Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

Henryk Banaszak Warsztat 2013

Podobne prezentacje


Prezentacja na temat: "Henryk Banaszak Warsztat 2013"— Zapis prezentacji:

1 Henryk Banaszak Warsztat 2013
Twarze sondaży Henryk Banaszak Warsztat 2013

2 Nieznana proporcja zielonych w populacji
Znana własność próby skład próby: k kulek zielonych losowanie obliczenia pytanie ze zwracaniem Estymacja p odpowiedź wniosek Czym jest sondaż zawsze błąd Populacja Schemat doboru próby Metoda wnioskowania

3 Sondaż jest badaniem statystycznym
Przedmiot populacja Cel zestaw pytań na temat populacji zestaw zmiennych służących do wyznaczenia odpowiedzi na pytania Zakres Metoda badanie próby pobieranej z badanej populacji według schematu opisywanego w kategoriach probabilistycznych Wynik odpowiedzi na pytania na temat populacji na podstawie analizy łącznego rozkładu zmiennych wyznaczonych w próbie dobranej wedle schematu opisywanego w kategoriach probabilistycznych; oszacowania parametrów populacji + błąd oszacowań

4 Dlatego błąd jest prawie zawsze większy niż
Wynik sondażu zawsze zawiera błąd Populacja Field-work Próba zbadana 1600 3 Non- response (400) Próba wylosowana 4 No answer (30%) 2000 5 False responses (5%) Operat 1 Dziurawa, stara 2 lista obiektów populacji Źródła dodatkowego błędu oszacowań Złożony wielstopniowy Schemat doboru próby Dlatego błąd jest prawie zawsze większy niż

5 Specyfika badania statystycznego
Wynik badania jest parametrem statystycznym Wynik badania jest obciążony błędem Wielkość błędu można wyliczyć znając: Własności operatu Schemat doboru próby Poziom non-response Poziom braków odpowiedzi Jakość realizacji (false records) Czynniki 3, 4 i 5 zależą głównie od wykonawcy badania

6 Kogo potrzebujemy w sondażu?
Teoria zjawiska Teoria pomiaru Dobór póby, fieldwork, estymacja Teoria skalowania Analiza danych Dobór wskaźników Statystyczne odpowiedzi na statystyczne pytania Błąd !!! „KWESTIONARIUSZ” Interpretacja wyników analiz w teorii zjawiska Pytania statystyczne kompetencje statystyczne Zmienne statystyczne

7 Podział zadań i odpowiedzialności
Zamawiający Zadaje pytania o stan populacji: JAK/CZY Dobiera wskaźniki – definiuje zmienne - konstruuje kwestionariusz Przekłada swoje pytania na pytania statystyczne Definiuje dopuszczalny poziom błędu oszacowań Definiuje jakościowe kryteria wykonania „field-work” (przetarg) Statystyk zamawiającego Szuka operatu doboru próby Projektuje optymalny dla operatu i kosztów badania schemat doboru próby Wyznacza wielkość błędu oszacowań z uwzględnieniem czynników 1,2,3,4,5 Uczestniczy w interpetacji wyników analizy danych

8 Taki podział ról i zadań jest możliwy, gdy
zamawiający: umie badanie zaprojektować, umie kontrolować jakość realizacji umie wyniki wykorzystać Często zamawiający nie umie 1, 2, 3 Często zamawiający nie wie że powinien umieć

9 Odpowiedzialność zamawiającego Odpowiedzialność wykonawcy
Budżet badania Koszt realizacji Wielkość próby Dokładność oszacowań Koszt jakości Koszt dojazdów Schemat doboru próby Jakość realizacji badania Fieldwork Operat Czas trwania - koszt 1 wywiadu Response-rate Missing values False records Koszt operatu Kwestionariusz Pominięte pytanie Odmowa odpowiedzi Odpowiedzialność zamawiającego Odpowiedzialność wykonawcy

10 Zamawiający

11 Kto zamawia sondaż nadawca, wydawca, dziennikarz
urzędnik publicznej administracji sprzedawca, producent, agencja reklamowa naukowiec, zazwyczaj socjolog

12 Po co zamawia Media Rynek Nauka Administracja
teoria Po co zamawia Media Aby poinformować widownię o jej preferencjach, nastrojach, ocenach wydarzeń, instytucji i osób Diagnoza potrzeb, ocena efektywności programów (unijnych), konsultacje decyzji, ocena jakości usług publicznych Administracja Rozpoznanie klientów obecnych i potencjalnych (segmentacja, szacowanie popytu), wyznaczanie optymalnych cen produktów, ocena efektywności kampanii reklamowej Rynek Test hipotez teoretycznych, eksploracja struktury populacji, identyfikacja trendów, modelowanie dynamiki populacji (nauki społeczne, medyczne) Nauka

13 Po co płaci Nauka Media Administracja Rynek
Praktyka – patologia? Po co płaci Aby utrzymać lub zwiększyć swoje audytorium: liczbę widzów, czytelników Media Administracja Aby wydać środki zaplanowane na badanie Aby podjąć optymalne decyzje o inwestycjach, polityce cenowej, kampanii relamowej Rynek Nauka Rozszerzyć lub zweryfikować wiedzę o populacji Kto potrzebuje sondażu dobrej jakości aby osiągnąć swój faktyczny cel ?

14 Sondaż dobrej jakości Odpowiada na pytania:
które zamawiający postawił [ZAMAWIAJĄCY] Odpowiada wystarczająco precyzyjnie [WYKONAWCA] Odpowiada wiarygodnie [WYKONAWCA]

15 Dobry sondaż Dobry kwestionariusz: dobra teoria, trafne wskaźniki, dobre modele pomiarowe [ZAMAWIAJĄCY] Dobra próba losowa – optymalne warstwowanie, optymalna alokacja, małe wariancje estymatorów [ZAMAWIAJĄCY] Dobra realizacja – wysoki response rate, równomierność realizacji, niski poziom braków danych, niska stopa oszustw, brak efektu ankieterskiego [WYKONAWCA] Dobra analiza danych - adekwatny opis statystyczny i poprawne wnioskowanie [ZAMAWIAJĄCY]

16 Kwestionariusz Kwestionariusz – Próba – Realizacja – Analiza danych

17 Dobry kwestionariusz: zadanie dla zamawiającego
Dobry kwestionariusz: dobra teoria, trafne wskaźniki, dobre modele pomiarowe Odpowiedzi to wskaźniki Wskaźniki cechy ukrytej Teoria zjawiska, teoria reakcji, teoria skalowania model pomiarowy Cecha ukryta (estymacja parametru populacji)

18 Inteligentne wskaźniki
Szacowanie frekwencji wyborczej w wyborach parlamentarnych Jak Pan(i) sądzi, jaka będzie frekwencja w wyborach w najbliższą niedzielę? Czy zamierza Pan(i) wziąć udział w wyborach w najbliższą niedzielę? 1. Tak 2. Nie 3. Nie wiem |___| % Średnia odsetków podawanych przez respondentów % odpowiedzi TAK

19 Inteligentne wskaźniki
Wyznaczanie ceny produktu, przy której oczekiwana liczba nabywców będzie największa Przy jakiej cenie uznałbyś produkt za zbyt tani, aby mógł być dobrej jakości? (Cheap) Przy jakiej cenie uznałbyś produkt za tani, ale odpowiedniej jakości? (Too Cheap) Przy jakiej cenie uznałbyś produkt za drogi, ale wart ewentualnego zakupu? (Expensive) Przy jakiej cenie uznałbyś produkt za zbyt drogi i nie wart zakupu? (Too Expensive) Za ile kupiłbyś produkt? |_______| zł kwota średnia środkowa

20 Skalowanie złożone – SEI
Socio-Economic-Index: skala społeczno-ekonomicznego statusu zawodu

21 Skalowanie złożone: poziom zadowolenia z ….
Jak bardzo zadwolony(a) jest Pan(i) ze swojego miejsca zamieszkania ? Bardzo zadowolony(a) Zadowolony(a) Niezadowolony(a) Bardzo niezadowolony(a) % odpowiedzi 1, 2 Jak bardzo zadowolony(a) jest Pan(i) X1 ze swoich sąsiadów Cecha ukryta: poziom zadowolenia Z X2 z poziomu czystości Biorąc to wszystko pod uwagę, proszę powiedzieć, jak Panu(i) się żyje w Pana(i) okolicy? Y X3 z zaopatrzenia sklepów X4 z placówek kulturalnych X5 z poziomu bezpieczeństwa Wyznacz takie wartości Z, które najlepiej przewidują odpowiedź Y Wskaźniki typu „źródła” Wskaźniki typu „skutki”

22 Skalowanie złożone: American Consumer Satisfaction Index (ACSI)
Jak bardzo zadwolony(a) jest Pan(i) z usługi? Bardzo zadowolony(a) Zadowolony(a) Niezadowolony(a) Bardzo niezadowolony(a) % odpowiedzi 1, 2 poziom wymagań względem usługi wskaźniki jakości poziom satysfakcji z usługi skargi na jakość usługi i sposób ich załatwiania zaufanie do jakości usługi w przyszłości Q1 ogólne oczekiwania Q6 ogólna satysfakcja Q11 polecanie usługi innym Q7 spełnianie oczekiwań Q8 porównanie z ideałem Q5 ogólna ocena jakości Q2 ocena jakości wymiaru 1 Q3 ocena jakości wymiaru 2 Q4 ocena jakości wymiaru 3 Q9 czy złożył skargę Q10A/B reakcja na skargę Q12 wiara w stabilność poziomu jakości odczuwana jakość usługi Model pomiarowy ACSI dla usług

23 Skalowanie poziomu ekonomicznego i kulturowego kapitału jednostki
KE-in Źródła kapitału ekonomicznego Kapitał sieciowy Manifestacje kapitału ekonomicznego Źródła kapitału kulturowego Manifestacje kapitału kulturowego Model skalowania strukturalnego inspirowany przez teorię Bourdieu KK-in KE-out KK-out KE-in KK-in Liczba samochodów w gosp dom. Doch na 1 os w gosp dom Głowa rodziny kieruje pracą innych Liczba pracujących w gosp dom Resp pracuje w sektorze prywatnym Resp prowadzi własną firmę Wskaźniki Wykszt resp Wykszt matki respo Liczba książek w gosp dom Wykszt głowy gosp dom Wykszt ojca resp Liczba DVD w gosp dom Liczba CD w gosp dom Wskaźniki KK-out KE-out Poziom kompetencji komputerowej (skala) Liczba opanowanych jezyków obcych Rachunek bankowy obsługiwany internetowo Intensywność używania internetu Liczba przeczytanych książek Intensywność używania komputera Samoocena sytuacji materialnej obecnej Wyjazd podczas urlopu Oczekiwana sytuacja materialna za 5 lat Wyjazd urlopowy za granicę Korzystanie z prywatnej służby zdrowia Zasoby czasu wolnego Wskaźniki Wskaźniki

24 Próba Kwestionariusz – Próba – Realizacja – Analiza danych

25 Schemat logiczny wnioskowania w sondażu
Dobór próby (1) Populacja n-elementowa próba losowa z populacji Probabilistyczny schemat doboru, opisany w kategoriach rachunku prawdopodobieństwa Statystyka opisowa: wyznaczenie parametrów w próbie Parametry próby (2) Parametry populacyjne (3) Wnioskowanie statystyczne Statystyka inferencyjna – zastosowanie rachunku prawdopodobieństwa do uzasadnienia reguł wnioskowania (1) & (2) (3) Przesłanki wniosek Kwestionariusz – Próba – Realizacja – Analiza danych

26 Cel doświadczenia – odpowiedź na pytanie: Doświadczenie
W badaniu sondażow mamy do czynienia z sytuacją, w której wiadomo, co się może zdarzyć, wiadomo z jakim prawdopodobieństwem co się zdarza lecz nie wiadomo, co zdarzy się w pojedynczym doświadczeniu Cel doświadczenia – odpowiedź na pytanie: Doświadczenie Rzucamy monetą o nieznanym prawdopodobieństwie upadania z 1EU na wierzchu n-razy Jakie jest p-two wyrzucenia „1” Losujemy n-kul ze zwracaniem z urny o nieznanej zawartości Jaka jest w urnie proporcja kul czerwonych Kwestionariusz – Próba – Realizacja – Analiza danych

27 Ile razy trzeba rzucać monetą aby sprawdzić, czy jest rzetelna?
Kwestionariusz – Próba – Realizacja – Analiza danych

28 Losowanie próby w badaniu sondażowym to jak rzucanie monetą
lub lub lub 3 2 1 P=0,064 P=0,288 P=0,432 P=0,216

29 Probabilistyczny sposób doboru próby
1) o wyborze obiektów do badania, decyduje mechanizm losowy o znanych własnościach, a w konsekwencji: 2) każdy obiekt populacji ma dającą się obliczyć szansę (prawdopodobieństwo) bycia wylosowanym, a w konsekwencji: 3) dla każdego składu próby (rezultatu losowania) daje się obliczyć prawdopodobieństwo jego uzyskania, a w konsekwencji: a) umożliwia obliczenie prawdopodobieństwa popełnienia błędów wnioskowania (nazywanego błędem statystycznym) dla każdego rozmiaru błędu przy założonym schemacie doboru, b) pozwala na ustalenie minimalnej liczebności próby niezbędnej do osiągnięcia założonej dokładności oszacowań (wielkości błędu wnioskowania) błędu przy założonym schemacie doboru

30 Przy losowym doborze próby
§ Wynik losowania próby jest zdarzeniem losowym. § Wartości parametrów statystycznych wyznaczonych w próbie również są zdarzeniami losowymi. § Jeśli zdarzenie losowe jest charakteryzowane za pomocą liczb, mamy do czynienia ze zmiennymi losowymi. § Znajomość rozkładów prawdopodobieństwa na zbiorze rezultatów badania statystycznego, tak zwanych statystyk z próby, jest niezbędna do uzasadnienia reguł wnioskowania statystycznego. § Wnioskowanie statystyczne jest możliwe dzięki temu, iż rozkłady statystyk z próby bywają zbliżone do rozkładów zmiennych losowych dobrze znanych w rachunku prawdopodobieństwa. § Zbieżność rozkładów statystyk z póby badają zawodowi matematycy (specjaliści w zakresie raachunku prawdopodobieństwa) a rezultaty ich badań noszą nazwę twierdzeń granicznych

31 Rozkład normalny Kwestionariusz – Próba – Realizacja – Analiza danych
 =10 Kwestionariusz – Próba – Realizacja – Analiza danych

32 Rozkład normalny standaryzowany
m=0, s=1 x Kwestionariusz – Próba – Realizacja – Analiza danych

33 Rozkład chi-kwadrat dla kilku stopni swobody r
Kwestionariusz – Próba – Realizacja – Analiza danych

34 Forma twierdzeń granicznych
Wraz ze wzrostem liczby losowanych obiektów rozkłady prawdopodobieństwa wyników badania statystycznego stają się tak podobne do rozkładów pewnych zmiennych losowych, że można używać tych zmiennych jako podstawy do estymacji parametrów populacji i testowania hipotez na jej temat Kwestionariusz – Próba – Realizacja – Analiza danych

35 Minimalna liczebność próby
Twierdzenie o zbieżności rozkładu średniej z próby do rozkładu normalnego (CTG) Błąd oszacowania Minimalna liczebność próby Kwestionariusz – Próba – Realizacja – Analiza danych

36 a1 a2 a3 a4 1 2 3 1,5 2,5 Populacja Zmienna próba nr skład próby X1 X2
średnia 1 a1 2 a2 1,5 3 a3 5 9 4 a4 6 7 10 11 13 8 2,5 12 14 15 16

37 Dokładność oszacowań frakcji populacyjnej a wielkość losowej próby

38 Minimalny rozmiar próby
Granice stosowalności CTG w estymacji populacyjnej frakcji Proporcja w populacji Minimalny rozmiar próby p n 0,50 30 0,40 50 0,30 80 0,20 200 0,10 600 0,05 1400 Źródło: W.G.Cochran, Sampling Techniques, John Wiley and Sons, New York, 1953, s..41

39 Popularne statystyki z póby o rozkładach N, t , F, 2
sample mean , sample proportion , S2X sample variance , rX,Y sample Pearson correlation coefficient , bX|Y sample slope coefficient of linear bivariate regression , bY|X;ZST sample slope coefficient of multiple linear regression for Y as dependent variable and X as a predictor in the equation containing also Z, S and T variables , r2Y;XZST sample squared multiple regression correlation coefficient for Y as dependent variable and X Z, S and T as predictors sample statistics t for testing discrepancy between empirical sample rX.Y coefficient with hypothetical population coefficient RX,Y=0 has n-2 degrees of freedom, where n=sample size) sample statistics t for testing hypothesis about equality of means of variable X in two populations W1 and W2. Random variable t has n1+n2-2 degrees of freedom, where n1, n2 are size of sample 1 and 2 accordingly sample statistics t for testing discrepancy between empirical sample b Y|X;ZST… coefficient with hypothetical population coefficient BX|Y;ZTS…=0 has n-k-1 degrees of freedom, where n=sample size, k - number of variables in the multiple regression model) sample statistics F for testing discrepancy between empirical sample r2 Y:XZST… coefficient with hypothetical population coefficient R2X,YZTS…=0 has k and n-k-1 degrees of freedom, where n=sample size, k - number of variables in the multiple regression model) Kwestionariusz – Próba – Realizacja – Analiza danych

40 Schemat wnioskowania w badaniu sondażowym
(1) Dobrano losowo 1600-osobową próbę wyborców (2) W wylosowanej próbie 400 respondentów, to jest 25% badanych, deklarowało chęć głosowania na partię X wobec tego (3) W populacji wyborców odsetek deklarujących zamiar głosowania na partię X wynosi 25% +/- 2,5%, to jest między 22,5% a 27,5%. (1) & (2) (3) Kwestionariusz – Próba – Realizacja – Analiza danych

41 Przykład wnioskowania w badaniu sondażowym
(Przykład fikcyjny) Liczebności prób Styczeń: n=81, Luty: n=121, Marzec: n=64, Kwiecień: n=121, Maj: n=225 Które zmiany proporcji są statystycznie znaczące? Kwestionariusz – Próba – Realizacja – Analiza danych

42 Losowy dobór prób – problemy praktyczne
Wnioskowanie statystystyczne: Dokładność oszacowań Testowanie hipotez – „znaczące statystycznie” Operaty Response rate a dokładność oszacowań Schematy doboru prób Mitologie agencji badawczych Kwestionariusz – Próba – Realizacja – Analiza danych

43 Losowy dobór w praktyce - operat losowania
Operat = lista wszystkich obiektów badanej populacji Powinien być: Może być kompletny dziurawy, nie obejmuje populacji, ignoruje istone i duze kategorie obiektów; (np. lista abonentów TPSA nie jest operatem dla populacji dorosłych Polaków) skrzywiony; dziurawy systematycznie - zawiera dane o wielu obiektach pewnego rodzaju a niewiele o innych; (np. Lista prenumeratorów pisma jest złym operatem dla populacji jego czytelników), bezbłędny niedokładny; ma wysoką stopę błędów w danych (zdarza się często, gdy lista jest tworzona przez obiekty populacji) aktualny nieaktualny (migracje ludzi, likwidacja lub zmiany profilu firm, zmiany struktury zatrudnienia) Kwestionariusz – Próba – Realizacja – Analiza danych

44 Dostępne operaty dla prób ogólnopolskich
PESEL Centralny system ewidencji meldunkowej Zawiera informację o zameldowaniu a nie o faktycznym zamieszkiwaniu Stopa błędnych danych adresowych nie przekracza 5% Pozwala dokładnie kontrolować ankieterów Pozwala dokładnie wyznaczać response rate Konieczne złożone schematy doboru próby celem uniknięcia nadmiernych kosztów realizacji (dojazdy) GUS – spis mieszkań Prawie 100%-owa aktualność (mieszkania nie migrują) Konieczne losowanie osoby z wylosowanego mieszkania – ankieter decyduje o tym, kto zostaje respondentem Utrudniona kontrola pracy ankieterów Lokalne spisy wyborców Starzeją się – migracje Nieznana stopa błędów Trudno dostępny (administracja) Kwestionariusz – Próba – Realizacja – Analiza danych

45 Schematy doboru prób Dobór prosty zależny
po jednym obiekcie z badanej zbiorowości (jak liczby w normalnym lotku): przykłady: adresowa próba osób zamieszkałych we wskazanej gminie (uzyskiwana z PESEL,), próba mieszkań z rejonu spisowego (GUS); Dobór taki w postaci czystej dla badań ogólnopolskich nie jest stosowany - można by otrzymać np osobową próbę rozrzuconą między 1000 miejscowości. Dobór systematyczny „co k-ty obiekt wylosowany” - np. co 40-ty wychodzący z lokalu wyborczego. losuje się jedną tylko liczbę (od 1 do k) określającą punkt startowy; przykłady: co któryś wychodzący ( exit poll), stosowany także w badaniach audytoriów kinowych; Dobór zespołowy zbiorowość podzielona jest na zespoły (części) - losuje się części i potem bada wszystkie obiekty, które do nich należą; np. losowanie klas szkolnych (bada się wszystkich uczniów w klasie) Dobór wielostopniowy: warstwowy: najpierw dzieli się zbiorowość na rozłączne części - warstwy (np. na regiony, województwa, na część miejską i wiejską), a potem losuje obiekty z każdej z warstw osobno (być może nawet dla każdej w inny sposób); zazwyczaj celem badania jest szacowanie parametrów warstwy jak i populacji generalnej. zespołowy: losuje się najpierw zespół a potem z zespołu losuje się obiekty. Np. losujemy gminy (miejscowości) a potem osoby w nich zamieszkałe. Kwestionariusz – Próba – Realizacja – Analiza danych

46 Popularne złożone schematy doboru prób
Próba adresowa gospodarstw domowych i schemat Kish Jednostką losowania jest mieszkanie losowane z operatu GUS W wylosowanym mieszkaniu ankieter przeprowadza mikrospis członków gospodarstwa domowego Po przeprowadzeniu mikrospisu ankieter wybiera (przy użyciu tabel z liczbami losowymi) losowo członka gospodarstwa, który staje się respondentem Wady: Trudność kontroli jakości mikrospisu trudność kontroli przyczyn niezrealizowania wywiadu Konieczność wyznaczania wag analitycznych post-factum Losowo-kwotowy dobór prób w badaniach typu OMNIBUS Populację dzieli się na warstwy terytorialne i klasy wielkości miejscowości Dla każdej z warstw losuje się taką liczbę gmin wjaka wynika z założonego sposobu podziału próby między warstwy, W każdej z wylosowanych gmin ankieter rekrutuje respondentów zgodnie z listą ich profili definiowaną przez kryteria doboru (płeć, wiek, wykształcenie i ewentualne kryteria dodatkowe) Nielosowość doboru ogranicza się tu do wąskiej warstwy osób spełniających wszystkie kryteria rekrutacji Kwestionariusz – Próba – Realizacja – Analiza danych

47 Dobór nielosowy Cechy doboru celowego: o składzie badanej próby decydują badacz (określa kryteria doboru) i ankieter - wybiera spośród obiektów spełniających kryteria, do określenia kryteriów doboru dla każdego respondenta potrzebna jest wiedza o łącznych rozkładach cech w interesującej badacza zbiorowości - należy ją zdobyć zwykle za pomocą badań na próbach losowych . Dobór losowo-kwotowy: losowa alokacja terytorialna (miasto-wieś, regiony, województwa, gminy wiejskie, miejskie) a następnie celowy dobór respondentów Dobrze skonstruowana próba kwotowa (dobierana celowo) daje niekiedy dokładniejsze oszacowania niż mało liczna próba losowa. Pożądane własności nielosowych metod doboru: uzyskanie “dobrego przedstawicielstwa” populacji ze względu na ważne dla nas cechy, czyli reprezentatywności grupy zbadanej w przedmiotowym sensie. Kwestionariusz – Próba – Realizacja – Analiza danych

48 Próba losowo-kwotowa: konstrukcja
Liczebności PŁEĆ WYKSZT Kobieta Mężczyzna Grand Total podstawowe 2 1 3 średnie 4 6 10 wyższe 7 9 16 GMINA PŁEĆ WYKSZT WIEK Warszawa-Bemowo Kobieta średnie 40-49 lat Mężczyzna 20-29 lat wyższe Bolesławiec podstawowe 15-19 lat 30-39 lat 60-64 lat Bydgoszcz 50-59 lat Bystrzyca Kłodzka Liczebności PŁEĆ WIEK Kobieta Mężczyzna Grand Total 15-19 lat 1 20-29 lat 3 4 30-39 lat 2 40-49 lat 5 50-59 lat 60-64 lat 7 9 16 Liczebności WYKSZT WIEK podstawowe średnie wyższe Grand Total 15-19 lat 1 20-29 lat 2 4 30-39 lat 3 40-49 lat 5 50-59 lat 60-64 lat 10 16 Kwestionariusz – Próba – Realizacja – Analiza danych

49 Kiedy warto stosować próby kwotowe
Warto stosować próby kwotowe oraz losowo-kwotowe gdy: Rozkłady zmiennych zależnych zależą silnie od regionu (typu) miejsca zamieszkania Rozkłady zmiennych zależnych zależą silnie od tych cech, które mogą być kryteriami doboru respondentów (płeć, wiek, wykształcenie); Rozkłady łączne cech doboru respondentów w populacji są dostępne i wiarygodne, Target group stanowi niewielką część populacji generalnej lecz jego członkowie daja się łatwo (najlepiej bez pytania) zidentyfikować - wówczas przynależność do target group może być dodatkowym kryterium selekcji Kwestionariusz – Próba – Realizacja – Analiza danych

50 Sondaże nietypowe i ich ograniczenia
Sonda telefoniczna (na losowej próbie abonentów) RDD Populacja posiadaczy telefonów stacjonarnych różni się istotnie od populacji dorosłych Polaków; Wyniki sondażu nie dają się uogólnić na całą populację dorosłych Polaków (operat jest niepełny i skrzywiony) Ankieta pocztowa (oparta na imiennej próbie adresowej) Response rate rzadko przekracza 20% a nigdy 40%, co czyni wyniki bezwartościowymi Ankieta umieszczana w gazecie (periodyku), Sondaż internetowy, Ankieta uliczna, Audio-tele (SMS-y) Nielosowy dobór uczestników badania – potencjalny respondent sam decyduje czy weźmie udział w badaniu czy nie; Nie można ustalić response rate ani dokładności oszacowań Nie wiadomo jaką zbiorowość reprezentują zebrane odpowiedzi Kwestionariusz – Próba – Realizacja – Analiza danych

51 Pułapki sondaży telefonicznych
Firma badawcza X GUS NSP2002 Wieś M-W Miasto Razem 1 dolnośląskie 76,4% -1,3% 75,1% 75,5% 57,7% 21,8% 79,5% 74,1% 2 kujawsko-pomorskie 70,7% -3,1% 67,6% 68,8% 53,2% 23,7% 77,0% 69,2% 3 lubelskie 73,6% 10,4% 84,0% 78,8% 57,5% 20,1% 77,6% 67,5% 4 lubuskie 62,7% 14,6% 77,3% 72,2% 61,5% 15,9% 77,5% 72,4% 5 łódzkie 63,5% 5,9% 69,4% 67,4% 54,5% 20,8% 75,3% 69,1% 6 małopolskie 70,1% 12,0% 82,1% 76,3% 67,2% 13,9% 81,1% 7 mazowieckie 2,0% 74,4% 73,8% 58,0% 25,1% 83,1% 75,6% 8 opolskie -0,3% 75,4% 54,3% 68,3% 62,3% 9 podkarpackie 70,9% 15,7% 86,5% 77,4% 56,0% 26,8% 82,8% 68,4% 10 podlaskie -1,7% 69,0% 61,2% 19,0% 80,2% 73,2% 11 pomorskie 69,7% 10,6% 80,3% 77,1% 55,4% 23,4% 78,7% 72,6% 12 śląskie 71,8% 0,8% 72,7% 72,5% 57,2% 12,2% 13 świętokrzyskie 59,1% 18,5% 44,5% 32,3% 76,8% 60,9% 14 warmińsko-mazurskie 12,1% 73,0% 68,2% 70,4% 64,7% 15 wielkopolskie 72,0% 0,4% 72,3% 67,0% 12,6% 79,6% 16 zachodniopomorskie 56,1% 14,2% 70,3% 66,3% 59,4% 16,9% 71,9% razem 69,6% 5,2% 74,8% 72,9% 58,2% 77,2% 71,0% min (M-W) 12,2% MAX (M-W) 32,3% min (M-W) -3,1% MAX (M-W) 18,5% Kwestionariusz – Próba – Realizacja – Analiza danych

52 Błędne przeświadczenia, mitologie i oszustwa na temat doboru prób
Wielkość populacji a wielkość próby dokładność oszacowań zależy od wielkości populacji: z małej populacji powinno się losować małe próby, z dużych – duże; im mniejsza populacja tym mniejszą próbę należy z niej pobierać; Próba rezerwowa jeśli nie udało się próby zrealizować w 100%, sięganie do próby rezerwowej nie zmienia jakości uzyskanych wyników (dokładności oszacowań) Random route “random route” jest schematem losowego doboru próby jeśli nie udało się zrealizować w 100% imiennej adresowej próby pobranej z operatu PESEL, można bez szkody dla jakości wyników (dokładności oszacowań) dorobić brakuące wywiady metodą „random route” Wagi porealizacyjne jeśli próba zrealizowana (nie w pełni) jest niereprezentatywna (przedmiotowo) ze względu na kluczowe cechy (płeć, wiek, wykształcenie), bez szkody dla dokłądności oszacowań można „poprawić” jej strukturę za pomocą wag porealizacyjnych „Sondaże”, w których próba nie ma charakteru losowego: porzedwyborcza ankieta uliczna sondaż opinii publicznej: SMS-y wysyłane podczas trwania programu TV sondaż internetowy ogólnopolski sondaż telefoniczny w Polsce ankieta drukowana w czasopiśmie jako sondaż jej czytelników

53 Kiedy próba dobrze reprezentuje propulację? Gdy jest reprezentatywna!
Reprezentatywność przedmiotowa = skład próby odpowiada składowi populacji ze względu na ustalony zbiór zmiennych; np. proporcja respondentów z wyższym wykształceniem w próbie i w populacji wynoszą 10% Reprezentatywność proceduralna – próba została dobrana w sposób losowy, co pozwala kontrolować stopień jej reprezentatywności przedmiotowej ze względu na dowolny zestaw zmiennych Losowy dobór gwarantuje de facto przedmiotową reprezentatywność próby wylosowanej ze względu na wszystkie zmienne, o ile próba jest dostatecznie duża a stopień realizacji próby, response rate, jest wystaczająco wysoki

54 Reprezentatywność przedmiotowa PGSS 1992
PGSS1992 Populacja Liczebności oczekiwane składniki chi-kwadrat Mężczyzna 739 48,2% 793,9 3,8 Kobieta 908 51,8% 853,1 3,5 1647 100,0% 7,3 Wiek PGSS1992 Populacja Liczebności oczekiwane składniki chi-kwadrat 20-29 211 23,3% 318,0 36,0 30-39 422 29,7% 405,4 0,7 40-49 359 20,8% 283,9 19,9 50-59 233 17,8% 243,0 0,4 60-64 140 8,4% 114,7 5,6 1365 100,0% 1365,0 62,6 Wykształcenie PGSS1992 Populacja Liczebności oczekiwane składniki chi-kwadrat niepełne podstawowe 114 6,1% 100,5 1,8 podstawowe 439 38,9% 640,7 63,5 zasadnicze zawodowe 446 23,7% 390,3 7,9 średnie 503 24,8% 408,5 21,9 wyższe 145 6,5% 107,1 13,4 1647 100,0% 108,6

55 Realizacja Kwestionariusz – Próba – Realizacja – Analiza danych

56 Kryteria oceny jakości realizacji
DoKŁADNOŚĆ oszacowań: (% non-response, równomierność realizacji, % missing-data, % “sufitów”) Czas realizacji (od zamówienia do wyników) Koszt realizacji (koszt 1 rekordu) JAKOŚĆ KOSZTUJE Nie istnieją sondaże szybkie, tanie i dobrze zrealizowane

57 Zamawia sondaż: instytucja publiczna
PRZETARG: projektant Budżet badania projekt Jakość odpowiedzi na pytania zamawiającego wykonawca realizacja Płaci za projekt i wykonanie sondażu: podatnik Ile i co kosztuje

58 Wymagania zamawiającego
budżet Jakość realizacji zamówienie Wymagania zamawiającego SIWZ Jakość (możliwości) potencjalnego wykonawcy – jaki poziom jakości daje się osiągnąć w praktyce

59 Jakość realizacji badania
Budżet badania Koszt realizacji Dokładność oszacowań Wielkość próby Koszt jakości Koszt dojazdów Schemat doboru próby Jakość realizacji badania Fieldwork Operat Koszt operatu Czas trwania - koszt 1 wywiadu Response-rate Missing values False records Projekt Kwestionariusz Pominięte pytanie Odmowa odpowiedzi Raport Koszt projektowania Zewnętrzna kontrola ankieterów wykonawcy Koszt kontroli jakości realizacji

60 Właściwy wybór wykonawcy Kontrakt chroniący jakość
Dobry przetarg Poprawne zamówienie Szczegółowy SIWZ Właściwy wybór wykonawcy Kontrakt chroniący jakość Kontrola jakości realizacji kontraktu

61 Poprawne zamówienie - przykład
Uniwersytet Warszawski, 2011 (fragment ogłoszenia przetargowego) § 3 Opis przedmiotu zamówienia (…) 2. (…) wywiadów indywidualnych metodą CAPI na imiennej próbie adresowej ludności w wieku 18 lub więcej lat pobranej z operatu PESEL i dostarczonej przez Zamawiającego, przy użyciu kwestionariusza dostarczanego przez Zamawiającego. W ramach sondażu wykonawca będzie miał za zadanie zrealizować poniższe prace: 1) wysyłkę listów zapowiednich, 2) podjęcie próby uzyskania wywiadu od każdej z osób w próbie 3) dostarczanie danych z przebiegu realizacji wywiadu w czasie trwania badania 4) Uzyskanie założonych liczebności wywiadów zrealizowanych w każdej z pod-prób 5) maksymalizację równomierności terytorialnej poziomu response-rate, przy założeniu osiągnięcia powyższych celów. PŁACIMY WYKONAWCY NIE (TYLKO) ZA DOSTARCZENIE USTALONEJ LICZBY WYWIADÓW LECZ PODJĘCIE PRÓBY UZYSKANIA WYWIADU OD KAŻDEJ Z JEDNOSTEK W PRÓBIE

62 Patologie przetargów – przykłady 2013
Gdańsk  II.1.4) Określenie przedmiotu oraz wielkości lub zakresu zamówienia: W ramach przedmiotu zamówienia Wykonawca jest zobowiązany do: 1) konsultowania na etapie sporządzania raportu metodologicznego, szczegółów narzędzi badawczych, 2)przygotowania kwestionariuszy materiałów do badania, 3)realizacji prac terenowych oraz realizacji badania zgodnie z zakresem i minimum metodologicznym określonym w pkt 1 ppkt 4 SIWZ 4)przeprowadzenia (liczba z oferty) kwestionariuszy wywiadu 5)zapewnienia respondentom pełnej anonimowości w celu uzyskania jak najbardziej wiarygodnych danych IV.2.1) Kryteria oceny ofert: cena oraz inne kryteria związane z przedmiotem zamówienia: 1 - Cena - 50 2 - narzędzia badawcze - 50

63 Patologie przetargów – przykłady 2013
PFRON 2013 (…) 5. ZAKRES PRAC WYKONAWCY Zakres prac Wykonawcy obejmuje: 1. opracowanie szczegółowej metodologii badania, 2. opracowanie narzędzi badawczych, 3. (…) wylosowanie prób badawczych, 4. realizację badania, 5. analizę danych i przygotowanie raportu z badania, 6. prezentację wyników na spotkaniu/konferencji IV.2.1) Kryteria oceny ofert: cena oraz inne kryteria związane z przedmiotem zamówienia: 1 - Cena - 40 2 - Ocena merytoryczna – 60 a) podkryterium koncepcja badania (MK), tj. - kompleksowość i przydatność badawcza zaproponowanej koncepcji z punktu widzenia celu badania (MK1) – od 0 do 13 pkt, - lista pytań badawczych (MK2) – od 0 do 20 pkt

64 Błędne przeświadczenia zamawiających
Przedmiotem zamówienia jest pewna liczba dostarczonych zapisów wywiadów Agencja badawcza potrafi odpowiedzieć na pytania zamawiającego Agencja badawcza potrafi dopasować „metodologię” do potrzeb zamawiającego Zamawiający, który nie potrafi określić „metodologii” dopasowanej do własnych potrzeb potrafi ocenić „metodologie” oferowane przez potencjalnych wykonawców Cena jest racjonalnym kryterium wyboru wykonawcy sondażu Istnieją tanie sondaże dobrej jakości, szybko i dobrze wykonane W sondażu z wykorzystaniem ogólnopolskiej imiennej próby adresowej można osiągnąć response rate powyżej 50% płacąc za 1 wywiad nie więcej niż 100 PLN Dobry sondaż można zaprojektować, zamówić, skontrolować i opracować bez udziału statystyka „Sondaż” jest dyscypliną naukową

65 Szczegółowy SIWZ Kto projektuje Kryteria wyboru oferty
Kwestionariusz Zamawiający Wykonawca Operat Warstwowanie, alokację i schemat doboru próby Warunki dopuszczenia do udziału w przetargu Realizacja badania o wielkości porównywalnej z wielkością badania zamawianego Personel: liczba ankieterów Wyposażenie: liczba notebooków, oprogramowanie, serwer, łączność Kryteria wyboru oferty Response rate Równomierność realizacji Czas realizacji Jeśli chcemy maksymalizować stosunek jakości do kosztu badania powinniśmy jako kryterium wyboru oferty stosować iloraz błędu oszacowania do ceny za jeden wywiad (rekord) Kontrakt z wykonawcą przewiduje Kary za nieosiągnięcie response rate Kary za nierównomierność realizacji Kary za wywiady sfałszowane Kary za wywiady spóźnione Kto wykonuje /dostarcza Projekt analiz statystycznych Zamawiający Wykonawca CODEBOOK Odpowiedzi na pytania Podobną maksymalizację uzyskuje się zakładając docelową liczbę wywiadów zrealizowanych i wybierając takiego wykonawcę, który zażąda do tego najmniejszej póby

66 Komputerowa rejestracja przebiegu wywiadu
Jak pytać: CAPI Komputerowa rejestracja przebiegu wywiadu czas rozpoczęcia i zakończenia wywiadu – czas trwania wywiadu czas reakcji na poszczególne pytania długość przerwy między wywiadami Możliwość drobiazgowej kontroli ankietera Eliminacja efektu ankieterskiego

67 Kontrola jakości pracy ankietera
Systematyczna: wywiady zrealizowane non-response (adresy osób wylosowanych) Zobiektywizowana: Metodą F2F: kontroler dociera do respondenta lub osoby wylosowanej do badania, od której wywiadu nie uzyskano Przeprowadzana przez firmę zewnętrzną

68 Konsekwencje dobrej kontroli
Eliminacja wywiadów zrealizowanych budzących wątpliwości ankieterów, koordynatorów mało sprawnych, nierzetelnych systematyczna poprawa jakości danych

69 Response rate a dokładność oszacowań
Niedostępni, n2 Populacja próba = n -elementowa próba wylosowana z populacji Zbadani, n1 Response rate =

70 Response rate a dokładność oszacowań
Populacja dostępnych Populacja nie-dostępnych n1 = 1600 n2 = 400 Quasi-przedział ufności dla frakcji populacyjnej

71 Response rate a dokładność oszacowań populacyjnej frakcji
resp rate 95 90 85 80 75 70 wielkość próby dokładność przy 100%-owej realizacji próby optym pesym 100 10,0 12,0 12,2 12,6 14,5 13,1 16,7 13,4 18,9 13,7 21,2 13,8 23,4 400 5,0 6,0 7,4 6,3 9,7 6,5 12,1 6,7 6,8 16,8 6,9 19,2 900 3,3 4,0 5,7 4,2 8,2 4,4 10,6 4,5 13,0 4,6 15,4 17,8 1600 2,5 3,0 4,9 3,2 9,8 3,4 14,7 3,5 17,1 optymistyczny rozkład w niezrealizowanej części próby 50% +/- 1/ Ö n2 pesymistyczny rozkład w niezrealizowanej części próby 50% +/- 50%

72 p0+e Response rate a przewidywanie wyników referendum p0-e
Dane: PGSS 1992 Do you think, woman should have the possibility of legal abortion, when: 1 Yes 2 No 8 DK p1 e1 e p0 p0-e p0+e THERE IS STRONG CHANCE OF SERIOUS DEFECT of A CHILD 81,9 10,7 7,4 88% 1,61% 11,3% 81% 69,5% 92,0% SHE IS MARRIED AND DOES NOT WANT ANY MORE CHILDREN 46,0 40,3 13,7 53% 2,60% 12,1% 40,5% 64,7% THE WOMAN'S OWN HEALTH IS SERIOUSLY ENDANGERED BY THE PREGNACY 84,5 8,4 7,1 91% 1,44% 11,2% 83% 71,6% 93,9% FANY MORE CHILDREN 53,7 33,7 12,7 61% 2,52% 12,0% 59% 47,1% 71,2% SHE BECAME PREGNANT AS RESULT OF RAPE 76,8 13,0 10,1 85% 1,80% 11,4% 78% 66,9% 89,8% SHE IS NOT MARRIED AND DOES NOT WANT TO MARRY THE MAN 40,0 45,4 14,6 47% 2,61% 35,4% 59,5% IF THE WOMAN WANTS IT FOR ANY REASON 38,7 48,0 13,3 45% 2,58% 46% 33,6% 57,8% n=2000; n1=1640

73 Typowe praktyczne problemy do rozwiązania w sondażu
Optymalny dobór próby – koszty dojazdu Próba Dostępność operatu: indywidualna – mieszkaniowa - kwota Jak kontrolować ankietera Fieldwork Pilotaż laboratoryjny Pilotaż statystyczny Kwestionariusz Non-response Braki danych Missing value Trudno powiedzieć

74 Badanie sondażowe według podręcznika: co, z kim, za co
Wymagania zamawiającego (sponsora): co musimy dostarczyć, z czego będziemy rozliczani Jakie jest nasze zadanie: przetłumaczyć zamówienie sponsora na problem badawczy Zespół: (doświadczenie + młodość + statystyk + admin) *zasoby czasu * motywacje indywidualne Zamawiający - zadanie – zespół E1 – Kwerendy-projektowanie E2 – Pilotaże – dobór prób E3 – Przetarg-Kontrakt - SIWZ E4 – Realizacja w terenie E5 – Analiza danych E6 – Dokumentacja badania E7 - Raport Budżet

75 Badanie sondażowe według podręcznika:
Badanie sondażowe według podręcznika: Etap 0 - Przygotowania organizacyjne podział zadań i funkcji uzgodnienie zasad wynagradzania Budowa zespołu - książka adresowa - kalendarz - tablica ogłoszeń (lista mailingowa) - repozytorium publikacji, danych, sprawozdań wewnętrznych, raportów, Infrastruktura informatycznej procedury komunikacyjne - kto komu co i kiedy wysyła, zostawia, zapisuje

76 Badanie sondażowe według podręcznika: Etap 1 - Kwerendy - projekty
Kwerenda teoretyczna: co na temat napisali inni akceptacja i kontynuacja paradygmatu własny schemat teoretyczny zjawiska rozkłady podstawowych cech populacji identyfikacja zjawisk rzadkich lub powszechnych (pralka, NGO) Kwerenda faktograficzna: kontynuacja metodologii stosowanej dotychczas Własna metodologia: Korzystamy z narzędzi z innych dyscyplin (marketing, psychologia eksperymentalna) Własne rozwiązania (będą wymagały testów !!!) Kwerenda metodologiczna: jak badali to inni Wstępne ustalenia projektowe szkielet kwestionariusza – plan skalowań –modelowania–agregacji dostępność operatu schemat doboru próby technologia realizacji (PAPI, CATI, CAPI, CAWI, MOBI, skaner kodów, double screen, touch-screen, żetony, karty, makiety, rejestracja pasywna, telemetria, GPS )

77 Badanie sondażowe według podręcznika:
Badanie sondażowe według podręcznika: Etap 2 – Pilotaże – pilotaż jakościowy Cel: zrozumiałość pytań (trafność „społeczna”) Pierwsza wersja kwestionariusz + instrukcje realizacyjne, filtry, skoki + metryczka Tekst kwestionariusza (MS Word) – wewnętrzne recenzje w zespole (interakcyjnie – rzutnik, zespół, pisarz) Wybór wykonawcy testu jakościowego Zlecenie na test: Translacja tekstu kwestionariusza oraz instrukcji na skrypt CAPI (wskaźniki czasu!!) Akcesoria (żetony, karty, przybory) Rekrutacja respondentów testowych (niski status !) Realizacja wywiadów za szybą ( ) Nagrywanie dźwięku i obrazu Przebieg testu: 5 wywiadów - korekta – 5 wywiadów – korekta etc. Efekt: kwestionariusz zrozumiały i trafny Pilotaż jakościowy

78 Skrypt CAPI – znaczniki czasu przy każdym bloku pytań
Badanie sondażowe według podręcznika: Etap 2 – Pilotaże – pilotaż statystyczny Cel: wybór wskaźników Skrypt CAPI – znaczniki czasu przy każdym bloku pytań Próba 1000 (kwota, badanie typu omnibus) Realizacja pilotażu Raporty z analizy rozkładów w próbie i rekomendacje (wstępne skalowanie i modelowanie): - usunąć wskaźnik/blok wskaźników zbędny - zostawić wskaźnik/blok wskaźników niezbędny (pilotaż statystyczny jest w praktyce pierwszym etapem analizy danych, w tym praktycznym sprawdzianem modeli skalowania) Efekt: ostateczna wersja kwestionariusza zawiera minimalny zestaw wskaźników wystarczający do skalowania, modelowania i agregacji o czasie trwania nie przekraczającym możliwości respondenta i budżetu badania (1 minuta CAPI = 3 złote) Pilotaż statystyczny

79 Dokumenty Kto co komu przekazuje
Badanie sondażowe według podręcznika: Etap 3 – Przetarg - Kontrakt Dokumenty Kto co komu przekazuje zamawiający  kwestionariusz, instrukcje, formularze raportów, instrukcje obsługi platformy komunikacyjnej (serwerowej) Wykonawca  informacje na temat sieci ankieterskiej, dane, raporty, protokoły Czasy dostarczania raportów z przebiegu realizacji rekordów z zapisem odpowiedzi Zasady przyjmowania rekordów (formalna kontrola spójności) - stawka za 1 wywiad - kara z sufit (wyrzucanie wywiadów autora „sufitu”) - kara za spóźnienia (wywiad, raport, warstwa) - kara za response rate poniżej umownego - kara za nierównomierność realizacji Zasady wyznaczania należności Kryteria wyboru oferty Na przykład: response-rate + czas + cena [np. 90% + 5% + 5%]

80 Badanie sondażowe według podręcznika: Etap 5 - Analiza danych
Badanie sondażowe według podręcznika: Etap 6 - Dokumentacja badania CodeBook (kwestionariusz + rozkłady brzegowe) Zastosowane klasyfikacje (ISCO, ESCED, PKD) Zastosowane skale/indeksy (SEI, inne) Opis schematu doboru próby (prawdopodobieństwa inkluzji, wagi analityczne) Zastosowane procedury ważenia Raport z przebiegu realizacji (rozkłady przyczyn non-responsów) Zastosowane procedury imputacji oraz łączenia danych zewnętrznych Badanie sondażowe według podręcznika: Etap 7 - Raport

81 Sondaż w 12 krokach: co trzeba mieć i znać
Zestaw pytań, na które mają odpowiedzieć Zleceniodawcy wyniki sondażu wraz z (opcjonalnie) Definicję populacji, której odpowiedzi dotyczą, dostępność danych populacyjnych Opis operatu losowania próby Sposób doboru próby, jej wielkość oraz uzasadnienie Sposób zbierania informacji na temat obiektów wylosowanych Ogólny opis zawartości kwestionariusza, czasu trwania wywiadu, rodzaju pytań Pilotaż kwestionariusza Ogólny opis procedury kontroli jakości pracy ankieterów Sposób wyznaczania wynagrodzenia Wykonawcy sondażu (szkic) Sposób wyłonienia zwycięzcy przetargu/konkursu ofert Szkic projektu analiz statystycznych Szkic budżetu badania z podziałem na wynagrodzenie Wykonawcy i pozostałe koszty

82 Badanie sondażowe według podręcznika
Projekt „norweski”

83 FILARY PROJEKTU Poradniki dobrych praktyk (2):
Sondaż ludności Polski (n=13 000, CAPI) Diagnoza barier i katalizatorów partycypacji obywatelskiej Pomiar satysfakcji obywatelskiej z usług publicznych Badanie przedstawicieli administracji publicznej (n=3000, CAWI) Perspektywa administracji na problemy badane w sondażu Kształt relacji między poszczególnymi szczeblami administracji Badanie przedstawicieli III Sektora (n=1000, CAWI) Ustalenie jak z perspektywy potencjalnych partnerów społecznych układa się współpraca z jednostkami administracji Warsztaty Dialogu Społecznego (Biłgoraj, Gołdap, Słupsk, Poznań) Praktyczny eksperyment społeczny Modelowe konsultacje społeczne z udziałem mieszkańców, samorządu i organizacji III sektora Poradniki dobrych praktyk (2): poradnik diagnozy lokalnej i tworzenia lokalnych strategii, poradnik dla samorządu i organizacji pozarządowych o strategiach komunikacyjnych

84 Diagnoza barier partycypacji Monitor Jakości Rządzenia (MJR)
Badanie sondażowe obejmuje populację dorosłych mieszkańców Polski i składa się z dwóch przedsięwzięć: Diagnoza barier partycypacji Monitor Jakości Rządzenia (MJR) Cel socjologiczny: Opisać rzeczywistość i odpowiedzieć na pytanie, co powstrzymuje obywatelską aktywność Polaków Cele szczegółowe: Ujawnić czynniki, które: powstrzymują obywatelską aktywność (są barierami partycypacji) sprzyjają obywatelskiej aktywności (są jej katalizatorami) Ustalić relacje między nimi Cel pragmatyczny: Dostarczyć wiedzy o ocenie jakości usług świadczonych obywatelom przez państwo z punktu widzenia ich codziennych użytkowników Cele szczegółowe: Wypracować użyteczne miary jakości rządzenia pozwalające porównywać: jakość rządzenia na różnych poziomach (od szczebla gminy przez powiat i województwo) jakość rządzenia w różnych jego aspektach (oświata, służba zdrowia, bezpieczeństwo). Wspólną cechą obu przedsięwzięć było świadome ograniczenie zakresu badania do poziomu lokalnego: aktywności obywatelskiej na szczeblu lokalnym, w pobliżu miejsca zamieszkania. lokalnego poziomu rządzenia (władzy, usług publicznych) Sondaż ludności Polski

85 Schemat pomiarowy Katalizatory/Bariery Orientacje partycypacyjne
Proces przebiega zawsze w jakimś lokalnym środowisku Katalizatory/Bariery Orientacje partycypacyjne Potencjał partycypacyjny Kapitały Zachowania „obywatelskie” ekonomiczny Chęć działania w organizacjach pozarządowych kulturowy społeczny „ładowanie” aktywność Zainteresowanie sprawami lokalnymi Wiedza Potrzeba współdecydowania o sprawach lokalnych Wartości/Normy ŚRODOWISKO: okolica, w której mieszkam

86 Koncept operacjonalizacja Procedura Analiza danych
Zasoby kapitałów społecznych Generator zasobów Generator pozycji Skalogram Mokkena Skalogram Rascha Świadomość prawna Test kompetencyjny Pilotaż testu – selekcja pozycji Model pomiarowy 3PL Potencjał partycypacyjny jednostki Katalizatory: zasoby kapitałów Zachowania partycypacyjne Moderatory środowiskowe Model pomiarowy SEM-PLS Jakość rządzenia Indeks satysfakcji użytkownika usługi publicznej (MJR)

87 Pomiar kapitału społecznego w ujęciu sieciowym
kapitał społeczny to ”zbiór zasobów posiadanych przez członków siecispołecznych, które (zasoby) mogą stać się dostępne dla jednostek jako rezultat historii powiązań w obrębie sieci” Ilość oraz rodzaj kapitału społecznego zależy od tego: kogo znamy jak dobrze go znamy co może osoba z którą utrzymujemy kontakt danego rodzaju. Kapitał społeczny jest więc zasobem jednostki a nie zbiorowości W tej definicji kapitału społecznego rezygnuje się z uwzględniania pojęć determinowanych kulturowo czyli norm oraz zaufania. Ma charakter neutralny Występuje jako zmienna wyjaśniana

88 Technika pomiaru kapitału społecznego: „generatory”
Generator Pozycji – jest listą zawodów (pozycji zawodowych) o zróżnicowanym statusie i prestiżu. Respondent jest proszony o odpowiedź na pytanie, czy zna osobiście (i jak dobrze) osoby odpowiadające pozycjom wymienionym na liście. Liczba pozycji, dla których odpowiedź respondenta brzmi „TAK” jest wskaźnikiem poziomu jego kapitału społecznego. Generator Zasobów – jest listą typowych sytuacji życiowych, w których jednostka potrzebuje pomocy innych osób. Respondent proszony jest o odpowiedź na pytanie, czy ma w swoim otoczeniu taką osobę, która w danej sytuacji mogłby mu pomóc a jeśli tak, to kim jest ta osoba. Liczba sytuacji, w których respondent może liczyć na pomoc innych osóbb jest wskaźnikiem poziomu jego kapitału społecznego.

89 Czy zna Pan(i) osobiście kogoś, kto jest
GENERATOR POZYCJI Czy zna Pan(i) osobiście kogoś, kto jest Jeśli TAK, to czy jest to ktoś z rodziny, przyjaciel, znajomy? 4. Ja sam(a) jestem 1. Rodzina 2. Przyjaciel 3. Znajomy 1 Radnym 1 Tak 2 Nie 2 Urzędnikiem Gminy 3 Pracownikiem naukowym wyższej uczelni – profesorem, doktorem 4 Dziennikarzem 5 Lekarzem 6 Pielęgniarką, innym pracownikiem służby zdrowia 7 Przedsiębiorcą, właścicielem firmy

90 GENERATOR ZASOBÓW Czy zna Pan(i) osobiście kogoś, kto mógłby Panu(i) pomóc w następujących kwestiach Jeśli TAK, to czy jest to ktoś z rodziny, przyjaciel, znajomy? 4. Sam(a) bym sobie z tym poradził(a) 1. Rodzina 2. Przyjaciel 3. Znajomy 1 Dokonać w domu drobnej naprawy (wymienić gniazdko, przepchać zlew) 1 Tak 2 Nie 2 Zrobić zakupy, gdy Pan(i) i inni domownicy są chorzy 3 Znaleźć wakacyjną pracę dla Pana(i) dziecka 4 Znaleźć dla Pana(i) pracę za granicą 5 Znaleźć dla Pana(i) stałą pracę 6 Pożyczyć Panu(i) znaczną sumę pieniędzy (więcej niż 5000 zł) 7 Wypełnić dla Pana(i) PIT (zeznanie podatkowe)

91 Skalowanie poziomu kapitału społecznego
Modele skalowania kumulatywnego (IRT) Skalogram Mokkena dla danych binarnych Skalogram Mokkena dla danych politomicznych Skalogram Rascha Selekcja wskaźników – zasada podwójnej monoteiczności Ocena stopnia skalowalności – Współczynnik skalowalności H Loevingera. , gdzie licznik ułamka oznacza kowariancję zaobserwowaną w rozkładzie empirycznym, zaś mianownik jest graniczną wartością tej kowariancji

92 FILARY MONITORA: państwo-usługa-klient-jakość
państwo to: usługi świadczone obywatelom za pieniądze podatników państwo to usługi lokalne: gminna przychodnia, szkoła, posterunek policji, urząd gminy, … obywatel to: użytkownik państwa klient - – petent - interesariusz Jakość państwa to: satysfakcja z jakości lokalnych usług publicznych

93 Metodologia: założenia i problemy
Jakość usługi mierzona jest na podstawie pomiaru satysfakcji tylko tych osób, które faktycznie z niej korzystały Satysfakcja z usługi jest zmienną ukrytą, której wartość średnią w populacji użytkowników należy oszacować Problem: reprezentatywność próby użytkowników Problem: strukturalny model pomiarowy satysfakcji Dobór póby SEM/PLS

94 Założenia modelu poniarowego satysfakcji z usług publicznych
poziom satysfakcji oczekiwania wobec danej usługi publicznej zachowania i deklaracje dotyczące przyszłości: generalizacja dyspozycja - skargi na jakość - zaufanie - rekomendacje doświadczenie w korzystaniu z usługi

95 Wyzwania metodologiczne
Jak dobrać próbę aby uzyskać reprezentatywne próby użytkowników jak największej liczby usług publicznych Jakie usługi można zbadać w sondażu Jak alokować próbę aby móc porównywać jakość koszyka usług na poziomie wojwództw Wyzwania metodologiczne Jak realizować badanie aby zminimalizować efekt respondenta Jak zrealizować badanie aby zminimalizować efekt ankietera Jak uzyskać wysoką jakość danych

96 Władza lokalna dostawca usług publicznych
Sondaż duży i złożony Kwestionariusze „Obywatelski” MJR Władza lokalna dostawca usług publicznych N Próby Polska 4x n=2500 Biłgoraj n=1000 Gołdap n=1000 Słupsk n=1000 Poznań n=1000 Administracja WA Policja WP Edukacja WE Zdrowie WZ NGO N Usługi publiczne: S1 S2 …. S12 Percepcja użytkowników usług publicznych Percepcja otoczenia

97 Przykład złożonego badania sondażowego - próba
Liczebności próby (liczba wiązek) zostały wybrane po: Analizie oczekiwanego response rate dla warstwy. Analizie precyzyjnych danych dla każdej gminy (baza DEMOGRAF) Efektywny dobór wiązek - ankieter był w stanie odwiedzić wszystkie adresy z wiązki w ciągu jednego dnia (rozmiary wiązek różne dla różnych warstw) Analiza opierała się na rzeczywistych danych z badań sondażowych prowadzonych w próbach dobieranych w porównywalny sposób (PBC, ESS). Algorytm Marka Stycznia zapewniający kompletną kontrolę  nad prawdopodobieństwami doboru jednostek do próby przy losowaniu z operatu PESEL „Jakość próby” była kluczowa dla wyboru Wykonawcy badania - nowatorska funkcja punktująca za szerokość przedziału ufności (80%) i tylko w niewielkim stopniu (20%) za cenę oferty.

98 Przykład złożonego schematu doboru próby w projekcie norweskim
Próba docelowa (netto) N = 9000 I II III IV DOLNOŚLĄSKIE 141 KUJAWSKO-POMORSKIE LUBELSKIE LUBUSKIE ŁÓDZKIE MAŁOPOLSKIE MAZOWIECKIE OPOLSKIE PODKARPACKIE PODLASKIE POMORSKIE ŚLĄSKIE ŚWIĘTOKRZYSKIE WARMIŃSKO-MAZURSKIE WIELKOPOLSKIE ZACHODNIO-POMORSKIE Alokacja wiązek gminnych I II III IV DOLNOŚLĄSKIE 16 17 KUJAWSKO-POMORSKIE LUBELSKIE LUBUSKIE ŁÓDZKIE MAŁOPOLSKIE MAZOWIECKIE OPOLSKIE PODKARPACKIE PODLASKIE POMORSKIE ŚLĄSKIE ŚWIĘTOKRZYSKIE WARMIŃSKO-MAZURSKIE WIELKOPOLSKIE ZACHODNIO-POMORSKIE Opis warstw: I – gmina wiejska II – miasto < 20 tys. III – miasto < 100 tys. IV – miasto > 100 tys. warstwa wies m. pon 20 m m Zakładany response rate 62% 51% 43% 35% zakładany rozmiar wiązki 7 8 9 10 liczba wiązek w 1 gminie 3 4 5 liczba losowanych gmin 256 272 Imienna, adresowa próba PESEL Losowane pojedyncze osoby z wylosowanych miejscowości Znane personalia respondenta możliwa kontrola realizacji badania

99 "Bbs„ Biuro Badań Społecznych Barbara Danecka
Przykład złożonego badania sondażowego etap badanie Parametry wykonawca Pilotaż Screening usług publicznych Próba adresowa imienna (PESEL) n=8000 (netto) Pilotaż jakościowy 30 wywiadów z poglądem i rejestracją Test skryptu, kart, instrukcji ankietera Pilotaż statystyczny Próba losowo-kwotowa z badania screeningowego, selekcja wskaźników n=1000, czas trwania: 21 dni Fieldwork Badanie główne Próba losowa adresowa imienna (PESEL) n=13000 (netto), wywiad CAPI, czas trwania: 90 dni Kontrola terenowa 1000 adresów kontrolowanych przez firmę zewnętrzną; wywiad kontrolny F2F - PAPI "Bbs„ Biuro Badań Społecznych Barbara Danecka

100 Technologia Narzędzie Efekt CAPI SERWERY
Technologie informatyczne w realizacji dużych i złożonych badań sondażowych Technologia Narzędzie Efekt CAPI Skrypty sterujące przebiegiem wywiadu Eliminacja efektu ankieterskiego Randomizacja kolejności pytań dla każdego respondenta Minimalizacja efektu pierwszeństwa, kolejności Ekran + karty + żetony Skrócenie czasu wywiadu Rejestracja przebiegu wywiadu w czasie rzeczywistym Możliwość kontroli ankieterów, detekcja anomalii SERWERY Platforma O3 Spaces Wspomaganie pracy grupowej Serwis internetowy administracji sieci ankieterskiej i kontroli terenowej ankieterów Stały monitoring fazy terenowej, szybsza komunikacja z Wykonawcą Portal „Wiem jak jest” Bieżące, stale uaktualniane informacje na temat projektu

101 Duże między-narodowe badania sondażowe
GSS – ISSP – PGSS ESS WVS PISA EuroBarometer

102 Duże badania sondażowe w Polsce
PGSS/ISSP, ESS, EVS, PISA, Diagnoza Społeczna Badanie prezydencko-premierskie CBOS 2007 Badania GUS Ośrodki kompetencji sondażowej (oprócz IS UW) IFiS PAN: Sztabińscy, Sawiński, Słomczyński, Mach, Domański GUS-Łódź ISP - Markowski (?) SWPS – Wasilewski (?) Polskie firmy badawcze: Staff Sieć Próby Technologia Ceny Jakość

103 Źródła wiedzy i kompetencji
Książki Rubin, Donald B., Groves, Robert M., Rässler, Susanne, Särndal, Carl-Erik, Lundström, Sixten, Schafer Joseph L., Kish Leslie, Lynn Peter, Snijders Tom, D’Orazio Marcello, Jan de Leeuw Pisma POLSKA Wiadomości Statystyczne Statistics in Transition ASK WebSources: FCSM Statistics Canada JOS Instytucje EUROSTAT GESIS –ZUMA

104

105

106


Pobierz ppt "Henryk Banaszak Warsztat 2013"

Podobne prezentacje


Reklamy Google