نظرية المعاينة تهتم بدراسة العلاقات الموجودة بين المجتمعات (Population) والعينات (Samples) المأخوذة من المجتمعات ذاتها. وتعد العينات مهمة في تفسير العديد من العلاقات الخاصة بالمجتمع على سبيل المثال (الوسط الحسابي للمجتمع μ والتباين σ2)، ويطلق عليها بمعلمات المجتمع او اختصاراً المعلمات (Parameters) ، وعند تعريف المقاييس الاحصائية المناظرة لها اي العينة (الوسط الحسابي X ̅ والتباين S2 ) ويطلق عليها بمقاييس العينة او الاحصاءات Statistics. نظرية المعاينة مفيدة ايضاً لتحديد فيما اذا كانت الفروق المشاهدة بين عينتين هي نتيجة الصدفة (تحدث عشوائياً) ام هي معنوية (Significant) ، على سبيل المثال عند اختبار دواء جديد لاستخدامه في علاج مرض ما او عند اتخاذ القرار فيما اذا كانت احدى طرائق تشغيل مكانة افضل من الاخرى، عند الاجابة يجب ان نستعمل مايسمى باختبار المعنوية او الفرضية وهو مهم ايضا في نظرية اتخاذ القرار.
المعاينة العشوائية البسيطة : Simple Random Sampling
يجب ان يتم اختيار العينات بحيث تمثّل المجتمع لكي تكون الاستنتاجات في نظرية المعاينة وتقديرات المعلمات الاحصائية صحيحة .اذ تسمى طرائق المعاينة (Sampling Methods) بتصميم العينة (Design of Sample )، وتعد طريقة المعاينة العشوائية احد طرائق الحصول على العينة وفيها يكون كل عنصر (مشاهدة) له نفس الفرصة في الظهور ليكون ضمن العينة (نفس احتمال الظهور)، احدى طرائق الحصول على عينة عشوائية (Random Sample) هي (القرعة و جداول الارقام العشوائية) ، القرعة تتلخص بان يتم ترقيم كل عنصر من المجتمع وكتابة هذه الارقان على قطع صغيرة من الورق ووضعها في اناء وسحب الارقام من الاناء على ان يتم خلط الاوراق قبل كل سحب، ويمكن استعمال جداول الارقام العشوائية التي تم توليدها لهذا الغرض. اما إذا قام الباحث باختيار طريقة الجداول فإنه عليه أن يقوم وبنفس الطريقة بعد إعداد قائمة مرقمة بمجتمع البحث بإعداد جداول الأرقام العشوائية، الذي يتضمن سلسلة من الأرقام العمودية والأفقية، ثم بعد ذلك يضع إصبعه على أحد الأرقام بطريقة عشوائية، ويحركه في أحد الاتجاهات، ويقوم بوضع علامة على كل رقم يمر عليه، حتى يصل إلى العدد المطلوب الذي يمثل العينة، وبعد انتهاء هذه الخطوة يعود لقائمة الأسماء ليختار منها الأفراد الذين توافقت ارقامهم مع ما تم تحديده من أرقام في الجداول، وبإمكان الباحث أيضا استخدام الحاسب الآلي في اختيار الأرقام العشوائية، وهي طريقة توفر الوقت والجهد .
في حال سحب رقم من الاناء بشكل عشوائي فيكون هناك اختيار اما باعادته او عدم اعادته في الاناء قبل ان نجري السحبة الثانية، الحالة الاولى يمكن ان يظهر الرقم مرة اخرى (الارجاع) في حين الطريقة الثانية (بدون ارجاع) يظهر الرقم مرة واحدة. المعاينة في الحالة الاولى تسمى المعاينة مع الارجاع (With Replacement) وفي الحالة الثانية تسمى المعاينة بدون ارجاع (Without Replacement) .
المعاينة العشوائية المنتظمة : Systematic Sampling
يعد اسلوب اخذ العينات المنتظمة من الاساليب الشائعة . بعد تخصيص الأرقام للجميع في الإطار السكاني، يتم اختيار الفرد الأول باستخدام جدول أرقام عشوائي ثم يتم اختيار الأشخاص اللاحقين باستخدام فاصل عينات ثابت، أي كل شخص nth لنفترض على سبيل المثال، أننا أردنا إجراء مسح لمرضى الربو (asthma) الذين يترددون على العيادات في مدينة واحدة. قد يكون هناك عدد كبير جدًا لإجراء الفحص للجميع ، لذلك نريد اختيار عينة تمثيلية. إذا كان هناك 3000 شخص يحضرون العيادات إجمالاً ونحتاج فقط إلى عينة مكونة من 200 شخص، فسنحتاج إلى:
· حساب الفاصل الزمني لأخذ العينات عن طريق قسمة 3000 على 200 لإعطاء جزء العينة 15.
· اختيار رقم عشوائي بين واحد و 15 باستخدام مجموعة من الجداول العشوائية
· إذا كان هذا الرقم 13، نختار الفرد المخصص للرقم 13 ومن ثم انتقل إلى اختيار كل شخص رقم 15، أي الأرقام 28، ثم 43، ثم 58، وهكذا.
العينة العشوائية الطبقية : Stratified Random Sampling
أخذ العينات الطبقية هو وسيلة لضمان تمثيل طبقات أو فئات معينة من الأفراد في عملية أخذ العينات. على سبيل المثال، إذا أردنا دراسة معدلات الاستشارة في ممارسة عامة، ونعلم أن ما يقرب من أربعة في المائة من الإطار السكاني لدينا يتكون من مجموعة أقلية عرقية معينة، فهناك فرصة أنه من خلال أخذ عينات عشوائية بسيطة أو أخذ عينات منتظمة قد ينتهي بنا الأمر إلى عدم وجود أقليات عرقية (أو نسبة أقل بكثير) في عينتنا. إذا أردنا التأكد من أن عينتنا تمثل الإطار السكاني، فسوف ننستخدم طريقة أخذ العينات الطبقية.
· أولا نقوم بتقسيم السكان إلى طبقات مختلفة، في هذه الحالة،فصل هؤلاء الأفراد ذوي الخلفية العرقية ذات الصلة.
· نقوم بعد ذلك بتطبيق تقنيات أخذ العينات العشوائية على كل من المجموعتين العرقيتين بشكل منفصل، باستخدام نفس فترة أخذ العينات في كل مجموعة.
· وهذا من شأنه أن يضمن أن إطار أخذ العينات النهائي كان ممثلاً لمجموعة الأقلية التي أردنا تضمينها، على أساس تناسبي مع السكان الفعليين.
المعاينة غير المتناسبة :Disproportionate Sampling
إذا كان هدفنا هو مقارنة نتائج مجموعة الأقلية لدينا مع المجموعة الأكبر، فسنواجه صعوبة في القيام بذلك، باستخدام العينة الطبقية المتناسبة التي تم وصفها سابقاً. وذلك لأن الأعداد التي تم تحقيقها في مجموعة الأقلية، على الرغم من أنها تناسب أعداد السكان، قد لا تكون كبيرة بما يكفي لإعطاء فرصة معقولة لإثبات الاختلافات الإحصائية (إذا كانت هذه الاختلافات موجودة بالفعل). لمقارنة نتائج المسح لأفراد الأقليات مع نتائج المجموعة الأكبر، من الضروري استخدام طريقة أخذ العينات غير المتناسبة. وفي حالة أخذ العينات غير المتناسبة، لا يتم اختيار الطبقات المختارة بما يتناسب مع حجمها في المجتمع الأوسع. على سبيل المثال، إذا كنا مهتمين بمقارنة معدلات الإحالة لمجموعات أقليات معينة مع مجموعات أخرى أكبر، فمن الضروري أخذ عينات من الفئات الأصغر من أجل تحقيق القوة الإحصائية، أي من أجل التمكن من إثبات المعنوية الإحصائية اي الاختلافات بين المجموعات إذا وجدت مثل هذه الاختلافات.
الذي يجب ملاحظته هنا حول أخذ العينات غير المتناسب هو أن أخذ العينات لا يزال يتم داخل كل طبقة أو فئة. لذلك سوف نستخدم الاختيار العشوائي المنتظم أو البسيط لاختيار عينة من مجموعة “الأغلبية” ونفس العملية لاختيار عينات من مجموعات الأقلية.
المعاينة العنقودية (متعددة المراحل):Cluster (Multistage) Sampling
أخذ العينات العنقودية هو أسلوب يستخدم بشكل متكرر في الدراسات الاستقصائية الوطنية حيث يكون من غير الاقتصادي إجراء مقابلات مع أفراد منتشرين في جميع أنحاء البلاد. يسمح أخذ العينات العنقودية باختيار الأفراد على دفعات جغرافية. على سبيل المثال، قبل اختيار الأفراد بشكل عشوائي، قد يقرر الباحث التركيز على “مناطق” معينة، على سبيل المثال. المدن أو الدوائر الانتخابية أو الاحياء العامة – يتم اختيارها بطريقة أخذ العينات العشوائية. بمجرد الانتهاء من ذلك، يمكنهم إما: 1) اختيار جميع الأفراد داخل هذه المناطق، أو 2) استخدام عينات عشوائية لاختيار نسبة فقط من الأفراد داخل هذه المناطق المختارة.
على الرغم من أن أخذ العينات العنقودية هو أسلوب قيم للغاية ويستخدم على نطاق واسع، فمن الجدير بالذكر أنه لا ينتج عينات مستقلة تماما، لأن معرفة أنه تم اختيار شخص واحد في مجموعة معينة سيزيد من احتمال اختيار الآخرين في نفس المجموعة. يتم تحديدها أيضًا. لذا يستوجب اخذ الحيطة لضمان أن تكون الوحدات العنقودية المختارة ممثلة بشكل عام للسكان وليست متحيزة بشدة بأي شكل من الأشكال. على سبيل المثال، إذا كانت جميع الاحياء العامة المختارة للدراسة بجهة معينة ، فلن يمثل ذلك جميع الاحياء العامة.
المعاينة غير العشوائية: Non Random Sampling
لا يتم استخدام أخذ العينات غير العشوائية (أو غير الاحتمالية) في كثير من الأحيان في الدراسات الاستقصائية للبحوث الاجتماعية الطبية الكمية، ولكنه يستخدم بشكل متزايد في أبحاث السوق والدراسات المكلفة (في الوقت والجهد والمال). تُعرف التقنية الأكثر استخدامًا باسم المعاينة الحصصية (Quota Sampling).
المعاينة الحصصية : Quota Sampling
المعاينة الحصصية هو أسلوب لأخذ العينات اذ يقرر الباحث مسبقًا بعض الخصائص الرئيسية التي سيستخدمها لتقسيم العينة إلى طبقات. غالبًا ما يتم تحديد حصص عينة (sample quotas) للباحثين من حيث العمر والجنس. على سبيل المثال، في دراسة بحثية للسوق اذ يقوم القائمون على إجراء المقابلات بإيقاف الأشخاص في الشارع لطرح سلسلة من الأسئلة عليهم حول تفضيلات المستهلك. قد يُطلب من القائم بإجراء المقابلة أخذ عينة من 200 شخص، 100 منهم من الذكور و100 من الإناث – وضمن كل مجموعة من هذه المجموعات، يجب أن يكون هناك 25 شخصًا في كل فئة عمرية: أقل من 20 عامًا، و20-39 عامًا. ، 40-59 وما فوق 60. الفرق مع العينة الطبقية هو أن المشاركين في العينة الحصصية لا يتم اختيارهم عشوائيًا ضمن الطبقات. قد يتم اختيار المجيبين فقط لأنهم في متناول الشخص الذي يجري المقابلة. لأن أخذ العينات العشوائية ليست كذلك
عند استخدام هذه الطريقة، لا يمكن تطبيق المقاييس الاحصائية الاستدلالية وتعميم النتائج على نطاق أوسع على السكان (المجتمع).
المعاينة في البحوث النوعية :Sampling in Qualitative Research
نظرًا لأن الهدف من البحث النوعي هو فهم العملية الاجتماعية وإعطائها معنى، بدلاً من القياس الكمي والتعميم على عدد أكبر من السكان، فمن غير المناسب استخدام عينات عشوائية أو تطبيق الاختبارات الإحصائية. عادة ما تكون أحجام العينات المستخدمة في البحث النوعي صغيرة جدًا ولن يكون تطبيق الاختبارات الإحصائية ممكنًا. ان التصميم المرن للبحث وأخذ العينات سمة مهمة للبحث النوعي، خاصة عندما يكون البحث الذي يتم إجراؤه استكشافيًا بطبيعته، اما عندما لا يُعرف سوى القليل عن ظاهرة أو مكان ما، فقد يكون من الصعب اتخاذ قرارات مسبقة بشأن أخذ العينات. في مثل هذه الظروف، قد يكون إنشاء تصميم بحثي يتسم بالمرونة الكافية لتعزيز التفكير والتحليل الأولي فكرة جيدة. اما القاعدة العامة في البحث النوعي هي أن تستمر في أخذ العينات لغاية انه لاتوجد معلومات جديدة أو لا تحصل على افكار جديدة. ومن اهم انواعها :
- المعاينة الملائمة (المريحة) CONVENIENCE SAMPLING: تم تعريف أخذ العينات الملائمة على أنه أفراد يُعتقد أنهم يمثلون المجتمع الذي تم اختيارهم منه، ولكن في الحقيقة تم اختيارهم لأنهم قريبون من متناول اليد ويسهل الوصول إليهم بدلاً من اختيارهم عشوائيًا. على سبيل المثال عندما تسأل ببساطة أي مريض في عيادتك يرغب في المشاركة. إن أخذ العينات المريحة يوفر الوقت والمال والجهد، ولكنه الأسلوب الأقل صرامة وقد يؤدي إلى بيانات ذات جودة رديئة ويفتقر إلى المصداقية الفكرية.
- المعاينة النظرية THEORETICAL SAMPLE : عملية جمع البيانات لتوليد النظرية حيث يقوم المحلل بشكل مشترك بجمع بياناته وترميزها وتحليلها ويقرر ما هي البيانات التي يجب جمعها بعد ذلك وأين يمكن العثور عليها، من أجل تطوير النظرية عند ظهورها وكما اشار لها الباحثان (Glaser and Strauss, 1967). يتم استخدام هذه الطريقة بشكل أفضل عندما يركز البحث على النظرية وتطوير المفاهيم ويكون هدف فريق البحث هو تطوير النظرية والمفاهيم المرتبطة بأحداث وظروف الحياة الواقعية أو المتأصلة فيها أو الناشئة عنها.
- المعاينة القصدية (الهادفة) PURPOSIVE SAMPLING : يقوم الباحثون عن عمد باختيار الأفراد من السكان الذين يبدو لهم أنهم يمثلون هؤلاء السكان بناءً على معرفة الباحث وحكمه.
- معاينة كرة الثلج (صديق الصديق) SNOWBALL SAMPLING: يتصل الباحثون في البداية بعدد قليل من المشاركين المحتملين ثم يسألونهم عما إذا كانوا يعرفون أي شخص يتمتع بنفس الخصائص التي يبحثون عنها في بحثهم. على سبيل المثال، إذا أردت إجراء مقابلة مع عينة من النباتيين / راكبي الدراجات / الأشخاص ذوي الإعاقة المحددة / الأشخاص الذين يدعمون حزبًا سياسيًا معينًا وما إلى ذلك.
- معاينة الحالات المتطرفة أو المنحرفة EXTREME OR DEVIANT CASE SAMPLING: التعلم من المظاهر غير الاعتيادية للغاية لظاهرة الاهتمام، مثل النجاح المتميز، والإخفاقات الملحوظة، الاول في الصف، والتسرب من الدراسة، والأحداث الغريبة، والأزمات وما إلى ذلك. ويتم استخدامه للحصول على معلومات حول الحالات غير الاعتيادية ، والتي يمكن أن تكون “إشكالية” بشكل خاص أو وخاصة “جيد”. وخير مثال على ذلك هو المعاينة للانحراف الإيجابي (نهج للتغيير السلوكي والاجتماعي القائم على الملاحظة) . يعتمد الانحراف الإيجابي على ملاحظة أنه في كل مجتمع هناك أفراد أو مجموعات معينة تمكنهم سلوكياتهم واستراتيجياتهم غير المألوفة من إيجاد حلول أفضل للمشاكل من أقرانهم، مع إمكانية الوصول إلى نفس الموارد ومواجهة تحديات مماثلة أو أسوأ. إن منهج الانحراف الإيجابي هو منهج قائم على الأصول وحل المشكلات وموجه نحو المجتمع يمكّن المجتمع من اكتشاف هذه السلوكيات والاستراتيجيات الناجحة ووضع خطة عمل لتعزيز اعتمادها من قبل جميع المعنيين.
- المعاينة الكثيفة (كثيرة المعلومات) INTENSITY SAMPLING: الحالات الغنية بالمعلومات والتي تظهر الظاهرة بشكل مكثف ولكن ليس إلى أقصى حد، مثل الطلاب الجيدين، والطلاب الفقراء، فوق المتوسط، أقل من المتوسط. يمكن لعينة الكثافة أن تسمح للباحث باختيار عدد صغير من الحالات الغنية التي توفر معلومات ومعرفة متعمقة بظاهرة محل الاهتمام. يمكن للمرء استخدام أخذ عينات الكثافة بالتزامن مع طرق أخذ العينات الأخرى. على سبيل المثال، يمكن للمرء جمع 50 حالة ثم تحديد مجموعة فرعية من الحالات المكثفة لإجراء تحليل أكثر تعمقًا.
- معاينة التباين الاعلى MAXIMUM VARIATION SAMPLING : اختيار مجموعة واسعة من الاختلافات في الأبعاد محل الاهتمام بشكل مقصود للحصول على معلومات حول أهمية الظروف المختلفة. (على سبيل المثال، ثلاث إلى أربع حالات مختلفة تمامًا من حيث بُعد واحد: على سبيل المثال، الحجم الأكبر والوسيط والأصغر؛ وأنماط التمويل الحكومي والمساعد وغير الربحي والتجاري؛ والمدينة والبلدة والمنطقة الريفية). في كثير من الأحيان، يرغب الباحثون في فهم كيفية رؤية الظاهرة وفهمها بين أشخاص مختلفين، في بيئات مختلفة وفي أوقات مختلفة. عند استخدام طريقة المعاينة التباين الاعلى ، يختار الباحث عددًا صغيرًا من الوحدات أو الحالات التي تزيد من التنوع (الاختلاف) ذي الصلة بسؤال البحث.
- المعاينة المتجانسة HOMOGENEOUS SAMPLING : عملية اختيار مجموعة صغيرة متجانسة من المواضيع أو الوحدات للفحص والتحليل. يتم استخدام العينات المتجانسة عندما يكون هدف البحث هو فهم ووصف مجموعة معينة بعمق.
- معاينة الحالة النموذجية TYPICAL CASE SAMPLING: وهو نوع من المعاينة القصدية مفيد عندما يريد الباحث دراسة ظاهرة أو اتجاه من حيث صلته بما يعد أعضاء “نموذجيين” أو “متوسطين” من السكان المتأثرين. إذا أراد الباحث دراسة كيفية تأثير نوع من المناهج التعليمية على الطالب العادي، فإنه يختار التركيز على متوسط عدد الطلاب. تُستخدم هذه الإستراتيجية غالبًا عندما تكون وحدات التحليل كبيرة، كما هو الحال على سبيل المثال في دراسات القرى في البلدان النامية. إن اختيار قرية نموذجية يسمح للبحث بتوضيح العملية العامة التي تحدث. تعتبر هذه الإستراتيجية مفيدة بشكل خاص إذا كان سيتم قراءة تقرير البحث في الغالب من قبل أشخاص ليسوا على دراية بمجال البحث.
- المعاينة القصدية الطبقية STRATIFIED PURPOSEFUL SAMPLING: يوضح خصائص مجموعات فرعية معينة ذات أهمية بحيث يسهل المقارنات. هذه التقنية هي نوع من “أخذ العينات الطبقية غير التمثيلية إحصائيا” لأنها، على الرغم من أنها تشبه نظيرتها الكمية، لا يجب أن ينظر إليها على أنها استراتيجية أخذ العينات التي تسمح بالتعميم الإحصائي لعدد كبير من السكان.
- معاينة الحالات الحرجة CRITICAL CASE SAMPLING :عملية اختيار عدد صغير من الحالات المهمة التي من المرجح أن تسفر عن أكبر قدر من المعلومات ولها أكبر الأثر على تطوير المعرفة. لتحديد الحالات الحرجة، يحتاج فريق البحث إلى القدرة على تحديد الأبعاد التي تجعل الحالة حرجة. كما أنها تستخدم لاختبار الفرضية من خلال اختيار الحالة التي تسمح بالاستنتاجات المنطقية من نوع “إذا كان هذا صحيحًا لهذه الحالة فيجب أن ينطبق على جميع الحالات”. أو “إذا لم يصح في هذه الحالة، فمن غير المرجح أن يكون صالحا في أي حالات أخرى”. لذا فهو يسمح بالتعميم المنطقي وتطبيق الحد الأقصى للمعلومات على الحالات الأخرى لأنه إذا كان الأمر صحيحًا في هذه الحالة لمرة واحدة فمن المحتمل أن يكون صحيحًا في جميع الحالات الأخرى.
- المعاينة من المخبرين الرئيسيين KEY INFORMANT SAMPLING :إن المخبرين الرئيسيين، نتيجة لمهاراتهم الشخصية، أو موقعهم داخل المجتمع، قادرون على تقديم المزيد من المعلومات ورؤية أعمق لما يجري حولهم. خصائص المخبر الرئيسي “المثالي”: [ الدور في المجتمع، المعرفة، الاستعداد، التواصل و غير متحيز] .
- المعاينة المعيارية CRITERION SAMPLING :يتم اختيار جميع الحالات التي تستوفي مجموعة من المعايير. في أخذ العينات المعيارية، من المهم اختيار المعايير بعناية، وذلك لتحديد الحالات التي ستوفر بيانات مفصلة وغنية ذات صلة بمشكلة البحث المحددة. على سبيل المثال، جميع المرضى السابقين في وحدة العناية المركزة والذين يعودون إلى العناية المركزة بنفس الشكوى (المرض) خلال ثلاثة أسابيع قد يشكلون عينة للدراسة النوعية المتعمقة. ومن شأن هذه المعايير أن تسهل دراسة فعالية برامج الرعاية اللاحقة المرتبطة بوحدات العناية المركزة.
- معاينة الـتأكد أو عدم الـتأكد CONFIRMING OR DISCONFIRMING SAMPLING: يتم تحديد الحالة المؤكدة أو غير المؤكدة بعد اكتمال جزء من عملية جمع البيانات وتحليلها بالفعل. هذه هي عملية اختيار الحالات التي إما: بمثابة أمثلة إضافية تقدم المزيد من الدعم والثراء والعمق للأنماط الناشئة عن تحليل البيانات (الحالات المؤكدة) أو : بمثابة أمثلة لا تتناسب مع الأنماط الناشئة وتسمح لفريق البحث بتقييم تفسيرات متناقضة (حالات عدم التأكيد). يمكن أن يساعد ذلك فريق البحث على فهم وتحديد حدود نتائج البحث.
- المعاينة الانتهازية او الطارئة OPPORTUNISTIC OR EMERGENT SAMPLING : قد تتطور فرص جديدة لتجنيد المشاركين أو الوصول إلى موقع جديد بعد بدء العمل الميداني. على سبيل المثال، قد يلتقي الباحث الذي يدرس النوبات القلبية بطبيب القلب أثناء إجراء مقابلة مع أحد مرضاه. قد يقترح طبيب القلب كيف يمكن للباحث الاتصال بأطباء القلب الآخرين الذين يرغبون في إحالة العملاء إلى الباحث.
- المعاينة العشوائية القصدية RANDOM PURPOSEFUL SAMPLING : عملية تحديد المجموعة السكانية محل الاهتمام وتطوير طرائق منهجية لاختيار الحالات التي لا تعتمد على المعرفة المتقدمة بكيفية ظهور النتائج. والغرض من ذلك هو زيادة المصداقية وليس تعزيز التمثيل للمجتع .
- المعاينة التطوعية VOLUNTEER SAMPLING : غالبًا ما يتم سحب العينات من خلال الإعلانات، حيث يطلب من الأشخاص التطوع للمشاركة في دراسة بحثية ما . يمكن أن يكون هذا مفيدًا بشكل خاص عندما يكون المشاركون المحتملون متفرقين في جميع أنحاء المجتمع أو يصعب الاتصال بهم مباشرة. ومع ذلك، فإن عينات المتطوعين عادة ما تكون متحيزة بطرق معينة. على سبيل المثال، سيتم تحيز عينة تطوعية من الأشخاص المصابين بفيروس نقص المناعة البشرية/الإيدز (HIV/AIDS) بشكل منهجي لاستبعاد الأشخاص الذين ينكرون أو يتجاهلون إصابتهم بفيروس نقص المناعة البشرية.
تحديد حجم العينة : Determine a Sample Size
ربما يكون السؤال الأكثر شيوعًا فيما يتعلق بأخذ العينات Sampling هو “ما حجم العينة الذي أحتاجه؟” تتأثر الإجابة على هذا السؤال بعدد من العوامل، بما في ذلك الغرض من الدراسة، وحجم المجتمع، وخطر اختيار عينة “سيئة”، والخطأ المسموح به في أخذ العينات. بالإضافة إلى غرض الدراسة وحجم المجتمع، عادة ما تكون هناك حاجة إلى تحديد ثلاثة معايير لتحديد حجم العينة المناسب: مستوى الدقة، ومستوى الثقة أو المخاطرة، ودرجة التباين في الظواهر التي يتم قياسها .
لماذا يتم حساب حجم العينة؟ Why to calculate sample size
● لبيان أنه في ظل ظروف معينة، يكون لاختبار الفرضية فرصة جيدة لاثبات الفروق المطلوبة (إن وجدت).
● أن يثبت للجهة الممولة (ذات العلاقة) أن الدراسة لديها فرصة معقولة للحصول على نتيجة حاسمة.
● إظهار أنه سيتم التقليل من الموارد الضرورية (البشرية، النقدية، الوقت) واستغلالها بشكل جيد.
تقدير حجم العينة : Estimation of Sample Size
ان تقدير حجم العينة المناسب لحجم المجتمع له اهمية في الحالات الاتية :
● في الدراسات الوصفية.
● تلخيص المقاييس الإحصائية (المتوسط، النسبة).
● الموثوقية (أو) الدقة.
● عن طريق إعطاء “حد الثقة” confidence interval. بدلاً من إعطاء نقطة دقيقة يتم تحديد حدود زمنية لاستيعاب الأخطاء ولكن يجب التاكد في حال إذا تكررت الدراسة فإن النتيجة ستكون ضمن الحدود الزمنية نفسها.
● في حال ان حدود CI واسعة Wider – فان المقاييس الاحصائية للعينة غير موثوقة وقد لا تعطي تقديرًا دقيقًا للقيمة الحقيقية لمعلمة السكان.
وتوجد ثلاث طرائق لتقدير حجم العينة وهي :
- 1-الصيغ (الحسابات اليدوية).
- 2-جداول حجم العينة أو Nomogram.
- 3-البرامج.
صيغ حجم العينة : Sample size formulae
1-للقياسات الفردية تقدير حجم العينة يكون وفق الصيغة الاتية:
اذ ان :
- α = خطأ من النوع 1 type I error.
- Z: التوزيع الطبيعي لقيمة α المقابلة.
- S : الانحراف المعياري standard deviation. كما ان :
- d: دقة التقدير (مدى قربها من المتوسط الحقيقي) = خطأ العينة المعطى =4.
- Zα = = 1.96 لمستوى ثقة 95%.
- Zα= 2.58 لمستوى ثقة 99%.
- الخطأ من النوع الأول type I error : رفض H0 عندما يكون H0 صحيحًا. عادة لا تزيد الأخطاء عن 0.05 أو 5%.
مثال تطبيقي للقياسات المفردة : سيتم إجراء دراسة لتحديد معلمة معينة (مؤشر كتلة الجسم (BMI) في مجتمع ما . ومن دراسة سابقة تم الحصول على قيمة الانحراف المعياري (sd) قدره 46. إذا تم قبول خطأ في العينة يصل إلى 4 . كم عدد المشاهدات التي يجب تضمينها في هذه الدراسة بمستوى ثقة 99%؟
بتطبيق الصيغة اعلاه والتعويض يتم الحصول على :
2-بالنسبة للنسب المفردة single proportion تقدير حجم لعينة يكون وفق الصيغة :
اذ ان :
- σ: الانحراف المعياري = 46
- d: دقة التقدير (مدى قربها من المتوسط الحقيقي) = خطأ العينة المعطى =4
- Zα/2: يعكس الانحراف العادي الخطأ من النوع الأول. بالنسبة لـ 99% القيمة الحرجة = 2.58.
مثال تطبيقي : في دراسة يرغب باحث في تقدير نسبة الأطفال المصابين بفقر الدم في مدرسة إعدادية معينة. وفي دراسة مماثلة في مدرسة أخرى تم الكشف عن نسبة 30%. قم بحساب الحد الأدنى لحجم العينة المطلوب بحد ثقة يبلغ 95% ومقدار قبول الفروق (الاختلافات) يصل إلى 4% من عدد السكان الحقيقيين. بتطبيق القانون اعلاه نحصل على :
مثال تطبيقي : في دراسة تبحث في فرضية ان اتباع نظام غذائي خاص يساعد على خفض مستويات الكولسترول؟ ووفق هذا الافتراض تم تحديد التساؤلات الاتية :
- لنفترض أن أحد الباحثين يرغب في تحديد حجم العينة لاكتشاف فرق قدره 10 ملغم/ديسيلتر في مستوى الكوليسترول في مجموعة الاختبار التي (تتبع النظام الغذائي) مقارنة بمجموعة المراقبة (لا تتبع نظامًا غذائيًا).
- الأشخاص الذين لديهم مستوى كوليسترول أساسي لا يقل عن 300 ملجم/ديسيلتر بشكل عشوائي
- المجموعة 1: تدخل نظام غذائي لمدة ستة أسابيع.
- المجموعة 2: لا يوجد أي تغيير في النظام الغذائي.
- يريد الباحث مقارنة الكولسترول الإجمالي في نهاية الدراسة التي تستغرق ستة أسابيع
● التحليل الإحصائي المخطط: اختبار t لعينتين (للعينات المستقلة) (مقارنة بين متوسطين) استناداً للفرضية
- لمقارنة متوسطين من عينات مستقلة وعلى افتراض ان التوزيع طبيعي ،فان الاختبار يتضمن :
- H0 : μ1 = μ2
- اختبار H0 : μ1 = μ2 ضد HA : μ1 not equal to μ2
وعليه يجب تحديد الاتي :
- مستوى α.( قوة الاختبار)
- مستوى بيتا (1 – قوةالاختبار).
- الفرق السكاني المتوقع (|Δ= |μ1 – μ2).
- الانحراف المعياري المتوقع للسكان (σ1 , σ2).
- قانون صيغة تقدير حجم العينة كالاتي :
اذ ان : S = الانحراف المعياري؛ d = الفرق بين المتوسطين ؛ Zα لمستوى ثقة 95% = 1.96 ; Zβ لقوة الاختبار بنسبة 90% = 1.28. وعلى افتراض ان الاختبار من طرفين (2-Sided Test) عند a=0.05 ، و قوة اختبار 90% . فأن :
- d= µ1 – µ2 = 10 mg/dl
- σ1 = σ2 = (50 mg/dl)
- Ζα = 1.96, Ζβ = 1.28
- n per group= 525
مثال تطبيقي : سيتم إجراء دراسة لتحديد تأثير دوائين (A و B) على مستوى السكر في الدم. ومن الدراسات السابقة التي استخدمت هذه الأدوية، تم الحصول على مستوى Sd من BGL يبلغ 8 و12 جم/ديسيلتر على التوالي. كما بلغ مستوى المعنوية ما مقداره 95% وقوة الاختبار 90% ، متوسط الفرق بين المجموعتين بلغ 3 جم/ديسيلتر. كم عدد المشاهدات (حجم العينة) التي يجب تضمينها في كل مجموعة؟ باستعمال القانون الاتي ،
مثال تطبيقي : المقارنة بين متوسطي عينتين : في دراسة للكشف عن ما إذا كان إطعام الحليب للأطفال بعمر 5 سنوات يعزز النمو. تم دراسة مجموعتين : الاولى [تتبع نظام غذائي يعتمد على زيادة كميات الحليب الحليب] ، الثانية [تتبع نظام غذائي تعتمد على كميات الحليب الاعتيادية]. اما الافتراضات أو المواصفات فقد تم تحديدها وفق الاتي:
- الخطأ من النوع الأول (α) =0.05
- الخطأ من النوع الثاني (β) = 0.20
- أي قوة الاختبار ( 1-β ) = 0.80
- الفرق المعنوي سريرياً (∆)= 0.5 سم.
- قيمة الانحراف المعياري (SD) = 2.0 سم.
باستخدام الصيغة فان حجم العينة لكل مجموعة كالاتي:
واستنادا لما تم شرحه سابقا تشكل الخطوات التالية منهجًا عمليًا لاتخاذ القرار بشأن حجم العينة:
- تذكر أنه لا توجد إجابة بثقة تامة .
- المناقشة المبكرة بين أعضاء فريق البحث.
- استخدام الفرضيات الصحيحة – والتفكير في الاحتمالات المختلفة.
- ضع في اعتبارك عوامل أخرى أيضًا – على سبيل المثال، مدى توفر المشاهدات،التكلفة، والوقت.
- اسأل فيما اذا كان هذا الرقم (حجم العينة) يمنحك فرصة معقولة للتوصل إلى نتيجة مفيدة.
- إذا كانت الإجابة بنعم، تابع، وإذا كانت الإجابة لا، فأعد صياغة مشكلتك للدراسة.
- تحديد سؤال البحث بشكل جيد.
- النظر في تصميم الدراسة، ونوع متغير الاستجابة، ونوع تحليل البيانات.
- حدد نوع الاختلاف أو التغيير الذي تريد اكتشافه (تأكد من أنه يجيب على سؤال البحث الخاص بك).
- اختر قيم α و β بما يتناسب مع معطيات البحث.
- استخدم المعادلة المناسبة لحساب حجم العينة أو جداول حجم العينة/الرسم البياني أو البرنامج.
المصادر :