Badania ankietowe — Projektowanie badań ankietowych
- Autor metody
- Francis Galton, Charles Booth, and early social statisticians; systematised by Paul Lazarsfeld and colleagues at Columbia in the 1940s
- Rok
- Late 19th century; methodologically systematised 1940s–1960s
- Typ
- Quantitative (and mixed) non-experimental design
- Rodzina
- Survey / observational design
Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku
Do czego służy?
Badania ankietowe to ilościowa (a czasem mieszana) metoda badawcza, w której badacz zbiera standaryzowane dane samoopisowe od próby pobranej z określonej populacji, wykorzystując kwestionariusz lub ustrukturyzowany wywiad.
Jest to dominująca, nieeksperymentalna strategia do opisywania charakterystyk populacji, szacowania rozpowszechnienia, mapowania rozkładów postaw oraz testowania dwu- lub wielowymiarowych zależności w naukach społecznych, behawioralnych i zdrowotnych.
Intuicja stojąca za metodą
Badanie ankietowe można traktować jako standaryzowany instrument pomiarowy zastosowany jednocześnie do wielu osób. Zamiast dogłębnie obserwować każdego uczestnika, badacz zadaje ten sam zestaw pytań każdemu respondentowi. Powstały zbiór danych ma kształt prostokąta: wiersze to osoby, kolumny to zmienne. Magia badań ankietowych polega na agregacji — nawet gdy indywidualne odpowiedzi są zaszumione, wzorce obserwowane u setek respondentów mogą ujawnić prawdy na poziomie populacji z kwantyfikowalną pewnością. Kluczowym kompromisem jest szerokość versus głębokość: ankiety obejmują wiele zmiennych u wielu osób, ale nie mogą zbadać doświadczenia pojedynczej osoby z taką szczegółowością, jak wywiad.
Historia
Systematyczne badania społeczne pojawiły się pod koniec XIX wieku wraz z mapami ubóstwa Londynu Charlesa Bootha (1889–1903) i podobnymi wysiłkami Seebohma Rowntree. Współczesne badania probabilistyczne zostały ukształtowane przez rozwój teorii próbkowania losowego — przełomowy był artykuł Jerzego Neymana z 1934 roku o próbkowaniu warstwowym — oraz przez uprzemysłowienie sondaży opinii publicznej przez Gallupa, Ropera i Crossleya w latach 30. XX wieku. Paul Lazarsfeld i współpracownicy z Columbia University sformalizowali metodologię badań ankietowych dla nauk społecznych w latach 40. XX wieku. Floyd Fowler, Don Dillman i Robert Groves następnie stworzyli kanoniczne podręczniki metodologiczne, które definiują obecne najlepsze praktyki.
Kiedy stosować
Badania ankietowe są odpowiednie, gdy celem jest opisanie charakterystyk lub związków między zmiennymi w określonej populacji — zwłaszcza gdy bezpośrednia obserwacja lub eksperymentowanie są niepraktyczne. Jest to preferowana metoda do pomiaru postaw, oceny potrzeb, ewaluacji programów i epidemiologicznych badań rozpowszechnienia. Należy jej używać, gdy zmienne nie mogą być manipulowane i gdy standaryzowany pomiar wielu uczestników jest wykonalny. Nie należy używać badań ankietowych, gdy pytanie badawcze wymaga głębokiego zrozumienia subiektywnego znaczenia (należy zastosować fenomenologię lub badanie narracyjne), gdy wymagane jest wnioskowanie przyczynowe z manipulowanych warunków (należy zastosować projekty eksperymentalne lub quasi-eksperymentalne) lub gdy interesująca populacja jest zbyt mała lub niedostępna, aby uzyskać użyteczny wskaźnik odpowiedzi.
Ograniczenia i uwagi
- Projekty przekrojowe (najczęstsza forma) nie mogą ustalić kolejności czasowej ani wykluczyć zmiennych zakłócających, co ogranicza wnioskowanie przyczynowe.
- Dane samoopisowe są podatne na wariancję wspólnej metody, błąd społecznej aprobaty i efekty akceptacji odpowiedzi.
- Błąd braku odpowiedzi jest stałym zagrożeniem — respondenci, którzy wypełniają ankietę, mogą systematycznie różnić się od osób, które nie odpowiedziały.
- Sformułowanie pozycji, format skali odpowiedzi i kolejność pytań mogą znacząco wpływać na odpowiedzi w sposób trudny do wykrycia.
- Głębokość informacji na respondenta jest ograniczona; złożone konstrukty mogą być słabo uchwycone przez mały zestaw pozycji.
Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.
Mocne strony
- Umożliwia opis i analizę dużych, rozproszonych geograficznie populacji przy stosunkowo niskim koszcie na respondenta.
- Standaryzowane instrumenty maksymalizują porównywalność między respondentami i replikację między badaniami.
- Próbkowanie probabilistyczne wspiera uogólnienie statystyczne na określoną populację z kwantyfikowalną niepewnością.
- Elastyczny tryb administrowania (online, pocztowy, telefoniczny, bezpośredni) pozwala na adaptację do populacji docelowej.
- Tworzy ustrukturyzowane zbiory danych, które nadają się do szerokiego zakresu inferencyjnych procedur statystycznych.
- Może mierzyć dużą liczbę zmiennych jednocześnie, umożliwiając wielowymiarową analizę złożonych zależności.
Zastosowania
- Krajowe badania zdrowia szacujące rozpowszechnienie chorób, zachowania ryzykowne dla zdrowia i wykorzystanie opieki zdrowotnej w populacjach dorosłych.
- Badania zaangażowania pracowników i klimatu organizacyjnego wykorzystywane do monitorowania postaw w miejscu pracy i kierowania polityką HR.
- Badania oceny edukacyjnej mierzące doświadczenia studentów w nauce, poczucie własnej skuteczności i satysfakcję w szkolnictwie wyższym.
- Sondaże opinii publicznej mierzące postawy polityczne, intencje głosowania i preferencje polityczne przed wyborami.
- Badania ewaluacji programów zbierające dane o satysfakcji uczestników i samoopisowych wynikach dla interwencji społecznych.
- Kwestionariusze badań rynku mapujące preferencje konsumentów, postrzeganie marki i zachowania zakupowe.
Jak to działa
Jak to działa
Badacz precyzuje pytania badawcze i interesujące konstrukty — co ankieta musi zmierzyć i dla jakiej populacji. Cele określają, czy projekt ma charakter czysto opisowy (szacowanie rozpowszechnienia), relacyjny (testowanie zależności), czy predykcyjny (modelowanie wyników). Jasne cele zapobiegają rozbudowie instrumentu i utrzymują koncentrację analizy.
Poszczególne pozycje (pytania) są opracowywane i udoskonalane w celu operacjonalizacji każdego konstruktu. Sformułowanie pozycji, typ skali odpowiedzi (Likert, różnic semantycznych, dychotomiczna, otwarta), kolejność i logika pomijania to decyzje podejmowane na tym etapie. Testy pilotażowe na małej próbie wygodnej są wykorzystywane do identyfikacji niejednoznacznych sformułowań i oszacowania czasu wypełniania przed finalizacją instrumentu.
Wybierana jest strategia próbkowania w celu pozyskania respondentów z populacji docelowej. Projekty probabilistyczne (proste losowanie, warstwowe, skupiskowe, systematyczne) umożliwiają uogólnienie statystyczne na populację; projekty nieprobabilistyczne (wygodne, celowe, kuli śnieżnej) tego nie umożliwiają, ale są akceptowalne w pracach eksploracyjnych lub konfirmacyjnych, gdzie reprezentatywność nie jest celem. Wymagana wielkość próby jest szacowana na podstawie oczekiwanych wielkości efektu, pożądanej mocy statystycznej i akceptowalnego marginesu błędu.
Instrument jest administrowany wybraną metodą — online (platformy ankiet internetowych), pocztą, telefonicznie lub w wywiadzie bezpośrednim. Wybór metody wpływa na wskaźnik odpowiedzi, błąd społecznej aprobaty i dostęp do subpopulacji. Wysyłane są przypomnienia w celu poprawy wskaźników odpowiedzi, a śledzenie wskaźnika odpowiedzi jest utrzymywane przez cały okres zbierania danych.
Ukończone odpowiedzi są czyszczone (obsługa brakujących danych, wartości spoza zakresu i prostoliniowych odpowiedzi), a następnie analizowane. Statystyki opisowe podsumowują rozkłady pozycji i skal. Analizy inferencyjne — testy t, ANOVA, chi-kwadrat, regresja, modelowanie równań strukturalnych — są wybierane w celu odpowiedzi na pytania badawcze. Wagi ankietowe są stosowane, gdy użyto projektu probabilistycznego, a wskaźniki odpowiedzi różniły się między warstwami.
Wyniki są interpretowane w odniesieniu do pytań badawczych i umieszczane w kontekście wcześniejszej literatury. Raporty zawierają szczegóły dotyczące próbkowania, wskaźnika odpowiedzi, wskaźników rzetelności instrumentu (np. alfa Cronbacha dla skal wielopozycyjnych), wielkości efektu i przedziałów ufności. Ograniczenia dotyczące błędu braku odpowiedzi, wariancji wspólnej metody i możliwości uogólnienia są omawiane w sposób przejrzysty.
Częste pułapki
- Rozbudowa instrumentu — włączenie każdej potencjalnie interesującej pozycji zwiększa czas wypełniania, podnosi wskaźniki rezygnacji i tworzy zbiór danych zbyt duży, aby spójnie go analizować; należy priorytetyzować pozycje, które bezpośrednio odpowiadają na pytania badawcze.
- Zaniedbanie testów pilotażowych — pozycje, które wydają się jasne badaczowi, są często źle rozumiane przez respondentów; mały pilotaż (n = 5–10) wychwytuje większość problemów ze sformułowaniem przed wdrożeniem na dużą skalę.
- Traktowanie próby wygodnej jako reprezentatywnej — wyniki z próby nieprobabilistycznej mogą być uogólniane z dużą ostrożnością; należy wyraźnie określić ograniczenia próbkowania i unikać twierdzeń o rozpowszechnieniu na poziomie populacji.
- Ignorowanie błędu braku odpowiedzi — niski wskaźnik odpowiedzi nie unieważnia automatycznie badania, ale analiza porównująca wczesnych i późnych respondentów (lub respondentów i znanych osób, które nie odpowiedziały) jest konieczna do oceny zagrożenia.
- Pomijanie dowodów rzetelności i trafności dla skal wielopozycyjnych — raportowanie alfy Cronbacha oraz, w stosownych przypadkach, wyników konfirmacyjnej analizy czynnikowej jest oczekiwane w publikacjach recenzowanych.
Najczęściej zadawane pytania
Jak duża musi być moja próba ankietowa?
Wymagana wielkość próby zależy od oczekiwanej wielkości efektu, pożądanej mocy statystycznej (konwencjonalnie 0.80), poziomu istotności (zazwyczaj 0.05) i złożoności planowanych analiz. Dla prostego porównania dwóch grup wykrywającego średni efekt (d = 0.50) z mocą 80% potrzeba około 64 osób na grupę. Modele równań strukturalnych zazwyczaj wymagają co najmniej 200 kompletnych przypadków. Należy używać analizy mocy a priori (np. G*Power) zamiast reguł kciuka i dodać 20–30% na przewidywane niekompletne odpowiedzi.
Czy niski wskaźnik odpowiedzi to wada dyskwalifikująca?
Niski wskaźnik odpowiedzi jest zagrożeniem, ale nie automatycznie wadą dyskwalifikującą. Ważne jest, czy respondenci różnią się systematycznie od osób, które nie odpowiedziały, pod względem zmiennych istotnych dla badania. Należy przeprowadzić analizę błędu braku odpowiedzi — porównać wczesnych i późnych respondentów pod względem kluczowych danych demograficznych lub porównać profil próby z znanymi benchmarkami populacji — i przedstawić wyniki. Należy przyznać się do pozostałej niepewności co do uogólnienia, nawet jeśli analiza jest uspokajająca.
Czym jest wariancja wspólnej metody i jak sobie z nią radzić?
Wariancja wspólnej metody (CMV) to pozorna kowariancja między zmiennymi spowodowana faktem, że zostały zmierzone tym samym instrumentem w tym samym czasie — co zawyża obserwowane korelacje. Proceduralne środki zaradcze obejmują czasowe rozdzielenie pomiaru predyktora i wyniku, użycie różnych formatów odpowiedzi dla różnych konstruktów oraz włączenie zmiennej markerowej. Statystyczne testy, takie jak test pojedynczego czynnika Harmana lub podejście z niezmierzonym czynnikiem latentnym, mogą wykryć, ale nie w pełni skorygować CMV.
Kiedy powinienem wybrać ankietę online zamiast ankiety pocztowej lub telefonicznej?
Ankiety online są opłacalne, szybkie i odpowiednie, gdy populacja docelowa ma niezawodny dostęp do internetu — większość dorosłych w wieku produkcyjnym w krajach rozwiniętych. Ankiety pocztowe pozostają wartościowe dla starszych populacji lub tych bez dostępu do internetu, kosztem wolniejszego czasu realizacji i wyższego kosztu na odpowiedź. Ankiety telefoniczne mają malejące wskaźniki odpowiedzi, ale pozwalają na złożoną logikę rozgałęzień i docierają do populacji bez internetu. Projekty mieszane (oferujące wiele kanałów odpowiedzi) zazwyczaj osiągają wyższe wskaźniki odpowiedzi niż jakakolwiek pojedyncza metoda.
Czy ankieta może ustalić przyczynowość?
Pojedyncza ankieta przekrojowa nie może ustalić przyczynowości, ponieważ brakuje jej porządku czasowego i losowego przypisania. Podłużne projekty panelowe, które mierzą tych samych respondentów w wielu punktach czasowych, mogą ustalić kolejność czasową, co jest koniecznym (ale niewystarczającym) warunkiem przyczynowości. Modele panelowe z opóźnieniem krzyżowym i modele panelowe z opóźnieniem krzyżowym z losowym punktem przecięcia mogą kontrolować stabilne różnice indywidualne, wzmacniając wnioskowanie przyczynowe, ale niezmierzane zmienne zakłócające pozostają zagrożeniem. Dla jednoznacznych twierdzeń przyczynowych wymagane są projekty eksperymentalne lub quasi-eksperymentalne.
Pokrewne metody
Źródła
Fowler, F. J. (2014). Survey Research Methods (5th ed.). Sage Publications.
ISBN: 978-1452259000Skopiowano.Dillman, D. A., Smyth, J. D., & Christian, L. M. (2014). Internet, Phone, Mail, and Mixed-Mode Surveys: The Tailored Design Method (4th ed.). Wiley.
ISBN: 978-1118456149Skopiowano.