajnih uzoraka brojaka, upotreba rulete, odabiranje jedinica u pravilnim intervalima s jedne liste ili jednog dosjea, izbor prema redovima u popisu ( adresar kuanstva i sl. ) ili prema utvrenim poloajimana jednoj stranici te upotreba reeta ili ''screena''. Prednost mu je to nije potrebno poznavati obiljeja populacije. Lako je izraunati preciznost procijena parametara populacije, jer se standardne pogreke uzoraka pokoravaju zakonu vjerojatnosti. Sluani uzorak nam bolje pokazuje varijabilnost populacije. Nedostaci su mu ti to je potrebno posjedovati potpuno kategoriziranu masu iz koje ga izvlaimo, prebrojavanje svake jedinice prije nego to emo izabrati uzorak skupo i trai mnogo vremena, postoji mogunost da dobijemo slab i pogrean uzorak, veliina takvog uzorka je potrebna za statistiko utvrivanje pouzdanosti je redovito vea nego kod stratificiranog uzorka, s gledita reprezentativnosti ispitanici su suvie raspreni prostorno pa prikupljanje podataka trai vie novca i vremena.14

Stratificirani sluajni uzorak autor izvornika: Dragan Marinovi Stratificirani sluajni uzorak (stratified random sample) je uzorak koji se dobije tako to populaciju podijelimo na odreene stratume prema nekim bitnim obiljejima populacije i onda iz tih stratuma odreujemo sluajne uzorke. Kad vrimo neko projektivno istraivanje vrlo su nam vane neka obiljeja pa se moe dogoditi da jednostavnim sluajnim uzorakom dobijemo grupe s jako velikom razlikom u zastupljenosti. Stratificirani sluajni uzorak koristimo da se to ne bi dogodilo, stratifikacijom dobijemo odreenu proporciju sluajeva. Ako smo za sve razrede ili podgrupe zadrali iste proporcije koje imamo i u populaciji to se zove proporcionalni stratificirani sluajni uzorak, a ako smo proporcije izmijenili tako da zastupimo neku inae slabije zastupljenu grupu to se zove neproporcijonalni stratificirani sluajni uzorak. Glavna prednost je ta to da osigurava da nijedna nama zanimljiva grupa u populaciji nee biti isputena ili nedovoljno zastupljena, pa dosljednost i reprezantativnost nee biti osjetljivo poremeena. Glavni nedostatak je to stratifikacija trai dobro prethodno poznavanje raspodjele odreenih obiljeja u populaciji. Prigodni uzorak Prigodni uzorak (accidental sample) predstavlja niz sluajeva do kojih smo u datom trenutku jedino mogli doi ili koji su nam se sluajno prigodno nali pri ruci. Oni su lako dostupni ili nekad jedino dostupni pa tako se za mnoga ispitivanja uzimaju studenti preko predavanja ili seminara. Prigodni uzorak ne odgovara strogim kriterijima reprezentativnosti, ali to ne znai da ne moe biti reprezantativan i da se iz njega ne moe nita uopavati. Moe se smatrati reprezentativnim kad vrimo istraivanja koja se odnose na funkcionalne i dinamike osobine pojedinca ili grupa. Ne moe se smatrati reprezentativnim kad kad vrimo istraivanja koja se odnose na mentalno-sadrajne osobine (stavovi, miljenja i15

vjerovanja u odnosu na odreene drutvene predmete ili situacije), osim u sluaju da nam sama veliina uzorka i kontrola osnovnih obiljeja uzorka i osnovnog skupa da govorimo o njezinoj reprezentativnosti. Prigodne uzorke esto koristimo u panel istraivanjima gdje se ispituju promjene stavova kroz vremenski niz. Kvotni uzorak autor izvornika: Dragan Marinovi Kvotni uzorak (quota sample) se najee koristi u ispitivanju javnog mnijenja. Ova metoda odabira uzorka sadri ove osnovne postupke: 1. izbor utvrenih obiljeja populacije koje e posluiti kao osnova za odabiranje uzorka, a koja e u isti as posluiti kao kontrola reprezentativnosti uzorka, 2. odreivanje proporcija populacije koja prosuuje ova obiljeja odabrana u cilju kontrole, 3. odreivanje kvota za anketare koji e odabrati odreen broj lica s datim obiljejima, tako da odgovaraju propoprcijama svake klase ili grupe u itavoj populaciji. Namjerni uzorak autor izvornika: Dragan Marinovi Namjerni uzorak (purposive sample) je takav uzorak kod kojeg se iz populacije uzimaju tipini sluajevi za populaciju koja nas zanima. Vano je dobro pozanavati populaciju i dobro prosuivati koji su sluajevi najtipiniji te je esto potrebno znanje ekperata. Kod odabiranja najtipinijih sluajeva treba postojati neki objektivni kriterij. esto se upotrebaljavaju u istraivanju javnog mnijenja i trita. Mjeoviti uzorci zonski uzorak autor izvornika: Ivana Balti Zonski uzorak moe biti sluajan i namjeran. On oznauje koji pojedinci ulaze u uzorak. Zonski uzorak pretpostavlja da imamo dobre16

demografske karte koje nam daju gustou i obiljeja stanovnika za itavu zemlju, za pojedine krajeve i pojedine gradove. Zonski uzorak se izvlai na osnovu podataka dobivenih opim popisom stanovnitva. Kako odreujemo zonski uzorak za npr.dravu ? Najprije podijelimo itavu zemlju po pokrajinama, pa sluajnim odabirom uzmemo izvjestan broj pravilno razasutih kroz itavu zemlju. Time dobivamo zone u zemlji gdje emo vriti ispitivanja. Nakon toga podijelimo zone na gradske ili blokovske zone i na seoske zone. Isto tako podijelimo svaku seosku zonu ili blokovsku zonu na pojedine segmente. Za grad e to biti blokovi kua. Tada ponovo po sluajnom izboru odabiremo jedan uzorak iz ovih blokova. Nakon toga u treoj etapi prebrojimo stambene jedinice u jednom bloku. Sada moemo ve po potrebama istraivanja, ili ispitati sve stambene jedinice koje se nalaze u jednom bloku, ili ponovo nainiti jedan uzorak od stambenih jedinica. Sama metoda izbora jedinica u etapama moe biti sluajna, sistematska ili namjerna. Tendencija je zonskog uzorka da izbor bude po mogunosti sluajan. Rezultati koji se dobivaju pomou njega veoma su pouzdani i zadovoljavajui. Za mnoga ispitivanja iz urbane sociologije, danas kad su gradovi narasli na preko milijun stanovnika, upotreba zonskog uzorka je neophodna. Reprezentativnost autor izvornika: Ivana Balti Uzorak kojim mjerimo stavove ili miljenja odreene skupine ljudi, mora predstavljati ili reprezentirati itavu populaciju iz koje je izvuen. Oekujemo da e se rezultati iz uzorka sasvim usko poklapati s rezultatima koje bismo dobili iz itave populacije, kad bismo je podvrgli popisu ili izborima. Da bi zadovoljio naelo reprezentativnosti uzorak mora predstavljati neku minijaturu populacije ili mase. Neki autori smatraju da je samo onaj uzorak reprezentativan koji poiva na dosljednoj primjeni rauna vjerojatnosti kod izbora ili planiranja samog uzorka. Iako sluajni uzorci predstavljaju idealni tip reprezentativnih uzoraka, ipak se sam pojam reprezentativnosti upotrebljava danas, s mnogo opravdanih razloga, u neto irem smislu. Nije lako strogo odijeliti reprezentativne uzorke od nereprezentativnih. Potrebno je imati u vidu17

osobine konkretne populacije koju ispitujemo, kao i same uvjete pod kojima se vri ispitivanje. Zapravo moemo rei da je reprezentativnost prije stvar stupnja nego jednog apsolutnog kriterija. Relativna priroda uzorka naroito dolazi do izraaja kad se radi o ispitivanju stavova, vjerovanja ili potroakih elja. Kod izbora uzorka u ovim istraivanjima obino odreujemo reprezentativnost s obzirom na jednu ili vie varijabli, ali mi ne znamo da li ovako odreen uzorak odgovara reprezentativnosti s obzirom na raspodjelu stavova ili elja. Najee pretpostavljamo neke kauzalne ili uzrone veze izmeu nekih vidljivih obiljeja i nekih manje vidljivih ili traenih obiljeja. Reprezentativni uzorak je takav uzorak koji za odreeni niz varijabli lii na osnovni skup, iz kojega je izvuen, do te mjere da izvjesne specifine analize izvrene na njemu daju rezultate koji e pasti unutar prihvatljivih granica, postavljenih za odgovarajue vrijednosti osnovnog skupa, a jedino e u maloj proporciji rezultati takvih analiza uzorka pasti izvan tih granica. Preciznost i tonost uzorka autor izvornika: Ivana Balti Vrijednost uzorka raste ako moemo isti trenutak poveati njegovu preciznost i tonost. Budui da nam uzorak slui da bismo osnovu dobivenih vrijednosti zakljuili o pravoj vrijednosti populacije ili osnovnog skupa, to emo nastojati da bi nae ocjene tih pravih vrijednosti bile to preciznije .Ovu preciznost moemo izmjeriti na osnovu rauna vjerojatnosti. Pod mjerenjem preciznosti jedne ocjene misli se na to koliko e se usko jedan niz moguih ocjena na osnovu uzorka poklapati s pravim vrijednostima osnovnog skupa. Preciznost nae ocjene zavisi, dakle u prvom redu od planiranja samog uzorka. Preciznost je to vea, to su manje statistike ili sluajne greke ili pristranosti uvjetovane izborom uzorka. Za razliku od preciznosti tonost e ovdje znaiti odsutnost ili smanjenje pristranih, nestatistikih ili sistematskih pogreaka do kojih moemo doi u prikupljanju i izraunavanju prikupljenih podataka. Potonje pogreke mogu se izbjei paljivim planiranjem,18

savjesnim provoenjem i viekratnim kontroliranjem anketnih postupaka. Postoji jedno pravilo koje kae da je uzorak to precizniji, to je vei, to jest to se vie pribliava veliini osnovnog skupa. Meutim sama veliina ne odluuje o preciznosti uzorka, jer ona u konkretnim istraivanjima zavisi od niza meuzavisnih varijabli, od kojih su najznaajnije slijedee: Varijabilnost obiljeja koje mjerimo. Na primjer, ako elimo ispitati inteligenciju estogodinje djece, potreban nam je manji uzorak, nego ako elimo ispitati inteligenciju odraslih ljudi, jer je varijabilnost kod djece manja. Veliina jedinice uzorka jedan uzorak od mnogo malih jedinica, sluajno odabranih, valja uvijek pretpostavljati uzorku iste veliine, ali sastavljenom od manjeg broja velikih jedinica, makar ove izgledale vrlo dobro odabrane. Upotreba stratifikacije svaka klasa ili grupa iz osnovnog skupa mora biti na valjan nain zastupljena u uzorku. Na primjer, u demografskom izuavanju puanstva nastojat emo da sve grupe po dobu i spolu budu zastupljene u odgovarajuim proporcijama. Veliina grupe koju izuavamo. Neki smatraju da je to odluujui faktor u odabiranju veliine uzorka. U praktinom izboru potrebno je nai ravnoteu izmeu dva faktora: stupnja preciznosti i veliine vremena i novca koje netko moe potroiti. Ovdje vrijedi pravilo da trokovi jednog uzorka rastu proporcionalno s brojem sluajeva, dok preciznost uzorka raste proporcionalno s drugim korijenom od broja sluajeva. Veliina uzorka autor izvornika: Ivana Balti Odabir veliine uzoraka zavisi od mnogo ega. Prije svega, valja rei da nije tono da pouzdanost jednog uzorka raste proporcionalno s njegovom veliinom. ak i kod uzorka odabranog sasvim sluajno, pouzdanost rezultata zavisi od drugog korijena veliine uzorka. Tako e istraiva, koji je etiri puta poveao svoj uzorak, dobiti samo dvostruko veu pouzdanost rezultata. Vano je rei da se sluajna pogreka uzorka smanjuje, kad se uzorak poveava, ali samo ako sve19

ostale stvari ostanu podjednake. Sluajne pogreke ili varijabilnost jednog uzorka mjere se standardnom pogrekom sredina, proporcijom totala, koeficijentom korelacije pojedinaca koji su dali odreeni odgovor. Istraivaa, naravno, zanima kako se poveanjem uzorka smanjuje standardna pogreka, odnosno varijabilnost oekivanih rezultata.

Potpuni popis i uzorak autor izvornika: Iva Rajkovi S obzirom na potekoe na koje nailazimo u ispitivanju itave jedne populacije, kad je ona vrlo velika, i s obzirom da takvo ispitivanje iziskuje vrlo mnogo vremena, a i mnogo novaca, to su uvedene metode koje doputaju jeftinije, bre i tonije prikupljanje potrebnih obavjetenja. Dvije metode koje moemo upotrijebiti u izuavanju ljudske populacije jesu: potpuni popis kad prikupljamo i klasificiramo podatke i obavjetenja o svakoj jedinici date populacije (licu, porodici, stambenoj zajednici, proizvoakoj jedinici itd.) uzorak kad prikupljamo podatke ili obavjetenja na osnovu jednog manjeg, ali reprezentativnog prosjeka itave populacije. Provoenje istraivanja na uzorku zapravo je provoenje istraivanja na manjem ali reprezentativnom presjeku itave populacije. Prednosti istraivanja na uzorku su: 1. istraivanje na cijeloj populaciji je vrlo skupo 2. trai mnogo vremena za provoenje istraivanja i obradu podataka 3. istraivanjem na populaciji ne moemo uvijek dobiti tone i pouzdane podatke (npr. Populacija stanovnici RH prevelika populacija i prebrzo se mijenja) 4. pri istraivanju na populaciji dolazi do pojave sline jednadbi20

neodreenosti - ako istraivanje dulje traje ima izvjestan publicitet koji onda mijenja uobiajene navike populacije 5. ponekad je provoditi istraivanje na uzorku jedino smisleno ili mogue Nedostaci istraivanja na uzorku: 1. mogunost pogreke: ne dobivamo injenice o populaciji, ve samo njihovu procjenu (veliina pogreke moe se procijeniti) 2. loe odabrani uzorak dovodi do: - uzaludnog troka - uzaludnog truda - nemogunosti generalizacije zakljuaka U pravilu statistici (obiljeje uzorka na nekoj varijabli) odstupaju od prametara (obiljeje populacije na nekoj varijabli). U sluaju probabilistikih uzoraka, teorija vjeorjatnosti omoguuje nam procjenu veliine pogreke. Poneki put populaciju nije mogue izmjeriti pa se veinom mjeri ogranieni broj sluajeva koji se naziva uzorak. Na temelju podataka iz uzorka zakljuuje se o svojstvima populacije. Aritmetiku sredinu, standardnu devijaciju, itd. tih uzoraka nazivamo procjenama tih istih parametara populacije jer pravu aritmetiku sredinu ili pravu standardnu devijaciju dobili bismo jedino kad bismo izmjerili itavu populaciju. Pa kada se radi s uzorcima izraunate vrijednosti su procjene, tj. pribline vrijednosti. Dva vana pojma za pogreku uzorka su razina rizika i interval pouzdanosti. Razina rizika oznauje uz koju vjerojatnost elimo procijeniti parametar populacije. Da bi rezultat mjerenja bio to toniji utvruje se interval pouzdanosti. Interval pouzdanosti daje procjenu vrijednosti koja e ukljuivati nepoznate parametre populacije. To su granine vrijednosti unutar kojih je uz neku odreenu vjerojatnost vrijednost parametra. Granice pouzdanosti su gornje i donje granice intervala pouzdanosti, tj. vrijednosti koje definiraju veliinu intervala pouzdanosti u kojima moemo uz manju ili veu vjerojatnost oekivati da se nalazi prava vrijednost koju smo izmjerili na uzorku. Pogreka kojoj se izlaemo21

kad iz uzorka zakljuujemo na populaciju naziva se standardna pogreka. Kada dakle raunamo npr. standardnu pogreku aritmetike sredine onda moemo nai interval u kojem se uz vjerojatnost 68%, 95% ili 99% nalazi prava vrijednost populacije. U statistici se najee koriste granice pouzdanosti od 95% ili 99%. Npr. ako neka aritmetika sredina iznosi 50, a njezina standardna pogreka 2 tada su: 68%tne granice pouzdanosti te aritmetike sredine 50 2, interval izmeu 48 i 52 95%tne granice pouzdanosti 50 1,96 standardne pogreke= 50 3,92, interval izmeu 46,08 i 53,92 99%tne granice pouzdanosti 50 2,58 standardne pogreke= 50 5,16, interval izmeu 44,84 i 55,16 Dva glavna initalja koja utjeu na stupanj pouzdanosti pri zakljuivanju s uzorka na populaciju su veliina uzorka i varijabilnost. to je uzorak vei procjena parametara statisticima e biti tonija. to je vea varijabilnost pojave u populaciji bit e, za uzorak odreene veliine, u pravilu vea razlika izmeu statistika i parametara Uzorak je skup elemenata populacije na kojima je provedeno istraivanje. Pri izboru vrste i veliine uzorka mora se voditi rauna o tome koji tip uzorka je najefikasniji za potrebe dotinog istraivanja. Odabir vrste uzorka ovisi o: 1. ciljevima istraivanja 2. teorijskom konceptu i postavljenim hipotezama 3. statistikim analizama koje se kane provesti 4. eljenoj razini tonosti (pouzdanosti) rezultata 5. raspoloivim sredstvima Odabiranje i upotreba uzorka poivaju na induktivnom postupku: a) elimo neto saznati o jednoj masi pojava ili bia b) istraujemo neke jedinice ili elemente ove mase22

c) na osnovu utvrenih podataka ovog dijela ispitane mase zakljuujemo na itavu masu ili skup Ovakva indukcija je najei znanstveni postupak i ne predstavlja nita neobino u znanosti. U drutvenim znanostima on samo nailazi na vee potekoe u odnosu na prirodne znanosti iji su predmeti istraivanja manje sloeni. Odabir uzorka moe se vriti na razne naine, tako da postoji velik broj razliitih tipova uzorka. Osnovna uoljiva razlika jest da su neki uzorci planirani na temelju vjerojatnosti, a drugi nisu. Kod uzoraka na temelju vjerojatnosti za svaki element u osnovnom skupu postoji ista ili poznata vjerojatnost da bude izabran u uzorak. To se zove sluajno odabiranje. Odabiranje na temelju vjerojatnosti doputa da se matematikim nainom odredi reprezentativnost jednog uzorka i omoguuje vrlo sigurno ocjenjivanje reprezentativnih vrijednosti (parametara) osnovnog skupa. S druge strane, uzorci koji nisu odabrani na temelju vjerojatnosti imaju neke druge prednosti: bolje prilagoavanje uvjetima ispitivanja i veu ekonominost trokova. Oblici uzorka koji poivaju na vjerojatnosti: jednostavni sluajni uzorak, stratificirani sluajni uzorak i razliiti tipovi skupinskih uzoraka. Oblici uzorka koji NE poivaju na vjerojatnosti: prigodni uzorak, kvotni uzorak i namjerni uzorak. Ako se postavi pitanje koja je najbolja metoda uzorka, brzo se namee odgovor da to ovisi iskljuivo o predmetu i ciljevima istraivanja. Tako Stephan Mc Carthy kau: Ne postoji neka postebna metoda u izboru uzorka koja bi podjednako bila najbolja za sve ciljeve i sve situacije. Ipak, mogue je izvriti izbor one metode koja e bioti skoro najbolja uzevi u obzir obavijesti s koji9ma raspolaemo unaprijed, naela racionalnog izbora koja su openito prihvaena i ogranienja koja se nameu stvaraocu uzorka. Odabiranje ili projektiranje uzorka predstavlja jedan naroiti postupak u odabiranju jednog dijela s odreenim ciljem da iz njega dobijemo23

opis ili ocjenu izvjesnih obiljeja i osobina cjeline. PREDNOSTI METODE UZORKA 1. mogunost planiranja ili prilagodbe uzorka s ciljem da se dobije uspjenije, pogodnije i jeftinije obavjetenje s veim prednostima (sve dok nismo postigli praktinu granicu za takva ispitivanja 2. moe se dobiti uvid o ovisnosti obavjetenja od samog postupka (pored onoga to smo nauili iz drugih izvora) 3. mogu se postii dodatne prednosti s obzirom na trokove, tonost i ekstra-obavjetenja upotrebljavajui seriju dovoljno slinih postupaka, standardizirajui neke dijelove postupka i upotrebljavajui isto osoblje i izvore za vie postupaka. (Stephan McCarty)

24

Odabir vrste uzorka predavanja prof. Kufrina: Osnove socioloke statistike, ak. god. 2004/05. Uzorak kojim mjerimo stavove ili miljenja odreene skupine ljudi mora predstavljati (reprezentatirati) itavu populaciju iz koje je izvuen. Drugim rijeima, iz uzorka se oekuju rezultati koji e se poklapati s rezultatima koje bismo dobili iz itave populacije. Reprezentativnost uzorka ovisi o dva glavna momenta: od naina na koji smo odabrali uzorak i25

od veliine samog uzorka. Drugim rijeima, reprezentativnost ovisi o varijabilnosti obiljeja koje se mjeri: to je obiljeje varijabilnije, to uzorak mora biti vei. Uzorak je uvijek dio neke vee populacije, ali nije svaki prikladan za istraivanje prikladan je samo onaj koji je reprezentativan, tj. onaj koji sadri sva bitna obiljeja populacije iz koje je odabran, u istoj proporciji u kojoj su ta obiljeja u populaciji sadrana. Dakle, reprezentativan uzorak nije dio cjeline, ve je cjelina u malom. Uzorak, da bi zadovoljio naelo reprezentativnosti, mora predstavljati neku minijaturu populacije ili mase; on mora biti mikrokozmos koji odraava makrokozmos. Koji se uzorak smatra reprezentativnim? Iako sluajni uzorci predstavljaju idealni tip reprezentativnih uzoraka, ipak se sam pojam reprezentativnosti upotrebljava danas u neto irem smislu. Nije lako strogo odijeliti reprezentativne uzorke od nereprezentativnih. Potrebno nje imati u vidu osobine konkretne populacije koju ispitujemo, kao i same uvjete pod kojima se ispitivanje vri. U prvom redu, jedan uzorak ne mora biti mikrokozmos u strogom smislu jer on moe predstavljati odreenu populaciju samo s obzirom na jedno obiljeje ili varijablu, a ne mora je predstavljati s obzirom na druga obiljeja. Bez obzira na sve jako je teko, ali ne i nemogue odabrati maksimalno reprezentativan uzorak. Apsolutna reprezentativnost uzorka oznaava njegovo potpuno slaganje s osobinama skupine iz koje je izabran. Reprezentativni uzorak je takav uzorak koji za odreeni niz varijabli lii na osnovni skup, iz kojega je izvuen, do te mjere da izvjesne specifine analize izvrene na njemu (izraunavanje sredina, standardnih odstupanja, itd. za pojedine varijable) daju rezultate koji e pasti unutar prihvatljivih granica, postavljenih za odgovarajiue vrijednosti osnovnog skupa, a jedino e u maloj proporciji rezultati takvih analiza uzorka (to e biti specifirano samim postupkom) pasti izvan tih granica (Stephan-McCarthy).

26

Preciznost i tonost dva su glavne problema svakog mjerenja, pa tako i u sociolokim istraivanjima, gdje preciznost oznaava stupanj podudaranja meu razliitim rezultatima istog mjerenja (ili vie uzastopnih mjerenja). Kvalitetni uzorci u pravilu su time precizniji, to su vei, a preciznost se provjerava raunom vjerojatnosti. Stupanj tonosti oznaava stupanj podudaranja prosjeka rezultata sa stvarnim vrijednostima u populaciji Tonost uzorka cilj je svakog istraivanja, meutim katkada se moe postii tek dubljim upoznavanjem s problematikom. 1.) Preciznost Openito, u znanstvenom mjerenju, preciznost oznaava podudaranje rezultata dobivenih uzastopnim mjerenjima. U sociologiji, preciznost oznaava koliko usko su rezultati nekog uzorka grupirani oko nekog prosjeka. Preciznost se moe izmjeriti na osnovi rauna vjerojatnosti, te openito vrijedi pravilo da je neki uzorak tim precizniji to je vei, zbog toga to se smanjuje sluajna pogreka uzorka, meutim postoje jo neke meuzavisne varijable koje utjeu na preciznost: - Varijabilnost mjerenih obiljeja to je varijabilnost manja, potreban je i manji uzorak - Veliina jedinice uzorka uzorak sastavljen od mnotva manjih jedinica (grupa ispitanika, npr. po mjestu stanovanja) uvijek je toniji od uzorka jednake veliine, sastavljenog od manjeg broja velikih grupa - Upotreba stratifikacije svaka klasa/grupa mora biti odgovarajue zastupljena u uzorku, s obzirom na svoju brojnost u populaciji Preciznost se najee naruava sluajnim statistikim pogrekama u obradi podataka, ali moe biti naruena i grekama u prikupljanju podataka, te prije svega loim izborom ispitanika (neodgovarajuim uzorkom). Ukoliko se istraivanje paljivo isplanira, dosljedno provede, te ispravno statistiki obradi, uz brojne i uestale provjere (samih istraivaa, neovisnih strunjaka itd.), moe se garantirati zadovoljavajui stupanj preciznosti.

27

2.) Tonost Tonost uzorka oznaava stupanj podudaranja prosjeka rezultata sa stvarnom vrijednou prosjeka istog obiljeja neke populacije (osnovnog skupa). Tonost je mnogo problematinija od preciznosti, budui da ne ovisi iskljuivo o samoj provedbi ankete i statistikoj obradi ve o cjelokupnom istraivanju. Najoitiji primjer je pristrani istraiva, koji namjerno, krivim izborom uzorka i krivom interpretacijom rezultata dolazi do netonih podatka o populaciji (unato tome to su pojedini podaci precizni, ali grupirani na krivom mjestu). Meutim, tonost dolazi u pitanje i kada su istraivai nedovoljno upoznati sa problematikom konkretnog obiljeja koje se istrauje. Tek se iskustvom u prouavanju neke populacije dolazi do provjerenih spoznaja o njenoj prirodi i naravi, a to vodi prema najviim stupnjevima tonosti uzorka.

Problem preciznosti i tonosti u znanosti pojednostavljeno se prikazuje metom (bullseye) 19

Vrlo je teko dati precizan odgovor na pitanje koliko bi trebao biti uzorak velik. Postoje neka ve odreena pravila, tablice i nomogrami o veliini uzorka, ali ona slue samo za specifine situacije. Potrebna veliina uzorka ovisi o varijabilnosti pojave koju mjerimo i o preciznosti kojom pojavu elimo izmjeriti. Npr. ako je pojava malo varijabilna, bit e dovoljan i mali uzorak, a ako je pojava jako varijabilna, bit e potreban vei uzorak. U teoretskom sluaju da pojava ili obiljeje uope ne varira, tj. da je konstanta, onda bi bilo dovoljno iz osnovnog skupa uzeti jedan sluaj. Takoer, ako nam nije bitna velika preciznost uzorka, posluit e manji uzorak, a ukoliko nam j preciznost jako bitna, uzet emo vei uzorak. Nadalje, elimo li pogreku aritmetike sredine smanjiti na polovicu, treba uzeti etiri puta vei uzorak. Ako je osnovni skup iz kojeg uzimamo uzorak homogen, tada e se28

uzeti manji uzorak, a ako je osnovni skup heterogen, tada e biti potrebno uzeti vei uzorak. U sluaju heterogenog osnovnog skupa trebalo bi uzeti broj ispitanika proporcionalan u osnovnom skupu, te na taj nain uzorak postaje reprezentativan, a i na taj nain smo heterogenu masu podijelili u nekoliko homogenih skupina. Katkad se misli da uzorak treba predstavljati 10% populacije da bi bio reprezentativan, ali to nije tono. Proporcija populacije ukljuena u uzorku ima samo blag utjecaj na preciznost uzorka. Za uzorak je mnogo vanije da bude reprezentativan nego velik, a reprezentativnost se postie paljivo skupljenim sluajnim uzorkom. Prema ekonomskom statistiaru Weberu postoji savjet za veliinu uzorka, ali samo ako moemo u odreenoj mjeri predvidjeti u kojem postotku je neko svojstvo zastupljeno u populaciji. n (100 n) = veliina uzorka Gdje n predstavlja postotak populacije za koju se predvia da posjeduje odreenu karakteristiku koju bismo eljeli detaljnije ispitati. U mnogim sluajevima moemo jednostavno procijeniti minimalnu veliinu uzorka potrebnu za procjenu parametra (npr. ) VELIKI UZORAK MALI UZORAK PREDNOSTI - manja pogreka (sampling error) - vea pouzdanost - statistike pogodnosti (testiranje znaajnosti, krostabulacija - mogunost uopavanja - ekstenzivno prikupljanje podataka (velik broj ispitanika) - ekonominost - intenzivno prikupljanje podataka (velik broj varijabli) NEDOSTACI - skup - dugotrajno prikupljanje podataka - vea pogreka29

- manja pouzdanost - problemi pri statistikoj obradi U namjerni uzorak izabiru se jedinice prema odluci istraivaa (anketara). Namjerni uzorak se ne dobiva po zakonu vjerojatnosti, ali eli biti to vie reprezentativan. Osnovna pretpostavka pri izboru namjernog uzorka jest da se dobrim uvidom u odreenu populaciju i pomou valjane strategije u izboru jedinica mogu odabrati sluajevi koji e u uzorku dati sasvim zadovoljavajue rezultate za odreene potrebe. Odabrat emo one sluajeve koje smatramo da su najtipiniji za populaciju koja nas zanima. Pogreke do kojih moe doi u izboru ovih jedinica, u prosuivanju njihove tipinosti, uzajamno e se neutralizirati. Za ovakvo odabiranje uzorka pretpostavlja se da znamo to emo smatrati tipinim, tj. da postoje neki objektivni kriteriji u utvrivanju tipinog obiljeja za neku populaciju. Pogreka zbog uporabe uzorka kod ovih se uzoraka ne moe izraunati. Namjerni uzorci upotrebljavaju se takoer u istraivanju javnog miljenja ili trita. Meu namjernim uzorcima su prigodni, kvotni, prosudbeni uzorak i gruda snijega (snow-ball). Prigodni uzorak je onaj koji nam se nae pri ruci , jer drugog nemamo, tj. podaci u uzorku dobiveni su ispitivanjem dostupnih lanova skupa. Npr., za mnoga istraivanja profesori uzimaju grupu studenata koja im je najblia- sluae njihove grupe. Toj vrsti uzorka pripadaju i podaci o stajalitima graana glede nekog pitanja, prikupljeni od radijskog ili televizijskog izvjestitelja na ulici ili trgu. Prigodni uzorci mogu, ali i ne moraju uvijek biti pristrani. Ako nam je zavisna varijabla (ono to istraujemo) takva da nije mogue pretpostaviti utjecanje nekih drugih situacijskih faktora na zavisnu varijablu, ve moemo smatrati da jedino naa nezavisna varijabla, ije djelovanje ispitujemo, moe imati utjecaja, tada prigodni uzorci mogu biti posve upotrebljivi. Koriste se u brojnim znanstvenim istraivanjima jer su to uzorci do kojih najlake dolazimo, ali nije reprezentativan. Najee se koristi u istraivanjima eksperimentalnog i laboratorijskog tipa.30

Kod kvotnog uzorka, u postupku izbora, anketari se po volji opredjeljuju za jedinice u sklopu kvota. Kvotu ine jedinice odreenog svojstva, npr. spol, dob, socijalno-ekonomski status, mjesto stanovanja, itd. Ako se ispituje, primjerice, miljenje kupaca o nekom proizvodu i ako je poznato da taj proizvod kupuje 30% mukaraca i 70% ena, uzorak e se sastojati od dviju kvota, tj. u njemu e biti zastupljeno 30% mukih i 70% enskih osoba. Broj subjekata u populaciji proporcionalan je broju subjekata u uzorku. Najee se koristi kod razliitih organiziranih istraivanja za potrebe trita. Ovaj tip uzorka je vrlo ekonomian i pristupaan anketarima, te zbog toga jako rairen. Takvi se uzorci formiraju na taj nain da organizator istraivanja unaprijed izabere broj ljudi svakog pojedinog stratuma koje mora intervjuirati. No glavni problem takvog uzorka je u tome to intervjuer obilazei gradom, moli za suradnju ljude koje on odabere, a veinom se dogaa da i ne prilazi ljudima koji mu ne izgledaju simpatini. Postoji sluaj s intervjuerom koji je imao zadatak da intervjuira unaprijed odreeni broj mukaraca o njihovu stavu prema klaenju. Igrom sluaja, intervjuirao je veu skupinu ljudi koji su na eljeznikoj stanici ekali vlak. Iz rezultata se pokazalo da su gotovo svi imali pozitivno miljenje o klaenju. Kasnije se ispostavilo da je sluajno intervjuirao ljude koji su ekali na peronu odakle je odlazio vlak prema trkalitu, znai one koji se klade prije konjskih utrka. Kod prosudbenog uzorka izabiru se reprezentativne jedinice osnovnog skupa s tenjom da se dobije uzorak koji e strukturom to vie nalikovati osnovnom skupu. Gruda snijega predstavlja proces odabira uzorka koritenjem mree. Proces zapoinje s odabranim sugovornikom koji identificira druge ljude u grupi ili organizaciji, za koje smatra da mogu dati traene informacije. Ti sugovornici daju informacije o slijedeim sugovornicima i tako sve dok nije postignut dovoljno velik uzorak da bi bio reprezentativan. Sluajni uzorak je onaj uzorak u kojem svaki individuum populacije ima jednaku vjerojatnost da bude izabran u uzorak. Ako neki lanovi populacije imaju veu ansu od drugih da budu izabrani, uzorak vie31

nije sluajan, nego se naziva pristranim uzorkom. Drugim rijeima, uzorak ne smije biti selekcioniran, nego mora biti reprezentativan. Sluajnom se uzorku daje u statistici vrlo velika vanost, jer iz uzorka zakljuujemo na populaciju, a to je mogue jedino onda ako je uzorak zaista sluajan. Dravni zavodi za statistiku, instituti za istraivanje javnog miljenja i druge organizacije kojima je to predmet djelatnosti, kada je mogue u istraivanju polaze od sluajnih uzoraka. Sluajni uzorci su jedini koji imaju poznatu raspodjelu uzoraka. Poznati zakoni u vezi s normalnom raspodjelom i vjerojatnou( npr. pravila o standardnoj pogreci aritmetike sredine i standardnoj pogreci razlike) vrijede samo onda ako je uzorak zaista sluajan, i to je glavni razlog zato je sluajni uzorak tako vaan u statistici. U vezi s pojmom sluajni uzorak postoji nesporazum da se tu radi o bilo kako izabranom sluajnom uzorku. Npr. kad bismo eljeli bez sistema ispisati stotinu bilo kojih brojeva izmeu 1 i 1000, i tako oznaiti one koji e ui u uzorak, zbog razliitih, nama esto nesvjesnih preferiranja pojedinih brojeva( npr. onih koji sadre cifru 3 ili 7 ili neku drugu), dolazi do toga da ipak svi brojevi nemaju jedanku ansu, i na taj nain ne bismo dobili sluajni uzorak.. Sluajni uzorak se sastavlja prema odreenim principima, dakle ne bilo kako, a ti principi odgovaraju zakonu sluaja. Najbolji nain sastavljanja sluajnog uzorka je upotreba tablice sluajnih brojeva. Ona nastaje tako da bacanjem jedne kocke, koja zapravo predstavlja deseterostranu prizmu s brojevima od 0 do 9, se dobivaju brojevi koji se redom zapisuju (i to obino u skupinama od 2 do 5 brojeva), prema tome kako su sluajno padali. Brojevi dobiveni na taj nain zovu se sluajni brojevi i svaki ima jednaku mogunost da e se pojaviti. elimo li odabrati uzorak od, recimo 350 ljudi( npr. prilikom nekog intervjuiranja u jednoj manjoj tvornici), oznait emo brojevima ime svakog radnika (uzmimo da ih ima 780), a onda emo pomou tablice sluajnih brojeva izabrati uzorak od 350. Kod sluajnog uzorka mogu se izraunati pogreke nastale primjenom uzorka, to je vrlo vano za prosudbu kakvoe zakljuivanja. Vrste sluajnih uzoraka:

32

jednostavni sluajni uzorak - izabere se n ispitanika iz n populacije, tako da svaki ima jednaku ansu biti izabran. A biraju se uz pomo tablice sluajnih brojeva, raunalnog generatora sluajnih brojeva. sustavni (sistematski) uzorak- prema jednom popisu odabere se sluajnim izborom jedan, a nakon toga se u uzorak uzima svaki n-ti (npr.svaki drugi, peti, itd.) stratificirani uzorak - populacija se podijeli u potpopulacije ili homogene slojeve, prema nekim karakteristikama, te se iz svake od grupa uzme sluajni uzorak. Kod ovog tipa uzorka potrebno je: 1. prepoznati strate ili elemente u populaciji iz koje uzimamo uzorak 2. odluiti koje strate treba uzeti u uzorak 3. smjestiti svaki pojedini element u odgovarajui stratum 4. dodati brojeve svakom elementu u svakom stratumu posebno 5. odabrati veliinu cjelokupnog uzorka 6. odabrati elimo li proporcionalni (proporcionalni s populacijom) ili disproporcionalni (jednaki uzorci bez obzira na veliinu populacije) stratificirani uzorak klaster ili zonski uzorak - ako treba dobiti miljenje stanovnika velikog grada o nekom pitanju, onda se, npr.plan grada podijeli na 50 ili vie manjih blokova, pa se po sluaju odabere odreen broj tih blokova, i anketari onda intervjuiraju stanovnike u njima; dakle uzima se skup ili klaster iz nekog dijela, regije. Regija predstavlja osnovu ili zonu, tj. prostornu lokaciju koja je temelj za odreivanje osnovnog skupa. Postoje jednozonski, dvozonski, trozonski i viezonski uzorci. Dvozonski uzorak ine zona i podzona, npr. Dalmacija: Split, ibenik, Zadar. Viezonski uzorak: pojedini grad- pojedini kvart- pojedini blok- pojedini ulini segment- pojedina kua. Kad odaberemo klaster uzorak onda iz njega biramo sluajni uzorak. Mijeani tipovi uzoraka pojavljuju se esto kada se radi s vieetapnim uzorcima, gdje se u jednoj etapi moe primjeniti jedan postupak izbora jedinica za uzorak, a u drugoj etapi drugi postupak. Ako se radi o tro-etapnom uzorku, onda takvih kombinacija moe biti jako puno, jer izbor moe biti sluajan, sistematski ili namjerni. To ovisi o cilju istraivanja te veliini i prirodi samih jedinica.33

Tip mjeovitog uzorka koji se najee primjenjuje u ispitivanju javnog miljenja je zonski uzorak. Upotreba zonskog uzorka kod nekih istraivanja potiskuje kvotni uzorak, makar je skuplji, jer ima neke prednosti pred njim. Zonski uzorak oznauje koji pojedinci ulaze u uzorak, te pokrivajui usko odreene zone ili podruja ispitivanja, on posjeduje elemente u uzorku koji su mu poznati te na osnovu njih donosi procjene o populaciji. Na taj nain je mogue mjeriti i kontrolirati pouzdanost dobivenih podataka. Zonski uzorak moe biti sluajan i namjeran. On pretpostavlja da imamo dobre demografske karte preko kojih vidimo gustou i obiljeja stanovnika za cijelu zemlju, za pojedine krajeve i pojedine gradove. Zonski uzorak se dobiva na osnovu podataka dobivenih opim popisom stanovnitva. Nakon to je uzorak utvren, anketarima se odreuju pojedini blokovi ili stambene jedinice za anketiranje. Anketar mora potivati tono odreene upute i nije mu doputeno da sam pronae drugu jedinicu ako do jedne nije mogao doi. Tendencija je zonskog uzorka da izbor bude sluajan, pogotovo kad se radi o osnovnim jedinicama. Zonski uzorak se pokazao vrlo efikasan, a rezultati koji se dobivaju pomou njega vrlo su pouzdani. Za mnoga ispitivanja iz urbane sociologije, danas kad su gradovi narasli i na vie od milijun stanovnika, upotreba zonskog uzorka je neophodna. Pri koritenju kvotnog uzorka s ponderom iz dijela u kojem je vie ljudi izvui emo uzorak i multiplicirati odgovore, a iz djela u kojem je manje ljudi uzet emo sve odgovore. Kod kvotno zonskog uzorka uzima se kvota sluajnih prolaznika na jednom mjestu i kvota sluajnih prolaznika na nekom drugom mjestu, odnosno zoni, i na taj nain se dobije traeni uzorak. Naprimjer ako bi provodili istraivanje u New Yorku o nekom pitanju trebali bi intervjuirati stanovnike, i to bi napravili na taj nain da koristimo klaster uzorak, tj.grad bi podijelili na manje oblasti i sluajnim odabirom odabrali jednu iz koje bi intervjuirali stanovnike. Na taj nain zapravo koristimo i stratificirani uzorak jer smo populaciju podijelili u potpopulacije. Tako da je mjeoviti uzorak34

kombinacija sluajnih uzoraka. Eksperiment autor izvornika: Teuta Jereb Pojam eksperimenta se najprije javlja u prirodnim znanostima gdje oznaava namjerni pothvat ovjeka kojim se na umjetan nain u strogo kontroliranim uvjetima izaziva odreena pojava da bi se opisala i objasnila. No, drutvene pojave, meutim, nije poeljno ni lako izazvati, ali se one ipak dogaaju pa ih moemo iskustveno istraivati. Iako ne moemo izazvati i mijenjati uvjete pojavljivanja drutvenih pojava, moemo pratiti one koje su se ve u odreenim uvjetima pojavile. Zato eksperiment u drutvenim znanostima ima specifino znaenje. Stoga je eksperiment svako istraivanje u kojem se prouava odreena pojava u kontroliranim uvjetima, bez obzira je li nastala prirodno ili umjetno. Vrlo je vana kontrola uvjeta, to je u drutvenim znanostima veoma teko jer je zbog sloenosti drutvenih pojava vrlo teko iz uzronog kompleksa izdvojiti jednu nezavisnu varijablu i ispitati njezino specifino djelovanje na zavisnu varijablu. U drutvenim se znanostima treba usmjeriti na istraivanje veeg broja nezavisnih varijabli, pratei njihov pojedinani utjecaj na zavisnu varijablu, brinui se i o njihovu meusobnom odnosu i zajednikom utjecaju na zavisnu varijablu.

Eksperiment Dunja Opati Vrste eksperimentalnih istraivanja u sociologiji autor izvornika: Aleksandar Bijeli

35

Laboratorijski eksperiment U laboratorijskom eksperimentu ispitivanje se izvodi u umjetno stvorenim uvjetima. U granicama koje to dozvoljava znanstvena etika, eksperimentator ima u laboratorijskim eksperimentima vrlo veliku slobodu stvaranja eksperimentalne situacije u skladu sa sasvim odreenim znanstvenim potrebama. Laboratorijski eksperimenti se obino izvode s manjim grupama, radi ispitivanja raznih odnosa unutar grupe i grupne djelatnosti. Jedna od najveih potekoa ovakvih eksperimenata je postizanje da umjetno stvorena situacija odgovara analognoj situaciji u stvarnom ivotu. Da bi se izbjegla ova potekoa esto se prikriva postojanje eksperimenta. U svakom sluaju, u laboratorijskim uvjetima se ne mogu ispitati svi problemi. Eksperimenti u prirodnim uvjetima U istraivanjima koja se izvode u stvarnim uvjetima, eksperimentalna situacija se stvara prema odreenim istraivakim potrebama i eksperimentator ima kontrolu nad eksperimentalnim imbenikom. to je eksperimentator dobio veu slobodu u pogledu stvaranja eksperimentalne situacije i manipuliranja eksperimentalnim imbenikom, to se ovaj tip eksperimenta vie pribliava laboratorijskom. Vrlo sloen metodoloki zadatak sastoji se u postizanju i odravanju normalnosti situacije, to je u nekim sluajevima mogue samo ako se prikrije eksperiment ili bar njegova osnovna zamisao. Elton Mayo u nekim svojim eksperimentima pokazuje da se u eksperimentalnim uvjetima ponaanje ljudi moe izmijeniti ako oni shvate da s njima eksperimentira.36

Prirodni eksperimenti U veini sluajeva ovo nisu eksperimenti u pravom smislu rijei ve kvazi-eksperimentalna istraivanja, to ne znai da se oni ne zasnivaju na jednoj vrlo plodnoj istraivakoj ideji. Prirodni eksperimenti predstavljaju prouavanje nekog drutvenog procesa u njegovom spontanom toku, ali i na onim mjestima i trenucima gdje se i kada se odreeni proces pojavljuje u svojim najizrazitijim oblicima. Prirodni eksperimenti su naroito povoljne konjunkturne situacije za prouavanje odreenih drutvenih pojava i svaka dalekovidnija istraivaka strategija nastoji ove situacije u to veoj mjeri iskoristiti. Ex post facto eksperimenti Ex post facto eksperimenti su eksperimentalna istraivanja samo po imenu. Radi se o razvijenom statistikom prouavanja nekih procesa nakon to su se oni ve desili. Stuart Chapin (1947), je ovu metodu predstavio kao ex post facto eksperiment, u kojem promatrane injenice pokuavamo pratiti unazad do njihovog uzroka. Za Chapina, ovo je bio pokuaj da to vie prilagodi socioloku metodu eksperimentalnoj metodi prirodnih znanosti.

O obuci i odabiru anketara autor izvornika: Matija Medved Valeni 1. POELJNE KARAKTERISTIKE ANKETARA

Po Neumanu dobri anketari su ugodni, poteni, toni, zreli, odgovorni, umjereno inteligentni, stabilni i motivirani. Neprijeteeg su izgleda, imaju iskustvo sa razliitim tipovima ljudi, sigurnost u nastupu t takt.37

Poeljno je da anketari svojim stilom odijevanja, dranjem i nainom ophoenja sa ispitanicima ne odstupa previe od populacije na kojoj se istraivanje provodi. Ovisno o pojedinoj istraivakoj kui, anketari su ili zaposleni privremeno i honorarno, ili imaju stalno zaposlenje. Prednost honorarno i povremeno zaposlenih anketara je u izbjegavanju rutine i nauene vjetine, a stalno zaposlenih u smanjenju trokova obuke i veem iskustvu. Relativna vanost pojedinih osobina anketara (dob, spol, socijalni status, nain odijevanja itd.) varira od ankete do ankete, ovisno o populaciji na kojoj se istraivanje provodi. Odabir anketara iznimno je odgovoran posao. Rodbinske veze i osobne preferencije tijekom odabira anketara treba iskljuiti.

2. OBUKA ANKETARA Obuka anketara se sastoji od: 1. upoznavanja sa svrhom i ciljevima istraivanja te planiranja terenskog rada. 2. pronalaenja, odabira i privole ispitanika na suradnju 3. naina postavljanja pitanja i biljeenja odgovora 4. zavretka istraivanja. 2.1 UPOZNAVANJE SA SVRHOM I CILJEVIMA ISTRAIVANJA, PLANIRANJE TERENSKOG RADA

Znatno poveava motivaciju anketara, kao i stopu odaziva ispitanika Valja obratiti pozornost na spremu anketara. On treba znati onoliko koliko mu je potrebno za dobro razumijevanje i adekvatno obavljanje svoje zadae. Previe informacija moe biti kontraproduktivno. Prilikom planiranja terenskog rada anketarima, a pogotovo onim neiskusnim, treba to vie olakati posao pri dodjeli zadatka. Kako bi maksimalno smanjili vrijeme pronalaenja ispitanika anketare treba upozoriti na potrebu planiranja rada tj. rute. Ona treba biti koncipirana tako da anketar u to kraem roku moe obraditi to vei broj ispitanika, te da su gubici vremena potrebni38

za dolazak do anketiranih svedeni na najmanju moguu mjeru. Radi to vee susretljivosti ispitanika i izbjegavanja neugodnih situacija valja napomenuti anketarima koje vrijeme nije prikladno za anketiranje, kada se obino moe oekivati odsutnost potencijalnih ispitanika ili njihova nespremnost na suradnju.

2.2 PRONALAENJE, ODABIR I PRIVOLA ISPITANIKA NA SURADNJU

Anketari najee trae odreeni tip ispitanika u skladu sa uputama istraivaa koji trebaju omoguiti dobivanje sluajnog uzorka. Oni rijetko trae posve odreenog ispitanika, a nikad im nije doputena potpuna sloboda u odabiru ispitanika U pravilu se anketarima daju adrese lokacija na kojima e provesti anketiranje. Odabir ispitanika u pojedinim domainstvima provodi as razliitim tehnikama . Jedna od tehnika je da se za ispitanika odabere osoba koja je posljednja imala roendan. Tom se metodom tee realizira traeni uzorak potkraj istraivanja tj. tee je pronai ispitanike odreenog tipa koji nam nedostaju Prilikom odabira konkretnog ispitanika koriste se razliite inaice Troldahlove i Carterove tehnike sluajnog odabira ispitanika unutar domainstva. Ta se tehnika upotrebljava za postizanje adekvatne zastupljenosti ispitanika u uzorku po dobi i spolu tj. radi smanjenja vjerojatnosti nadreprezentiranja u uzorku onih kategorija ispitanika koje su najdostupnije za anketiranje. Primjena te metode trai da se u 4 uzastopne ankete za ispitanika odabere najstariji mukarac, najstarija ena, najmlai mukarac te najmlaa ena u domainstvu. Sve varijante odabira moraju biti podjednako zastupljene, a evidenciju o tome vodi anketar sam ili uz pomo kontrolora. Nakon kontaktiranja potencijalnog ispitanika anketar se treba predstaviti imenom i prezimenom, navesti ustanovu za koju radi te ukratko opisati o kakvom je istraivanju rije. Valja napomenuti da su ispriavanje ili pretjerano dugi uvodi nepotrebni.39

Anketar moe ispitaniku pokazati punomo te navesti osobu kod koje ispitanik moe saznati dodatne informacije o tom istraivanju ili o punomoi anketara. Ispitanicima treba objasniti nain na koji je uzorak odabran i, ako je uzorak sluajan, zato je vano da upravo oni budu anketirani Ispitanik ima pravo biti obavijeten o eventualnim koristima i tetama koje bi mogle nastati zbog njegove suradnje. Ispitanika valja uvjeriti u povjerljivost i adekvatno koritenje podataka dobivenih anketiranjem. Meutim, ispitanicima se ne bi trebalo garantirati neke stvari koje nije mogue ispuniti, kao npr. potpunu anonimnost anketiranog i sl.

2.3 NAIN POSTAVLJANJA PITANJA I BILJEENJA ODGOVORA

Anketari u nekim situacijama ele promijeniti formulaciju ili redoslijed odreenih pitanja, dodati ili izbaciti pokoju rije i sl. to se smatra neprihvatljivim i treba se izbjei. Najbolji nain da se to postigne je adekvatna obuka anketara kojom se osigurava potpuno potivanje uputa. Pri postavljanju pitanja anketar treba pitanja proitati teno i bez greke. Pitanja mora proitati tono onako kako su napisana. Jedina pomo ispitaniku moe biti ponovno itanje odreenog pitanja. Sadraj i oblik pitanja ne smiju se izmijeniti. Anketar pitanja mora itati redom kako su napisana kako bi izbjegao nekontroliran utjecaj poremeenog redoslijeda pitanja na odgovore ispitanika. Pri biljeenju odgovora anketar mora tono zabiljeiti odgovor kako mu ga je dao ispitanik. Anketar mora biti upoznat sa uputama za odgovaranje na pojedina pitanja, kao i sa dozvoljenim modalitetima odgovora na pojedina pitanja. Odgovori ispitanika moraju biti zapisani doslovno i itko, bez parafraziranja budui da anketar (a u nekim sluajevima niti sam istraiva dok ne pregleda i sistematizira odgovore) ne zna kako e ti odgovori biti kodirani. Ispitanika se moe verbalno ili neverbalno potaknuti da odgovori na neko pitanje ili da na njega odgovori na eljen nain. Time se40

ni na koji nain ispitaniku ne smije sugerirati odgovor. Anketar ne smije na bilo koji nain iznijeti ispitanicima svoje stavove i miljenja o pojedinom pitanju. Iako ispitanici esto tijekom anketiranja od anketara trae pomo u odgovoru na neko pitanje treba ih se upozoriti da bilo kakvo uplitanje u njihov odgovor od strane anketara nije dozvoljeno Anketar ne smije pokazivati pretjerane emocija, bez obzira na eventualnu okantnost ili nekonvencionalnost ispitanikova odgovora. Ispitaniku se treba omoguiti iskreno i bez rezervno izraavanje odgovora. Ogledni intervju, gdje voditelj istraivanja preuzima ulogu anketara i posebno prolazi svako pitanje sa buduim anketarima rjeavajui pri tom nejasnoe koje bi se eventualno mogle pojaviti, tijekom obuke je poeljno i vodi do smanjenja potekoa prilikom provoenja ankete, kao i plodnijih rezultata.

2.4 ZAVRETAK INTERVJUA

Nakon zavretka anketiranja anketar se treba ispitaniku zahvaliti na suradnji i upozoriti ga da e moda biti naknadno kontaktiran kako bi se provjerio rad anketara. Anketar na ispitanika treba ostaviti to bolji utisak kako b ispitanik bio to spremniji na suradnju prilikom nekog drugog anketiranja.

3. NADZOR ANKETARA

Kontrola anketara i njihovog rada je nuna radi izbjegavanja nepoeljnih potekoa u radu, radi osiguravana pridravanja pravila od strane anketara, kao i otkrivanja moguih izvedbenih nedostataka na vrijeme. Kontrolor moe, ako se za to ukae potreba, sa dijelom ispitanika provesti ponovljeno anketiranje , no ee se ispitanika kontaktira osobno ili putem telefona da bi se provjerilo jeli bio anketiran, kako je anketa provedena i kako je odgovorio na pojedina pitanja. Iz istog razloga ispitanika valja upozoriti na mogunost da e zbog kontrole anketara biti naknadno kontaktiran.41

Poeljna je esta komunikacija sa anketarima. U pravilu bi se anketari nakon svakih 20-30 provedenih anketa trebali javiti voditelju terenskog istraivanja kako bi se rano otkrile pogreke i bolje kontrolirala realizacija planiranog uzorka.

Faktorska analiza autor izvornika: Sran Golubovi Poetkom dvadesetog stoljea Charles Spearman predlae prvu metodu faktorske analize. Faktorska analiza prvotno je razvijena u podruju psihologije, ali se kasnije prihvaa i u drugim znanostima (pedagogija, sociologija, ekonomija, itd.). Faktorska analiza spada u multivarijantne metode. Faktorska analiza je takva statistika tehnika kojom utvrujemo konstrukte, latentne dimenzije, faktore, kojima moemo objasniti korelacije meu manifesnim, mjerenim varijablama (Kufrin, 2000.) Zadaci faktorske analize su utvrivanje faktora koji lee u osnovi meusobne povezanosti manifesnih varijabli i utvrivanje povezanosti pojedinih manifesnih varijabli s tim faktorom, tj. rotacijom faktora postii interpretabilnija rjeenja (Kujundi, Ivankovi, 11.12.2006.). Faktorska analiza se rauna pomou raznih programskih statistikih paketa, npr. pomou SPSS-a.

Vrste faktorske analize autor izvornika: Sran Golubovi

42

Postoje dvije vrste faktorske analize: 1. Eksplorativna faktorska analiza 2. Konfirmativna faktorska analiza Eksplorativnom faktorskom analizom se koristimo kada nisu poznati broj i struktura faktora unaprijed. Konfirmativnom faktorskom analizom se koristimo kada se provjeravaju hipoteze o broju i strukturi faktora koji su unaprijed poznati (postoje neki empirijski dokazi za njih). Analiza varijance (ANOVA) upotrebljava se kod utvrivanja postoje li razlike izmeu nekoliko aritmetikih sredina. T test kao usporedba prosjenih rezultata dvaju uzoraka na nekoj varijabli, kod veeg broja aritmetikih sredina se upotreba ne preporuuje, a ponekad je i nedopustiva. Razlozi: 1. poveanjem broja t testova poveava se vjerojatnost ponavljanja sluajno znaajnih t- omjera, te se tako poveava rizik pogreke tipa I. Zakljuuje se da razlika izmeu skupina postoji iako u populaciji nije prisutna. 2. odabirom samo nekih uzoraka (npr. uzorak s najveom ili najmanjom aritmetikom sredinom), vie se ne radi o sluajnim uzorcima, te se gubi na preciznosti izraunavanja varijance. Kod analize varijance pokuava se dokazati je li varijabilitet meu grupama vei od varijabiliteta unutar grupa. To je testiranje statistike znaajnosti razlika usporedba vie skupina na nekoj varijabli testiranjem samo jedne (Ho). Razlike (varijacije) izmeu aritmetikih sredina vie uzoraka kompariraju se s varijacijama unutar grupa. Analiza varijance sastoji se u tome da se varijabilitet svih dobivenih rezultata rastavlja na dijelove od kojih je sastavljen. Rastavlja se ne interni varijabilitet unutar svake pojedine grupe rezultata i na varijabilitet izmeu pojedinih grupa. Iz njihova odnosa43

moe se doi do zakljuka jesu li to grupe koje su meusobno razliite (ne pripadaju istoj populaciji), ili su njihove razlike sluajne, te pripadaju istoj matinoj populaciji. to je varijabilitet izmeu uzoraka vei u odnosu na varijabilitet unutar uzoraka, to je vjerojatnije da uzorci nisu iz iste populacije (tj. da nisu iz populacija s istim aritmetikim sredinama). Promatranjem poloaja nekog rezultata u masi drugih rezultata i grupa, moe se ustanoviti da se njegovo odstupanje od zajednike aritmetike sredine (varijabilitet)dijeli na 2 komponente: 1. odstupanje rezultata od vlastite aritmetike sredine grupe kojoj pripada (varijabilitet unutar grupe). 2. odstupanje aritmetike sredine grupe kojoj rezultat pripada od zajednike totalne aritmetike sredine (varijabilitet meu grupama). Kvadriranjem pojedinanih odstupanja pojedinih rezultata od totalne aritmetike sredine, te njihovim sumiranjem dolazimo do totalne sume kvadrata, koju je mogue rastaviti na: 1. sumu kvadrata unutar grupe. 2. sumu kvadrata izmeu grupa. ANALIZA VARIJANCE U 5 KORAKA: 1. korak izraunavanje sume kvadrata unutar grupa i sume kvadrata izmeu grupa. SUKTOT= SUKUG + SUKIG 2. korak izraunavanje pokazatelja kojim se izraava varijabilitet varijancu. Sume kvadrata dijele se s odgovarajuim brojem stupnjeva slobode. Tako dobivene procijenjene varijance nazivaju se srednjim kvadratima. SREDNJI KVADRAT IZMEU GRUPA44

SRKIG = SUKIG / dfIG dfIG = k - 1 k oznaava broj grupa SREDNJI KVADRAT UNUTAR GRUPA SRKUG = SUKUG / dfUG dfUG = NTOT - 1 3. korak izraunavanje omjera varijance izmeu i varijance unutar grupe (F OMJER) F = SRKIG / SRKUG F distribucija je porodica distribucija, konkretna distribucija ovisi o stupnjevima slobode. 4. korak utvrivanje kritinog tablinog F omjera (FKRIT ) uz dfIG = (K 1; u stupcima tablice) dfUG = (NTOT - 1; u redovima tablice) na eljenoj razini rizika (alfa). 5. korak prihvaanje ili odbacivanje Ho Analiza varijance testira nultu hipotezu da su aritmetike sredine populacija jednake: Ho: = = = ()

Ako je izraunati F vei od FKRIT odbacujemo Ho, odnosno kaemo da postoji statistiki znaajna razlika. Ako je F manji od FKRIT prihvaamo Ho, odnosno ne postoji statistiki znaajna razlika. Ako je F omjer malog iznosa, varijanca izmeu skupina priblino je jednaka varijanci unutar skupina. Nulta hipoteza je vjerojatnija. Ako je F omjer velikog iznosa varijanca izmeu skupina (znatno) je vea od varijance unutar skupina, a (znatni) dio45

varijance zavisne varijable valja pripisati utjecaju nezavisne varijable (nezavisna varijabla tumai znatni dio varijance zavisne varijable). Nulta hipoteza je manje vjerojatna. VARIJANCA IZMEU GRUPA: protumaena varijanca VARIJANCA UNUTAR GRUPA: neprotumaena varijanca

Pretpostavke analize varijance Zavisna varijabla je intervalna (ako imamo ordinalnu zavisnu varijablu, koristimo neparametrijske procedure (npr. Kruskal-Wallis test)) i normalno je distribuirana. Uzorci su sluajni i nezavisni (za zavisne uzorke koristimo nezavisne procedure parametrijski Repeated Measures ANOVA test, Friedmanov neparametrijski test). Varijance uzoraka su homogene (homoscedastinost), a homogenost varijanci testira se prije provoenja analize varijance po istom obrascu kao i kod t testa (pri raunanju F omjera u brojnik se stavlja najvea, a u nazivnik najmanja varijanca). Analiza varijance je robusna procedura, moe se provoditi i kad varijance nisu homogene i kad distribucije nisu normalne, ali samo ako su uzroci jednake ili vrlo sline veliine i ako su im distribucije sline (no, pri krenju pretpostavki analize varijance nije dobro pretjerivati). U sluaju nehomogenih bolje je koristiti testove razvijene ba za takve situacije (Brown-Forsytheov test, Welchov test) ili neparametrijske testove (npr. Kruskal-Wallis H test). Uz jednostavnu (jednosmjernu) analizu varijance (One Way ANOVA), postoji i multivarijatna analiza varijance (MANOVA) kojom se testira istovremeni utjecaj vie nezavisnih varijabli na zavisnu.

46

LOGIKA ANALIZE VARIJANCE Postupkom analize varijance vrimo dvije nezavisne procjene varijance populacije: Prva procjena analogna je pooled variance estimate kod t testa. Radi se o ponderiranom prosjeku varijanci pojedinih uzoraka (pretpostavka da su varijance homogene, uvjet je za provoenje analize varijance). Ta vrsta procjene varijance populacije vri se na temelju variranja rezultata oko aritmetikih sredina uzoraka i uvijek je nepristrana, bez obzira na to kolike su razlike aritmetikih sredina uzoraka. Druga procjena temelji se na varijanci aritmetikih sredina uzoraka tretiranih kao da je rije o individualnim rezultatima. Ta procjena varijance populacije vri se na temelju variranja aritmetikih sredina uzoraka oko ukupne aritmetike sredine. Takva procjena biti e nepristrana samo ako su aritmetike sredine populacija doista jednake (ako je tona nulta hipoteza analize varijance). Tada se oekuje da e aritmetike sredine uzoraka varirati prema centralnom graninom teoremu. Ukoliko su prosjeci populacija razliiti, oekuje se da e se aritmetike sredine uzoraka razlikovati vie no u sluaju da su prosjeci populacija jednaki. Analiza varijance temelji se na usporedbi (omjeru) tako dobivenih dvaju procjena varijance populacije: Ako je nulta hipoteza tona, obje procjene varijance populacije e biti nepristrane, a F omjer e biti blizak jedinici. Ako nulta hipoteza nije tona, procijenjena varijanca izmeu uzoraka najvjerojatnije e biti vea no procijenjena varijanca unutar uzoraka, pa e F omjer biti vei od jedinice. Na razlike u procjenama varijanci utjee i sluajni varijabilitet uzoraka. Da bismo odbacili nultu hipotezu, trebamo odrediti F omjer. F omjer (omjer dviju procjena varijance populacija) ima poznatu teorijsku distribuciju, te pomou nje moemo evaluirati F 47

omjer i odluiti hoemo li prihvatiti ili odbaciti nultu hipotezu. Scheffeov test je najee koriteni test u sluaju homogenih varijanci uzoraka. To je konzervativan (strog) test. Mogue je dobiti statistiki znaajan F omjer u analizi varijance, a da Scheffeov test ne pokae da su prosjeci bilo koja dva uzorka statistiki znaajno razlikuju. Hi-kvadrat autor izvornika: Jelena Matanovi Raun koji se primjenjuje na kvalitativne podatke. Rauna se iskljuivo s frekvencijama, te se iz tog razloga ne unose mjerne jedinice. Posebno je koristan ako elimo ustanoviti postoji li znaajnije odstupanje utvrene frekvencije od one koju smo pretpostavili hipotezom. Ne pokazuje nam stupanj povezanosti nego stupanj vjerojatnosti. Formula za izraunavanje Hi-kvadrata, glasi:

pri emu je fo empirijska ili opaena frekvencija, a ft teorijska ili oekivana. Uz svaki izraun moraju se uzeti u obzir i stupnjevi slobode koji predstavljaju mogunost pogrenog predvianja rezultata. Najee se koristi:

uz frekvenciju jednog uzorka uz frekvenciju dvaju ili vie nezavisnih uzoraka

Razlike testova uoavamo u elijama A i D, dok su u B i C samo oni koji jesu ili nisu uspjeli zadovoljiti. Dakle, A i D skupina pokazuju razlike u prvom i drugom mjerenju. Hipotezom moemo pretpostaviti da se polovica promijenila u jednom smjeru, i polovica48

u drugom. Raunom oekivana frekvencija iznosi 4,05. Granina vrijednost iznosi 3,841 uz jedan stupanj slobode, te zakljuujemo da hipotezu treba odbaciti, tj da postoje razlike u teini testova. Uvjeti za upotrebu hi-kvadrat testa su sljedei. 1. Raunati samo s frekvencijama, u elije se unose aritmetike sredine, proporcije, postotci. 2. Suma oekivanih frekvencija mora biti jednaka sumi opaenih, uz odstupanje zbog zaokruivanja decimala. 3. Zbog prethodnog uvjeta, potrebno je u raun unijeti frekvencije u kojima se svojstvo pojavilo kao i one u kojima se nije pojavilo. 4. Frekvencije u svakoj eliji moraju biti nezavisne, tj. da svaka pripada drugom individuumu (ne smijemo unositi nekoliko odgovora istog ispitanika). 5. Oekivane frekvencije ne smiju biti premale. 6. Ako postoji samo jedan stupanj slobode, provodi se korekcija za kontinuitet Yatesova korekcija. Ova korekcija ima smisla samo kod malih frekvencija jer kod visokih je razlika ionako neprimjetna. Jo su tri vane napomene koje se esto zanemaruju. Prva se odnosi na svojstvo da je hi-kvadrat samo vjerojatnost povezanosti. Druga je malo poznata injenica koja se odnosi na niske vrijednosti testa. Naime, znaajnom se smatra razlika ako je dobiveni Hikvadrat vei od granine vrijednosti u tablici, uz odreeni broj stupnjeva slobode. Iako smo napomenuli da to je Hi-kvadrat blii nuli, to je vjerojatnije da treba prihvatiti pretpostavljenu hipotezu. Ali, to nuno ne mora biti. Suvie mali Hi-kvadrat moemo smatrati da nije sluajno nastao. (Petz,1997: 270). Trea pak jest injenica da se ovaj test koristi, ako se zapravo ne zna to je pravi interes istraivanja

49

Hi-kvadrat Tekst je preuzet iz predavanja Prof. dr. sc. Kreimira Kufrina Hi-kvadrat primjenjujemo kada elimo testirati:

hipotezu da su dvije (nominalne) varijable meusobno povezane statistiku znaajnost razlike frekvencija dvaju nezavisnih uzoraka dobivenih na nekoj dihotomnoj varijabli oblik distribucije

Osnovni uvjeti za koritenje hi-kvadrat testa:

moe se raunati samo na frekvencijama sume empirijskih frekvencija mora biti jednaka sumi teorijskih frekvencija teorijske frekvencije ne smiju biti previe male (kada ih ima manje od 5 po eliji onda se javlja problem "mravih" elija)

Postupak provedbe hi-kvadrat testa: 1. Izraditi kontingencijsku tablicu. 2. Izraunati teorijske frekvencije. 3. Izraunati razliku izmeu teorijskih i empirijskih frekvencija. 4. Kvadrirati dobivene razlike za svaku eliju. 5. Izraunati iznos hi-kvadrata. 6. Odrediti broj stupnjeva slobode. 7. Odrediti razinu rizika na kojoj se eli testirati statistika znaajnost hi-kvadrata. 8. Iz tablice hi-kvadrat distribucije odrediti kritinu vrijednost hi-kvadrata. 9. Usporediti hi-kvadrat dobiven raunom sa kritinom vrijednou hi-kvadrata iz tablice. 10. Prihvatiti ili odbaciti nultu hipotezu (koja uvijek kae da ne postoji povezanost izmeu dvije varijable).

50

51