调查研究 - 代表性样本

在完美的世界中，调查研究项目可以研究目标宇宙的所有成员。一般来说，这既不实用也不实惠。相反，生成较大群体（宇宙）的样本 - 样本是从目标宇宙进行假设的基础。此外，样本是通过使用有助于有效和可靠的研究的技术和策略构建的。

传统的市场研究是基于一个样本 - 一个代表性的一组受访者 - 可以被识别和访问的想法。

调查研究中的代表性样本

在市场研究中，术语 代表性样本 是指：

• 与目标消费者群体成员匹配的少数消费者的选择 。目标世界的一个例子可以是20岁至30岁的SmartPhones的所有者和用户。

• 样本和宇宙之间的匹配 对于预期对调查结果有影响的所有属性必须很强。
  • 一个样本到宇宙的比赛的一个例子可以是一个年轻的女性名人设计的香水的消费者的选择。在这种情况下，预期在调查结果中具有影响力的属性将是女性，18-28岁，娱乐精明。
  • 二级属性可能是：城市居住，入学大学，居住在东海岸或西海岸，酌情收入（收入水平）。
• 样本中可归入相关特征的成员的比例 必须严格接近目标消费者群体成员的比例。
  • 例如，如果消费者世界包含商业人士，大学生和老年人，则星期三下午不能在大学书店的同意的学生中建立代表性的样本。
  • 访问调查对象可能很困难。这是消费者专业小组经常用于调查举措的主要原因之一。另一个有效的策略是使用分层随机抽样程序，协助研究人员梳理关于子组的数据。
  • 调查研究中的样本选择

样本的成员以多种方式进行选择，旨在减少偏见。这意味着生成有效研究结论的可能性有所增加，结论可以推广到目标世界。

优选通过随机化处理来选择调查样本。例如，如果从数据库中选择样本成员，则可能会选择数据库列表中的每个第三个成员。偶尔，样本的成员可能需要被分配而不是随机选择。这不是一个首选方法，因为即使在最佳条件下，调查也会受到基于样本的不准确之处的限制，这些错误与机会无关，与研究设计无关。我们来看看由

实验资源 确定的选民电话投票问题修改的错误来源列表。此列表包括可能的调查设计，调查实施和调查数据分析的不准确来源： 数据库成员的不完整信息导致重复变量被遗漏在示例中

• 被选中的示例成员不愿意参加调查。
• 拒绝参加研究的样本成员与同意参与研究的重要变量不同。
• 调查对象对调查问题提供虚假或不完整的答复。
• 此列表中的项目，再次通过

实验资源 从电话轮询列表中修改，与调查设计有关。 一个随机化过程被使用，但偶然 - 它会拾取太多异常值。

• * ^{有关调查的问题措辞不好，使被访者感到困惑。}
• 调查问题的顺序不当影响后续问题的回应。
• 调查回应受到加权或分组，使数据失真。一旦市场研究人员在调查研究中样本代表目标人群的情况相当舒适，那么注意力就可以考虑
• 样本量

和 置信区间 。 实验资源是由心理学研究人员创建的一个有趣的网站，他们试图找出如何计算和消除异常值。