Alcuni concetti. Unità

Transcript

1 Alcuni concetti Campionamento: il processo di selezione di un certo numero di unità da una popolazione di studio predefinita Popolazione di riferimento: l insieme totale, finito o infinito, degli elementi che godono di una o più caratteristiche prestabilite Statisticamente, una popolazione può essere un insieme di persone, animali, scuole, famiglie etc, o un insieme di misure o di osservazioni Universo dello studio, da cui ricavo il campione Lista di campionamento (sampling frame): lista completa di unità o elementi che compongono la popolazione Unità Unità campionarie: oggetto di osservazione selezionato per il campionamento Unità rispondente: da chi o cosa si ottiene l informazione Unità di riferimento: su chi o cosa si ottiene l informazione Unità di analisi: su chi o cosa si fanno le inferenze

2 Esempio Unità campionarie: abitazioni Unità rispondente: persona con più di 15 anni Unità di riferimento: minori di cinque anni Unità di analisi: madre, bambino, famiglia Generalizzabilità Rappresentatività del campione Rappresentativo: che parli per tutta la popolazione Rappresentatività statistica: se ripeto il campionamento con gli stessi criteri, ottengo gli stessi risultati

3 Tipi di campionamento probabilistico casuale semplice sistematico casuale stratificato cluster multistadio non probabilistico scelta di comodo (campionamento per quote o convenience sampling) scelta ragionata (campionamento ragionato o purposive sampling) Campionamento probabilistico Le unità della popolazione hanno la stessa probabilità di essere selezionate Cerca di ridurre l errore (intenzionale o meno) del ricercatore nella selezione delle unità

4 La lista campionaria Per estrarre le unità dalla popolazione in modo casuale, ho bisogno di una lista completa di unità Generalmente: nominale (lista) spaziale (mappe) Problemi con il campionamento probabilistico La lista non è disponibile La lista è incompleta La lista non è aggiornata Fattibilità, logistica raggiungere le unità sul territorio, tempi e costi

5 Campionamento casuale semplice Es. Voglio misurare il peso e altezza di bambini delle elementari di un paese Voglio selezionare 300 bambini tra il totale di 6,000 alunni Preparo la lista completa dei 6000 alunni, numerandoli da 1 a 6000 Genero 300 numeri casuali da 1 a 6000 [con Epi Info o excell: =CASUALE()*(1-6000)+6000] Prendo i bambini che corrispondono nella lista ai numeri selezionati Il campionamento casuale semplice è di facile applicazione quando si dispone di una popolazione già numerata, composta di un numero non elevato di unità, meglio se in un database, e facilmente raggiungibile e attenzione a esposizioni e outcome rari

6 Campionamento sistematico Stesso esempio, ma Uso l intervallo di selezione, il passo (6000/300 = 20) Seleziono un numero casuale da 1 a 20 che chiamo unità d inizio (es: 13) Seleziono tutti i bambini che hanno come numero di lista = (unità d inizio) + (il passo) es: 13, 33, 53, , 5993 Campionamento stratificato Quando si studia un carattere che si suppone sia influenzato da un certo fattore presente nella popolazione Prima di effettuare l'estrazione del campione la popolazione viene suddivisa in strati basati su un fattore che influenza il livello del carattere da studiare Quindi, all'interno di ciascuno strato si sceglie un campione in modo casuale semplice o sistematico Divisione della popolazione in sottogruppi (es: classi di bambini) Selezione casuale delle unità nei sottogruppi (es: bambini nelle classi) rispettando le proporzioni di ripartizione dei bambini nelle classi, tra universo e campione Vi possono essere varie tappe di stratificazione

7 Il campionamento casuale stratificato è più flessibile di quello casuale semplice: nei diversi strati posso scegliere una percentuale differente (es. 10% in uno strato, 5% in un altro ecc.) o una percentuale proporzionale alla dimensione di ogni strato Lo svantaggio del campionamento stratificato è che la caratteristica di appartenenza di ciascuna unità ad uno strato deve essere nota prima di scegliere il campione Cosa succede se la lista non è completa o se ho difficoltà logistiche? Allora si devono utilizzare metodi non probabilistici: scelta di comodo (convenience sampling) scelta ragionata (purposive sampling)

8 Campionamento non probabilistico La differenza tra campionamento probabilistico e non probabilistico è che il non probabilistico non comporta una selezione casuale Significa che i campioni non probabilistici non sono rappresentativi? Non necessariamente Ma non possono contare sulla teoria della probabilità In generale, i ricercatori preferiscono il campionamento probabilistico e lo considerano più accurato e rigoroso Ma nelle scienze applicate, e soprattutto nella ricerca qualitativa, vi possono essere circostanze in cui non sarà possibile o pratico ricorrere al probabilistico, o sarà preferibile il campionamento non probabilistico Gran parte dei metodi di campionamento hanno una natura ragionata (purposive) poiché di solito affrontiamo il problema del campionamento con un piano specifico in mente Convenience sampling Campionamento di comodo Si selezionano le unità che si trovano diponibili al momento della raccolta dei dati ( man on the street ) uso degli studenti di psicologia da parte dei professori di psicologia interviste per strada da parte di giornalisti per fare un servizio nella pratica clinica si usano spesso coloro che accedono alla struttura uso di volontari per alcuni studi uso di casi estremi Rapido, poco costoso Difficilmente rappresentativo Buono per prove pilota, per testare strumenti di ricerca

9 Purposive sample Campionamento ragionato Selezione basata sulla conoscenza anteriore a disposizione Es: criteri di selezione: Densità di popolazione Urbano, rurale Attività economiche, agricola, industriale Accesso a servizi di salute Accesso a educazione Servizi: energia elettrica, sistema idrico, etc Tipi di campionamento ragionato Expert sampling 1. gruppo di esperti a cui chiedere cose specifiche (key informants, focus groups) 2. gruppo di esperti da usare per definire un campionamento ragionato

10 Quota sampling Divido la popolazione in gruppi mutualmente esclusivi Proporzionale: es. Nella popolazione ho uomini (60%) e donne (40%) e procedo con interviste fino a che non ho raggiunto queste proporzioni. Ma quali caratteristiche devo scegliere? Età, educazione, religione...? Devo sapere quali sono le proporzioni nella popolazione da campionare Non proporzionale: Fisso delle quote ma non sono interessato al rispetto delle proporzioni della popolazione. Ne vuoi solo abbastanza di ciascun tipo Assicura ad esempio che i piccoli gruppi siano adeguatamente rappresentati nel campione Heterogeneity sampling Quando vogliamo includere tutte le opinioni, o le situazioni, senza tener conto di quando siano diffuse, le proporzioni L opposto del campionamento modale, nel quale seleziono i tipi più comuni per avere un idea generale Snowball sampling seleziono una prima persona che rientra nei criteri di inclusione e chiedo a questa di segnalarmene altre

11 Nella pratica epidemiologica, specialmente in paesi a risorse limitate, si usa spesso una combinazione di metodi Campionamento multi stadio Selezione casuale nell ultimo strato Di un unità o di un cluster di unità In questo caso: importante che le proporzioni della popolazione si riflettano nel campione Fattori di ponderazione Attenti ai bias di campionamento Metodi di campionamento non appropriati Selezione (tipica degli studi clinici) Autoselezione Non risposta Più è elevata, più è necessario porvi rimedio O almeno verificare le caratteristiche dei nonresponders Bias stagionale Malattie di corta durata