การวิจัยสำรวจ — การออกแบบการวิจัยสำรวจ
- ผู้เสนอ
- Francis Galton, Charles Booth, and early social statisticians; systematised by Paul Lazarsfeld and colleagues at Columbia in the 1940s
- ปี
- Late 19th century; methodologically systematised 1940s–1960s
- ประเภท
- Quantitative (and mixed) non-experimental design
- กลุ่มวิธี
- Survey / observational design
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
การวิจัยสำรวจเป็นการออกแบบเชิงปริมาณ (และบางครั้งก็เป็นแบบผสมผสาน) ซึ่งผู้วิจัยรวบรวมข้อมูลการรายงานตนเองที่เป็นมาตรฐานจากกลุ่มตัวอย่างที่ได้มาจากประชากรที่กำหนด โดยใช้แบบสอบถามหรือการสัมภาษณ์ที่มีโครงสร้าง เป็นกลยุทธ์ที่ไม่ใช่การทดลองที่โดดเด่นในการอธิบายลักษณะของประชากร การประมาณความชุก การทำแผนที่การกระจายทัศนคติ และการทดสอบความสัมพันธ์แบบสองตัวแปรหรือหลายตัวแปรในสาขาวิทยาศาสตร์สังคม พฤติกรรม และสุขภาพ
แนวคิดเบื้องหลังวิธีการ
ลองนึกถึงแบบสำรวจว่าเป็นเครื่องมือวัดที่เป็นมาตรฐานที่ใช้กับผู้คนจำนวนมากพร้อมกัน แทนที่จะสังเกตผู้เข้าร่วมแต่ละคนอย่างละเอียด ผู้วิจัยจะตั้งคำถามชุดเดียวกันกับผู้ตอบแบบสอบถามทุกคน ชุดข้อมูลที่ได้จะเป็นรูปสี่เหลี่ยมผืนผ้า: แถวคือผู้คน คอลัมน์คือตัวแปร ความมหัศจรรย์ของการวิจัยสำรวจคือการรวมข้อมูลเข้าด้วยกัน — แม้ว่าคำตอบของแต่ละบุคคลจะมีความคลาดเคลื่อน แต่รูปแบบที่พบในผู้ตอบแบบสอบถามหลายร้อยคนสามารถเปิดเผยความจริงในระดับประชากรด้วยความมั่นใจที่สามารถวัดปริมาณได้ ข้อแลกเปลี่ยนที่สำคัญคือความกว้างเทียบกับความลึก: แบบสำรวจจะรวบรวมตัวแปรจำนวนมากจากผู้คนจำนวนมาก แต่ไม่สามารถเจาะลึกประสบการณ์ของบุคคลใดบุคคลหนึ่งได้อย่างสมบูรณ์เท่ากับการสัมภาษณ์
ประวัติศาสตร์
การสำรวจทางสังคมที่เป็นระบบเกิดขึ้นในช่วงปลายศตวรรษที่สิบเก้าด้วยแผนที่ความยากจนในลอนดอนของ Charles Booth (1889–1903) และความพยายามที่คล้ายคลึงกันโดย Seebohm Rowntree การสำรวจเชิงความน่าจะเป็นสมัยใหม่ได้รับอิทธิพลจากการพัฒนาทฤษฎีการสุ่มตัวอย่าง — เอกสารปี 1934 ของ Jerzy Neyman เกี่ยวกับการสุ่มตัวอย่างแบบแบ่งชั้นถือเป็นเหตุการณ์สำคัญ — และจากการทำให้การสำรวจความคิดเห็นสาธารณะเป็นอุตสาหกรรมผ่าน Gallup, Roper และ Crossley ในทศวรรษที่ 1930 Paul Lazarsfeld และเพื่อนร่วมงานที่มหาวิทยาลัยโคลัมเบียได้ทำให้ระเบียบวิธีวิจัยสำรวจเป็นทางการสำหรับวิทยาศาสตร์สังคมในช่วงทศวรรษที่ 1940 ต่อมา Floyd Fowler, Don Dillman และ Robert Groves ได้ผลิตคู่มือระเบียบวิธีที่เป็นแบบอย่างซึ่งกำหนดแนวปฏิบัติที่ดีที่สุดในปัจจุบัน
ควรใช้เมื่อใด
การวิจัยสำรวจมีความเหมาะสมเมื่อเป้าหมายคือการอธิบายลักษณะของ หรือความสัมพันธ์ระหว่างตัวแปรในประชากรที่กำหนด — โดยเฉพาะอย่างยิ่งเมื่อการสังเกตโดยตรงหรือการทดลองไม่สามารถทำได้ เป็นวิธีการที่เลือกสำหรับการวัดทัศนคติ การประเมินความต้องการ การประเมินโครงการ และการศึกษาความชุกทางระบาดวิทยา ใช้เมื่อไม่สามารถจัดการตัวแปรได้และเมื่อการวัดที่เป็นมาตรฐานของผู้เข้าร่วมจำนวนมากเป็นไปได้ อย่าใช้การวิจัยสำรวจเมื่อคำถามวิจัยต้องการความเข้าใจอย่างลึกซึ้งเกี่ยวกับความหมายเชิงอัตวิสัย (ใช้ปรากฏการณ์วิทยาหรือการสืบสวนเชิงพรรณนา) เมื่อต้องการการอนุมานเชิงสาเหตุจากเงื่อนไขที่ถูกจัดการ (ใช้การออกแบบเชิงทดลองหรือกึ่งทดลอง) หรือเมื่อประชากรที่สนใจมีขนาดเล็กเกินไปหรือไม่สามารถเข้าถึงได้จนไม่สามารถให้ผลการตอบสนองที่ใช้งานได้
ข้อจำกัดและข้อควรพิจารณา
- การออกแบบภาคตัดขวาง (รูปแบบที่พบบ่อยที่สุด) ไม่สามารถสร้างลำดับเวลาหรือตัดปัจจัยรบกวนออกได้ ซึ่งจำกัดการอนุมานเชิงสาเหตุ
- ข้อมูลการรายงานตนเองมีความเสี่ยงต่อความแปรปรวนของวิธีการทั่วไป อคติจากการตอบสนองทางสังคม และผลกระทบจากการตอบสนองแบบยินยอม
- อคติจากการไม่ตอบสนองเป็นภัยคุกคามที่คงอยู่ — ผู้ตอบแบบสอบถามที่ทำแบบสำรวจให้เสร็จอาจแตกต่างอย่างเป็นระบบจากผู้ที่ไม่ตอบแบบสอบถาม
- การกำหนดคำถาม รูปแบบมาตรวัดการตอบ และลำดับคำถาม สามารถส่งผลต่อการตอบสนองได้อย่างมากในลักษณะที่ตรวจจับได้ยาก
- ความลึกของข้อมูลต่อผู้ตอบมีจำกัด — โครงสร้างที่ซับซ้อนอาจถูกจับได้ไม่ดีด้วยชุดคำถามเล็กๆ
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- ช่วยให้สามารถอธิบายและวิเคราะห์ประชากรขนาดใหญ่ที่กระจายตัวทางภูมิศาสตร์ด้วยต้นทุนต่อผู้ตอบค่อนข้างต่ำ
- เครื่องมือที่เป็นมาตรฐานช่วยเพิ่มความสามารถในการเปรียบเทียบระหว่างผู้ตอบแบบสอบถามและการทำซ้ำในการศึกษาต่างๆ
- การสุ่มตัวอย่างเชิงความน่าจะเป็นสนับสนุนการสรุปผลทางสถิติไปยังประชากรที่กำหนดด้วยความไม่แน่นอนที่วัดปริมาณได้
- ช่องทางการบริหารจัดการที่ยืดหยุ่น (ออนไลน์ ไปรษณีย์ โทรศัพท์ เผชิญหน้า) ช่วยให้สามารถปรับให้เข้ากับประชากรเป้าหมายได้
- สร้างชุดข้อมูลที่มีโครงสร้างซึ่งเหมาะสำหรับการวิเคราะห์ทางสถิติเชิงอนุมานที่หลากหลาย
- สามารถวัดตัวแปรจำนวนมากพร้อมกัน ทำให้สามารถวิเคราะห์ความสัมพันธ์ที่ซับซ้อนหลายตัวแปรได้
การประยุกต์ใช้
- การสำรวจสุขภาพแห่งชาติเพื่อประมาณความชุกของโรค พฤติกรรมเสี่ยงต่อสุขภาพ และการใช้บริการสุขภาพในประชากรผู้ใหญ่
- การสำรวจการมีส่วนร่วมของพนักงานและบรรยากาศองค์กรที่ใช้ในการติดตามทัศนคติในที่ทำงานและชี้นำนโยบายทรัพยากรบุคคล
- การสำรวจการประเมินทางการศึกษาที่วัดประสบการณ์การเรียนรู้ของนักเรียน ความเชื่อมั่นในตนเอง และความพึงพอใจในอุดมศึกษา
- การสำรวจความคิดเห็นสาธารณะที่วัดทัศนคติทางการเมือง เจตจำนงในการลงคะแนนเสียง และความชอบต่อนโยบายก่อนการเลือกตั้ง
- การสำรวจการประเมินโครงการที่รวบรวมข้อมูลความพึงพอใจของผู้เข้าร่วมและผลลัพธ์ที่รายงานด้วยตนเองสำหรับการแทรกแซงทางสังคม
- แบบสอบถามการวิจัยตลาดที่ทำแผนที่ความชอบของผู้บริโภค การรับรู้แบรนด์ และพฤติกรรมการซื้อ
วิธีการทำงาน
วิธีการทำงาน
ผู้วิจัยระบุคำถามวิจัยและโครงสร้างที่น่าสนใจ — สิ่งที่แบบสำรวจต้องวัดและสำหรับประชากรใด วัตถุประสงค์กำหนดว่าการออกแบบเป็นเพียงเชิงพรรณนา (การประมาณความชุก) เชิงสัมพันธ์ (การทดสอบความสัมพันธ์) หรือเชิงทำนาย (การสร้างแบบจำลองผลลัพธ์) วัตถุประสงค์ที่ชัดเจนป้องกันไม่ให้เครื่องมือมีขนาดใหญ่เกินไปและทำให้การวิเคราะห์มุ่งเน้น
รายการแต่ละรายการ (คำถาม) จะถูกร่างและปรับปรุงเพื่อทำให้โครงสร้างแต่ละรายการเป็นรูปธรรม การกำหนดคำถาม การเลือกประเภทมาตรวัดการตอบ (Likert, การแยกความแตกต่างทางความรู้สึก, แบบทวิภาค, แบบปลายเปิด) ลำดับ และตรรกะการข้าม ล้วนเป็นการตัดสินใจที่ทำในขั้นตอนนี้ การทดสอบนำร่องกับกลุ่มตัวอย่างสะดวกที่เล็กใช้เพื่อระบุคำถามที่กำกวมและประมาณเวลาที่ใช้ในการตอบก่อนที่จะสรุปเครื่องมือ
กลยุทธ์การสุ่มตัวอย่างจะถูกเลือกเพื่อดึงผู้ตอบแบบสอบถามจากประชากรเป้าหมาย การออกแบบเชิงความน่าจะเป็น (สุ่มอย่างง่าย, แบ่งชั้น, กลุ่ม, เป็นระบบ) อนุญาตให้มีการสรุปผลทางสถิติไปยังประชากรได้ การออกแบบที่ไม่ใช่เชิงความน่าจะเป็น (สะดวก, เจาะจง, ลูกโซ่) ไม่ได้ แต่ก็ยอมรับได้สำหรับงานสำรวจหรือยืนยันที่ความสามารถในการเป็นตัวแทนไม่ใช่เป้าหมาย ขนาดตัวอย่างที่ต้องการจะถูกประมาณจากความคาดหวังของขนาดผลกระทบ กำลังที่ต้องการ และขอบเขตข้อผิดพลาดที่ยอมรับได้
เครื่องมือจะถูกบริหารจัดการผ่านช่องทางที่เลือก — ออนไลน์ (แพลตฟอร์มสำรวจบนเว็บ) ไปรษณีย์ โทรศัพท์ หรือการสัมภาษณ์แบบเผชิญหน้า การเลือกช่องทางส่งผลต่ออัตราการตอบสนอง อคติจากการตอบสนองทางสังคม และการเข้าถึงประชากรย่อย การแจ้งเตือนติดตามผลจะถูกส่งเพื่อเพิ่มอัตราการตอบสนอง และการติดตามอัตราการตอบสนองจะถูกรักษาไว้ตลอดระยะเวลาการทำงานภาคสนาม
การตอบกลับที่สมบูรณ์จะถูกทำความสะอาด (จัดการข้อมูลที่ขาดหาย ค่าที่อยู่นอกช่วง และการตอบแบบเส้นตรง) จากนั้นจึงนำไปวิเคราะห์ สถิติเชิงพรรณนาสรุปการกระจายของรายการและมาตรวัด การวิเคราะห์เชิงอนุมาน — t-tests, ANOVA, chi-square, การถดถอย, การสร้างแบบจำลองสมการโครงสร้าง — จะถูกเลือกเพื่อตอบคำถามวิจัย น้ำหนักของแบบสำรวจจะถูกนำไปใช้เมื่อมีการใช้การออกแบบเชิงความน่าจะเป็นและอัตราการตอบสนองแตกต่างกันไปตามชั้น
ผลการวิจัยจะถูกตีความสัมพันธ์กับคำถามวิจัยและจัดอยู่ในบริบทของวรรณกรรมก่อนหน้า รายงานจะรวมรายละเอียดการสุ่มตัวอย่าง อัตราการตอบสนอง ดัชนีความน่าเชื่อถือของเครื่องมือ (เช่น Cronbach's alpha สำหรับมาตรวัดหลายรายการ) ขนาดผลกระทบ และช่วงความเชื่อมั่น ข้อจำกัดเกี่ยวกับอคติจากการไม่ตอบสนอง ความแปรปรวนของวิธีการทั่วไป และความสามารถในการสรุปผลจะได้รับการอภิปรายอย่างโปร่งใส
ข้อผิดพลาดที่พบบ่อย
- เครื่องมือมีขนาดใหญ่เกินไป — การรวมทุกรายการที่อาจน่าสนใจจะเพิ่มเวลาในการตอบสนอง เพิ่มอัตราการเลิกเรียน และสร้างชุดข้อมูลที่มีขนาดใหญ่เกินไปที่จะวิเคราะห์ได้อย่างมีเหตุผล ให้ความสำคัญกับรายการที่กล่าวถึงคำถามวิจัยโดยตรง
- การละเลยการทดสอบนำร่อง — รายการที่ดูเหมือนชัดเจนสำหรับนักวิจัยมักถูกผู้ตอบแบบสอบถามเข้าใจผิด การทดสอบนำร่องขนาดเล็ก (n = 5–10) จะจับปัญหาการใช้คำส่วนใหญ่ก่อนที่จะดำเนินการในวงกว้าง
- การปฏิบัติต่อกลุ่มตัวอย่างสะดวกว่าเป็นตัวแทน — ผลลัพธ์จากกลุ่มตัวอย่างที่ไม่ใช่เชิงความน่าจะเป็นสามารถสรุปผลได้ด้วยความระมัดระวังอย่างยิ่ง ระบุข้อจำกัดของการสุ่มตัวอย่างอย่างชัดเจนและหลีกเลี่ยงการกล่าวอ้างความชุกในระดับประชากร
- การละเลยอคติจากการไม่ตอบสนอง — อัตราการตอบสนองที่ต่ำไม่ได้ทำให้การศึกษานั้นเป็นโมฆะโดยอัตโนมัติ แต่จำเป็นต้องมีการวิเคราะห์เปรียบเทียบผู้ตอบแบบสอบถามในช่วงต้นและช่วงปลาย (หรือผู้ตอบแบบสอบถามและผู้ที่ไม่ตอบแบบสอบถามที่ทราบ) เพื่อประเมินภัยคุกคาม
- การละเลยหลักฐานความน่าเชื่อถือและความถูกต้องสำหรับมาตรวัดหลายรายการ — การรายงาน Cronbach's alpha และตามความเหมาะสม ผลการวิเคราะห์ปัจจัยยืนยันเป็นสิ่งที่คาดหวังในการตีพิมพ์ในวารสารวิชาการ
คำถามที่พบบ่อย
ขนาดตัวอย่างสำรวจของฉันต้องใหญ่แค่ไหน?
ขนาดตัวอย่างที่ต้องการขึ้นอยู่กับขนาดผลกระทบที่คาดหวัง กำลังทางสถิติที่ต้องการ (โดยทั่วไปคือ 0.80) ระดับนัยสำคัญ (โดยทั่วไปคือ 0.05) และความซับซ้อนของการวิเคราะห์ที่วางแผนไว้ สำหรับการเปรียบเทียบสองกลุ่มอย่างง่ายที่ตรวจจับผลกระทบปานกลาง (d = 0.50) ด้วยกำลัง 80% คุณต้องการประมาณ 64 คนต่อกลุ่ม แบบจำลองสมการโครงสร้างมักต้องการกรณีที่สมบูรณ์อย่างน้อย 200 กรณี ใช้การวิเคราะห์กำลังก่อน (เช่น G*Power) แทนกฎทั่วไป และเพิ่ม 20–30% เพื่อรองรับการตอบกลับที่ไม่สมบูรณ์ที่คาดว่าจะเกิดขึ้น
อัตราการตอบสนองที่ต่ำเป็นข้อบกพร่องร้ายแรงหรือไม่?
อัตราการตอบสนองที่ต่ำเป็นภัยคุกคาม ไม่ใช่ข้อบกพร่องร้ายแรงโดยอัตโนมัติ สิ่งสำคัญคือผู้ตอบแบบสอบถามแตกต่างจากผู้ที่ไม่ตอบแบบสอบถามอย่างเป็นระบบในตัวแปรที่เกี่ยวข้องกับการศึกษาหรือไม่ ดำเนินการวิเคราะห์อคติจากการไม่ตอบสนอง — เปรียบเทียบผู้ตอบแบบสอบถามในช่วงต้นและช่วงปลายในข้อมูลประชากรหลัก หรือเปรียบเทียบโปรไฟล์กลุ่มตัวอย่างของคุณกับเกณฑ์มาตรฐานประชากรที่ทราบ — และรายงานผลการวิจัย ยอมรับความไม่แน่นอนที่เหลืออยู่เกี่ยวกับการสรุปผลแม้ว่าการวิเคราะห์จะน่าพอใจก็ตาม
ความแปรปรวนของวิธีการทั่วไปคืออะไร และฉันจะจัดการกับมันได้อย่างไร?
ความแปรปรวนของวิธีการทั่วไป (CMV) คือความแปรปรวนที่ผิดพลาดระหว่างตัวแปรที่เกิดจากการที่ตัวแปรเหล่านั้นถูกวัดด้วยเครื่องมือเดียวกันในเวลาเดียวกัน — ทำให้ความสัมพันธ์ที่สังเกตได้สูงขึ้น วิธีการเชิงกระบวนการ ได้แก่ การแยกเวลาของการวัดตัวทำนายและผลลัพธ์ การใช้รูปแบบการตอบสนองที่แตกต่างกันสำหรับโครงสร้างที่แตกต่างกัน และการรวมตัวแปรเครื่องหมาย การตรวจสอบทางสถิติ เช่น การทดสอบปัจจัยเดียวของ Harman หรือแนวทางปัจจัยแฝงที่ไม่ได้วัด สามารถตรวจจับได้แต่ไม่สามารถแก้ไข CMV ได้อย่างสมบูรณ์
เมื่อใดที่ฉันควรเลือกแบบสำรวจออนไลน์แทนแบบสำรวจทางไปรษณีย์หรือทางโทรศัพท์?
แบบสำรวจออนไลน์มีต้นทุนต่ำ รวดเร็ว และเหมาะสมเมื่อประชากรเป้าหมายมีการเข้าถึงอินเทอร์เน็ตที่เชื่อถือได้ — ผู้ใหญ่ส่วนใหญ่ในวัยทำงานในประเทศพัฒนาแล้ว แบบสำรวจทางไปรษณียังคงมีคุณค่าสำหรับประชากรสูงอายุหรือผู้ที่ไม่มีอินเทอร์เน็ต โดยมีค่าใช้จ่ายในการดำเนินการที่ช้าลงและต้นทุนต่อการตอบสนองที่สูงขึ้น แบบสำรวจทางโทรศัพท์มีอัตราการตอบสนองลดลง แต่ช่วยให้สามารถใช้ตรรกะการแตกแขนงที่ซับซ้อนและเข้าถึงประชากรที่ไม่มีอินเทอร์เน็ต การออกแบบแบบผสมผสาน (เสนอช่องทางการตอบสนองหลายช่องทาง) โดยทั่วไปจะทำให้อัตราการตอบสนองสูงกว่าช่องทางเดียว
แบบสำรวจสามารถสร้างความเป็นเหตุเป็นผลได้หรือไม่?
แบบสำรวจภาคตัดขวางเดี่ยวไม่สามารถสร้างความเป็นเหตุเป็นผลได้ เนื่องจากขาดลำดับเวลาและการสุ่มจัดกลุ่ม การออกแบบแผงข้อมูลตามยาวที่วัดผู้ตอบแบบสอบถามคนเดียวกันในช่วงเวลาหลายจุดสามารถสร้างลำดับเวลาก่อน ซึ่งเป็นเงื่อนไขที่จำเป็น (แต่ไม่เพียงพอ) สำหรับความเป็นเหตุเป็นผล แบบจำลองแผงข้อมูลแบบไขว้และแบบจำลองแผงข้อมูลแบบไขว้ที่มีจุดตัดคงที่สามารถควบคุมความแตกต่างของแต่ละบุคคลที่คงที่ได้ ซึ่งช่วยเสริมการอนุมานเชิงสาเหตุ แต่ปัจจัยรบกวนที่ไม่ได้วัดยังคงเป็นภัยคุกคาม สำหรับข้อเรียกร้องเชิงสาเหตุที่ชัดเจน จำเป็นต้องมีการออกแบบเชิงทดลองหรือกึ่งทดลอง
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
Fowler, F. J. (2014). Survey Research Methods (5th ed.). Sage Publications.
ISBN: 978-1452259000คัดลอกแล้วDillman, D. A., Smyth, J. D., & Christian, L. M. (2014). Internet, Phone, Mail, and Mixed-Mode Surveys: The Tailored Design Method (4th ed.). Wiley.
ISBN: 978-1118456149คัดลอกแล้ว