Výzkumné metody v řízení - Vypracované otázky k zápočtu

n = původní minimální velikost vzorku

N = celkový základní soubor (populace)

Příklad:

Máme 8000 jednotek v základním souboru. Ze vzorce nám vyjde minimální velikost vzorku (n0) zhruba 385 (při dosazení Z=1,96, p=0,5, q=0,5 a e=0,05). Nyní si vypočítáme vzorec . Za n0 dosadíme výsledek předešlého vzorce a za N velikost základního souboru, vzorec bude mít tvar:

$n = \ \frac{385}{1 + \frac{384}{8000}}\text{\ \ }$výsledek vzorce (n) nám říká jaká by měla být minimální velikost výběrového souboru.

• Příklad 2:

• Základní soubor:

  • Vybrané obory dle NACE (demografické a segmentační kritéria)

  • Podniky spadající do kategorie MSP (mikro a malé a střední podniky do 250 zaměstnanců)

  • Operující v Jihomoravském kraji – vymezení místa/lokace

  • Výsledky dle ČSÚ (3.389 podniků)

• Uvažujeme-li 95 % spolehlivost a mezní míru chyby ve výši 5 %, získáváme:

  • n = 36 * 64 * (1,96 / 5)2

  • n = 354,81 => 355 firem

• Méně početný soubor = použití upraveného vzorce:

n´= 354,8 / 1,10475

n´= 321,16 => 322 firem

• Výběrový soubor:

  • Vybrané podniky ze základního souboru (3383 podniků MSP)

  • Kladen důraz na reprezentativnost výběrového souboru

1. Popište základní charakteristiky stratifikovaného pravděpodobnostního výběru pro vzorkování, uveďte jednoduchý příklad.

Stratifikovaný náhodný výběr – rozdělení základního souboru (populace) do řady příslušných vrstev zvyšuje pravděpodobnost reprezentativnosti, protože můžete zajistit, aby každá z vrstev byla zastoupena proporcionálně ve vzorku. Straty by se měli navzájem lišit. V každém stratu je pak uplatněn princip prostého náhodného výběru. Maximální počet strat 3-4 (max. 5)! Jinak se ocitáte v nebezpečí. Na rozdíl od skupinového výběru se začíná výběrem jednotek výzkumu a jejich charakteristik (jedinci: pohlaví, věk, sociální status, firmy: obrat, počet zaměstnanců, sektor, trhy obdobně to funguje i pro fondy, portfolia, finance, akcie…. apod.).

Stratifikovaný náhodný výběr – Základní soubor je rozdělen do podsouborů (strata), které mají společnou vlastnost. Strata se od sebe liší víc než jednotky uvnitř strata (pohlaví apod.).

Příklad: než se pustím do samotného výzkumu rozdělím si základní soubor. Zajímají mě ženy (1. strata = pohlaví); mezi 18-48 lety (2. strata = věk); z Prahy (3. strata = místo bydliště), které mají 3 děti (4. strata= počet dětí)

Pokud budu mít definované tyto 4 straty, základní soubor se mi velmi zúží, protože nenajdu moc lidí, kteří splní všechny „moje definované“ podmínky. Čím méně strat, tím větší bude základní soubor

Příklad: Diana pracovala pro významného dodavatele kancelářských potřeb pro veřejné a soukromé organizace. V rámci výzkumu zákazníků své organizace potřebovala zajistit, aby byly organizace veřejného i soukromého sektoru správně zastoupeny. Důležitou vrstvou – úrovní analýzy byl proto sektor organizací. Rámec jejího vzorkování byl tedy rozdělen do dvou samostatných vrstev: veřejný sektor a soukromý sektor. V každé vrstvě pak byly jednotlivé případy očíslovány. Rozhodla se vybrat systematický vzorek. Frakce vzorkování 1⁄4 znamenala, že musela vybrat každého čtvrtého zákazníka na seznamu. Jak je naznačeno zaškrtnutím (✓), náhodná čísla sloužila k výběru prvního případu ve vrstvách veřejného sektoru (001) a soukromého sektoru (003). Následně byl vybrán každý čtvrtý zákazník v každé vrstvě.