Twarze sondażu Twarze sondażu ADI 2014 Henryk Banaszak Zakład Statystyki, Demografii i Socjologii Matematycznej

Czym jest sondaż: pytanie Pytanie: jaka jest frakcja (odsetek, procent, proporcja)zielonych kul w tym pudle? odpowiedź Pudło z kulkami dwóch kolorów, czerwonym i zielonym. Kul jest bardzo dużo. Nie jesteśmy w stanie ustalić koloru wszystkich kul. Chcemy wiedzieć jaką część stanowią kule zielone. Możemy ustalić kolor pewnej liczby kul wyjętych z pojemnika. Ustalenie koloru każdej kuli wyjętej z pojemnika kosztuje

Czym jest sondaż: wymagania wobec odpowiedzi Pytanie Jaka jest frakcja (odsetek, procent, proporcja)zielonych kul w pojemniku? Trafna - odpowiedź ma być bliska stanowi rzeczy Wiarygodna – wykorzystam w pełni wszystkie informacje, za które zapłaciłem, nic istotnego dla jakości odpowiedzi nie zostanie pominięte ani zniekształceone Precyzyjna - z jak największą dokładnością, z jak najlepszym przybliżeniem Tania – jak najmniejszym kosztem.

Czym jest sondaż: składniki problemu i rozwiązania Przedmiot Zakres Kolor kul Cel odsetek kul zielonych Rozwiązanie Metoda Wybiorę z pudła n kul Wybierał będę losowo ze zwracaniem Policzę, ile wśród wybranych jest kul zielonych – k Wyznaczę odsetek zielonych wśród wybranych p=k/n Na podstawie p udzielę odpowiedzi Wynik Odpowiedź jest przedziałem [p – e ; p + e]

Czym jest sondaż: parametry rozwiązania Trafność Wiarygodność poziom ufności wniosku Precyzyja Koszt Koszt = n* 1 color cost

Czym jest sondaż: proporcja kul a „sondaż prawdziwy” Problem proporcji zielonych w pojemniku W badaniu sondażowe 1 Pudło z kulami to Populacja 2 Nieznany odsetek zielonych kul w pudle Parametr populacji – frakcja zielonych 3 Liczba kul wybranych z populacji - n Liczebność próby pobranej z populacji - n 4 Sposób wybierania kul z pudła Schemat doboru próby (losowania) 5 Wybranie kul Realizacja badania sondażówego 6 Ustalenie koloru kul wybranych Ustalenie wartości zmiennej kolor dla każdej wybranej kuli - pomiar 7 Wyznaczenie proporcji zielonych wśród wybranych Analiza danych w próbie 8 p=k/n – proporcja zielonych Wynik w próbie – statystyka z próby 9 Odpowiedź na pytanie Wniosek na temat populacji 10 Sposob sformułowania odpowiedzi (szerokość przedziału) Reguła wnioskowania na temat wartości parametru poulacji na podstawie próby

Czym jest sondaż: struktura logiczna 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 dokładność Populacja Schemat doboru próby Metoda wnioskowania

Sondaż jest badaniem statystycznym Przedmiot populacja Zakres zestaw zmiennych służących do wyznaczenia odpowiedzi na pytania Cel zestaw pytań na temat rozkładów zmiennych w populacji 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

Dlaczego sondaż jest zawsze badaniem statystycznym Przedmiotem każdego badania sondażowego jest zbiorowość, agregat statystyczny nazywany populacją, Sondaż jest diagnozą stanu populacji przeprowadzaną w warunkach niepewności i ryzyka popełnienia błędu Stan populacji (diagnoza) jest sformułowany stosownie do jej specyfiki - w języku statystyki opisowej O stanie populacji wnioskuje się na podstawie wyników uzyskanych w rezultacie badania próby wylosowanej z populacji Wynik uzyskany w wylosowanej i zbadanej próbie jest zdarzeniem losowym Sposób losowania próby opisany jest w języku rachunku prawdopodobieństwa Reguły wnioskowania na temat populacji na podstawie wyniku w próbie są wywiedzione z twierdzeń statytyki inferencyjnej Reguły wnioskowania na temat populacji na podstawie stanu próby wynikają ze sposobu jej losowania i wymagań odnośnie poziomu wiarygodności i precyzji wniosków

Kostrukcja reguł wnioskowania statystycznego Dokładnośc oszacowania Pytanie Parametr rozkładu zmiennej X w populacji Próba Schemat losowania póby Prawdopodobieństwa inkluzji Wynik Statystyka z próby Dobry estymator parametru Rozkład estymatora Liczebność póby Założenia Dokładnośc oszacowania Reguła wnioskowania Poziom ufności

Kostrukcja reguł wnioskowania statystycznego: przykład ogólny Pytanie Parametr rozkładu zmiennej X w populacji Losowanie ze zwracaniem Próba Schemat losowania póby Każdy obiekt ma identyczne p-two inkluzji równe P(wh  S) = n/N Estymator Statystyka z próby Rozkład estymatora Centralne twierdzenie graniczne Założenia Poziom ufności  = 0,95 Dokładność oszacowania Reguła wnioskowania

Kostrukcja reguł wnioskowania: dwa przykłady empiryczne Dane Z populacji uprawnionych do głosowania wylosowano ze zwracaniem 400 osób. Wśród wylosowanych 250 zamierza wziąć udział w wyborach. Na poziomie ufności 0,95 oszacuj populacyjną proporcję deklaracji udziału w wyborach Wniosek Przykład 2 Dane Z populacji uprawnionych do głosowania wylosowano ze zwracaniem 400 osób. Wśród wylosowanych 15 zamierza głosować na kandydata X. Na poziomie ufności 0,95 oszacuj populacyjną proporcję deklaracji głosowania na kandydata X TO niemożliwe !!!!! Wniosek

Kostrukcja reguł wnioskowania nie zawsze jest prosta: W populacji Ω składającej się z N elementów jest nieznana liczba M elementów wyrożnionych. Oszacuj przedziałowo populacyjną frakcję  = M/N na podstawie wyniku w n-elementowej próbie pobranej z populacji Ω . Problem Przedział ufności dla frakcji Rozwiązanie ogólne Reguła wnioskowania Rozwiązanie przykładu 2

Specyfika badania statystycznego Wynik badania jest parametrem statystycznym Wynik badania jest obciążony niepewnością Rozmiar niepewności 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

Sondaż jest usługą Usługą jest udzielenie odpowiedzi na pytania na temat populacji Usługę można wykonać dobrze lub źle Statystyczna ocena jakości usługi sondażowej sprowadza się do oceny dokładności populacyjnych oszacowań Niestatystyczne kryteria oceny jakości sondażu to trafność czas koszt

Dobrze odpowiada na pytania Sondaż dobrej jakości Dobrze odpowiada na pytania Które zamawiający postawił Odpowiada trafnie Odpowiada wiarygodnie Odpowiada precyzyjnie Kosztuje nie więcej niż to niezbędne Trwa nie dłużej niż to niezbędne

Niezbędne elementy dobrego sondażu Dobry kwestionariusz: dobra teoria, trafne wskaźniki, dobre modele pomiarowe Umiejętność konstruowania dobrego kwestionariusza w pełni załuguje na określenie „sztuka” . Trzeba się jej nauczyć, najlepiej na cudzych błędach. Kopalnia inspiracji są kwestionariusze stosowane w badaniach rynkowych Dobra próba losowa – optymalne warstwowanie, optymalna alokacja, małe wariancje estymatorów Warto czasmi wydać nieco środków na zdobycie takich informacji o pulacji, które umożliwią zoptymalizować stosunek dokładności oszacowań do liczebności próby oraz kosztów terenowej realizacji badania. Zważywszy, że znaczną część kosztow realizacji stanowią dojazdy ankietera do osoby wylosowanej, warto uwzględnić ten czynnik na etapie alokacji próby. Dobra realizacja – wysoki response rate, równomierność realizacji, niski poziom braków danych, niska stopa oszustw, brak efektu ankieterskiego Szansę na szybką i wysokiej jakości realizację dają tylko agencje badawcze z wystaczającymi zasobami o doświadczeniem. Niestety, agencje takie są duże i mają nad nad klientem przewagę kompetencji, co utrudnia wyegzekwowanie niezbędnej jakości realizacji. Dobra analiza danych - adekwatny opis statystyczny i poprawne wnioskowanie Analizę danych powinna wykonywac ta sama osoba, która brała udział w projektowaniu badania. Musi mieć statystyczne i metodologiczne kwalifikacje.

Kwestionariusz Kwestionariusz – Próba – Realizacja – Analiza danych

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)

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

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

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

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”

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

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

Próba Kwestionariusz – Próba – Realizacja – Analiza danych

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, nazywaną prawdopodobieństwem inkluzji a w konsekwencji: 3) dla każdego składu próby (rezultatu losowania) daje się obliczyć prawdopodobieństwo jego uzyskania, a w konsekwencji: a) umożliwia obliczenie dokładności oszacowań parametrów populacji przy założonym schemacie doboru próby i założonym poziomie ufności wniosku, b) pozwala na ustalenie minimalnej liczebności próby niezbędnej do osiągnięcia założonej dokładności oszacowań błędu przy założonym schemacie doboru próby i założonym poziomie ufności wniosku

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

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

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

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

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

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

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

Dokładność oszacowań frakcji populacyjnej a wielkość losowej próby

Wnioskowanie: dwa przykłady empiryczne Dane Z populacji uprawnionych do głosowania wylosowano ze zwracaniem 400 osób. Wśród wylosowanych 250 zamierza wziąć udział w wyborach. Na poziomie ufności 0,95 oszacuj populacyjną proporcję deklaracji udziału w wyborach Wniosek Przykład 2 Dane Z populacji uprawnionych do głosowania wylosowano ze zwracaniem 400 osób. Wśród wylosowanych 15 zamierza głosować na kandydata X. Na poziomie ufności 0,95 oszacuj populacyjną proporcję deklaracji głosowania na kandydata X TO niemożliwe !!!!! Wniosek

Kostrukcja reguł wnioskowania nie zawsze jest prosta: W populacji Ω składającej się z N elementów jest nieznana liczba M elementów wyrożnionych. Oszacuj przedziałowo populacyjną frakcję  = M/N na podstawie wyniku w n-elementowej próbie pobranej z populacji Ω . Problem Przedział ufności dla frakcji Rozwiązanie ogólne Reguła wnioskowania Rozwiązanie przykładu 2

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

Wnioskowanie przy złożonych schematacch doboru próby Complex sampling • Stratified sampling: fix the number sampled from a population stratum • Cluster sampling: recruit participants in clusters, eg, to reduce travel time between interviews • Unequal probability: oversample important subgroups, eg. high-poverty neighbourhoods Individuals are sampled with known probabilities i Estimation of population total CLUSTERS; SAMPLING ERROR; DESIGN EFFECT; STANDARD ERROR; INTRACLASS CORRELATION; SAMPLE DESIGN; SAMPLING VARIANCE; SUBCLASS ANALYSIS; STRATIFICATION

Kish, Frankel (1974)

Sarndal (1992)

Losowy dobór prób – problemy praktyczne Jakość operatu a dokładność oszacowań Schemat doboru: koszt i czas realizacji dokładność oszacowań Kwestionariusz – Próba – Realizacja – Analiza danych

Operaty (Sarndal, 1992)

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

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

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. 1000- osobową próbę rozrzuconą między 1000 miejscowości. Dobór prosty 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

Schematy doboru prób Kwestionariusz – Próba – Realizacja – Analiza danych

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 jaka 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

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

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

Kiedy warto stosować próby kwotowe Warto stosować 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

Sondaże złe oraz nie-sondaże 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

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

Realizacja

Czy ankieterzy oszukują Efekt ankieterski. Dlaczego CAPI. Kwestionariusz – Próba – Realizacja – Analiza danych Realizacja Sposoby komunikacji z respondentem i ich własności: PAPI – CAPI – CATI - WAPI Czy ankieterzy oszukują Efekt ankieterski. Dlaczego CAPI. Lekarstwo na złą realizację - terenowa kontrola jakości pracy ankieterów Kwestionariusz – Próba – Realizacja – Analiza danych

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

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

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

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

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

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

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%

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

Dokładność oszacowań w praktyce i piśmiennictwie Groves (2004; str vi) : Weisberg (2005, str 2) Błąd pokrycia (coverage error) Błąd wynikający ze schematu losowania (sampling error) Błąd powodowany przez niepełną realizację próby (nonresponse error) Błąd pomiaru (measurement error) spowodowany przez: „efekt ankieterski” ( effects of interviewers on the respondents’ answers); „efekt respondenta” (error due to respondents) pojawiający się, gdy respondent nie jest w stanie odpowiedzieć na pytanie (na przykład gdy nie rozumie jego treści) „efekt złych pytań kwestionariuszowych” (error due to the weaknesses in the wording of survey questionnaires) „efekt metody kontaktu z respondentem” (error due to effects of the mode of data collection) Pojęcie „błędu” jest niepotrzebne wystarczy pojęcie „dokładności oszacowania”

„Survey error” (Sarndal, 1992) Undercoverage Non-sampling errors Non-response

Dokładność sondażowych oszacowań 1. wady operatu 2. złożoność schematu doboru próby 3. poziom non-response 4. stopa braków danych 5. poziom fałszerstw ankieterskich Dokładność oszacowań

Kostrukcja reguł wnioskowania nie zawsze jest prosta Populacja Field-work Próba zbadana 1600 3 Non- response (400) Próba wylosowana 4 No answer (30%) 2000 5 False responses (5%) Operat 1 Nierówne p-twa inkluzji Dziurawa, stara 2 lista obiektów populacji Źródła obniżania precyzji oszacowań Złożony wielstopniowy Schemat doboru próby Dlatego niedokładność oszacowań jest prawie zawsze większa niż +/-

Społeczny kontekst badań sondażowych

Społeczny kontekst badań sondażowych O czym sa sondaże Kto sondaże zamawia Po co zamawiane są sondaże Sondaż – przedsięwzięcie multi-dyscyplinarne Sondaż – niezbędne kwalifikacje zespołu Zamawianie sondażu – podział kompetencji Zamawianie sondażu – gra z wykonawcą

O czym są sondaże Prosta proporcja - polityków popularności wzrosty u spadki..... Budżet czasu - kiedy studenci Warszawy zasypiają Postawa wobec obcych Czym kierują się konsumenci kupując produkt - conjoint ocena jakości rządzenia Zasięg pisma, segmentacja klientów: kim oni są i czym się różnią od siebie satysfakcja konsumenta Badania cenowe - ile klienci zechcą zapłacić. Dobra matura - dylematy kalibracji pytań testowych

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

Media Rynek Nauka Administracja Po co zamawia (teoria) 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

Nauka Media Administracja Rynek Za co płaci (praktyka) 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 ?

Sondaż: przedsięwzięcie multi-dyscyplinarne

Kogo potrzebujemy w sondażu? Teoria zjawiska Teoria pomiaru Dobór próby Fieldwork Ankieterzy Teoria skalowania Analiza danych Dobór wskaźników Statystyczne odpowiedzi na statystyczne pytania Precyzja oszacowań Estymacja „KWESTIONARIUSZ” Interpretacja wyników analiz w teorii zjawiska Pytania statystyczne kompetencje statystyczne Zmienne statystyczne Sondaż – przedsięwzięcie multi-dyscyplinarne

Zamawianie sondażu – podział kompetencji

Odpowiedzialność wykonawcy Odpowiedzialność zamawiającego Statystyczna wersja pytań zamawiającego Odpowiedzialność wykonawcy Projekt Metoda wywiadu Próba Operat Liczebność Fieldwork Schemat doboru próby Dokumentacja realizacji Przyczyny non-responsów Kwestionariusz Wstępny projekt Błędy operatu Pilotaże Jakość realizacji badania Czas trwania wywiadu Przetarg Kryteria wyboru oferty SIWZ + Umowa Realizacja Monitoring jakości Response-rate Missing values False records Kontrola ankieterów Analiza danych Dokumentacja badania Pominięte pytanie Odmowa odpowiedzi Raport Odpowiedzialność zamawiającego

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 dokładności 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

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

Budżet badania sondażowego: co kosztuje

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

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

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

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

Zamawianie sondażu – gra zamawiającego z wykonawcą Asymetria kompetencji: wykonawca – specjalista od sondaży; zamawiający – laik, który nie zawsze wie, po co zamawia sondaż Strategia zamawiającego – ufam, że usługa zostanie dobrze wykonana, choć nie wiem za co płacę Strategia wykonawcy – maksymalizuję zyski wykorzystując popularne błędne przeświadczenia na temat sondażu

Popularne błędne przeświadczenia na temat sondażu - 1 Sondaż polega na zebraniu odpowiedzi na te same pytania od wielu osób: im więcej osób zapytamy tym sondaż jest lepszy Sondaże są mniej lub bardziej naukowe Naukowe sondaże nie są potrzebne poza nauką Parametry populacji można oszacować bez losowania próby Jakość realizacji można poprawić za pomocą „prób rezerwowych” Im większa populacja tym większa musi być próba Jakość realizacji można porawić za pomocą wag porealizacyjnych Random route jest skutecznym antidotum na non-response

Popularne błędne przeświadczenia na temat sondażu - 2 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, są mimo to wiarygodnym źródłem informacji o populacji: 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

Przykład udanej perswazji agencji badawczej - 1

Przykład udanej perswazji agencji badawczej - 2 Rynek usług telekomunikacyjnych w Polsce Badanie klientów indywidualnych 2012, strona 8

Zwodniczy termin „reprezentatywność próby zrealizowanej” Perswazyjna funkcja określenia „próba reprezentatywna” Wady potocznego rozumienia terminu „próba reprezentatywna” Ograniczony zakres zmiennych Stopniowalność Abstrakcja od problemu dokładności oszacowań „Reprezentatywność” jako własność procedury doboru próby

Odchylenia od proporcji w populacji Pułapki potocznego rozumienia terminu „próba reprezentatywna” Reprezentatywność próby jest zawsze ograniczona do standardowych zmiennych stratyfikacyjnych Stopniowalność   Proporcje w próbie Odchylenia od proporcji w populacji Populacja N=30970613 Próba n=100 Próba n=400 Próba n=1600 Próba n=10000 Próba n=100 Próba n=400 Próba n=1600 Próba n=10000 1 Miasto 61,4% 67,0% 65,3% 62,3% 61,3% 5,6% -1,8% -2,9% -1,0% 2 Wieś 38,6% 33,0% 34,8% 37,7% 38,7% -5,6% 1,8% 2,9% 1,0% Abstrakcja od problemu dokładności oszacowań

„Reprezentatywność” jako własność procedury doboru próby Próba „reprezentatywna” oznacza tu tyle co „wylosowana”, „losowana”. „Taka, że na podstawie schematu jej doboru można wyliczyć, przy założonym poziomie ufności, dokładność populacyjnych oszacowań” Lissowski (2006, str. 3) proponuje: „Próba reprezentatywna dla populacji U ze względu na parametr T jest to próba dobrana w sposób, który gwarantuje z określonym prawdopodobieństwem otrzymanie oszacowań wartości tego parametru, które spełniają wymagania w kwestii dokładności”. Propozycja ta ma podobne usterki, co termin potocznie interpretowany: niepotrzebną relatywizację do jednej zmiennej i niekonkretność. Ta sama próba może bowiem spełniać pewne wymagania co do dokładności oszacowań parametru pewnej zmiennej a jednocześnie nie spełniać ich w odniesieniu do innej, co daje się powiedzieć po prostu, że dla obu zmiennych dokładność oszacowania jest różna co wiadomo stąd, iż dla obu zmiennych dokładność tę przy założonym poziomie ufności daje się wyliczyć

Przetarg

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

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

Obowiązki dokumentacyjne wykonawcy sondażu według AAPOR Informacje, które wykonawca sondażu powinien przekazać zamawiającemu nr Czego dotyczą Co zawierają symbol 1 Populacja [!] Dokładna definicja populacji 1.1 Jednostki niebadalne 1.2 [!] Zasięg terytorialny badania 1.3 2 Operat Dokładny opis operatu 2.1 Wielkość błędu pokrycia (stopa błędów operatu) 2.2 4 Dobór próby [!] Dokładny opis schematu losowania 4.1 [!] Liczebność próby wylosowanej 4.2 Alokacja między warstwy 4.3 Wiązkowanie 4.4 Stosowane nad-reprezentacje 4.5 Wagi: sposób wyznaczania 4.6 5 Realizacja [!] Metoda kontaktu z respondentem 5.1 [!] Czas zbierania danych 5.2 Instrukcja ankietera 5.3 Karty odpowiedzi i inne materiały pomocnicze 5.4 Stosowane nagrody dla respondentów 5.5 (*) Wyniki zewnętrznej kontroli ankieterów 5.6 [!] Response rate 5.7 6 Dokładność oszacowań Dokładność oszacowań dla zmiennych 6.1 (*) Sposób wyznaczania dokładności oszacowań 6.2 AAPOR Code of Professional Ethics and Practices. (Revised May 2010)

Sondaż według podręcznika

Survey planning: Sarndal, 1992

Statistics and survey sampling: Sarndal, 1992

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

Sondaż w 12 krokach: co trzeba mieć i znać Zestaw pytań, na które mają odpowiedzieć Zleceniodawcy wyniki sondażu Definicja populacji, której odpowiedzi dotyczą, dostępność danych populacyjnych Operatu – dostęność i jakość Schemat posób doboru próby, jej wielkość oraz uzasadnienie Metda kontaktu z obiektami wylosowanymi Kwestionariusz, czasu trwania wywiadu, stopień złożoności wywiadu Tety (pilotaże) kwestionariusza 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

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

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

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 )

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 (5-10-15-30) Nagrywanie dźwięku i obrazu Przebieg testu: 5 wywiadów - korekta – 5 wywiadów – korekta etc. Efekt: kwestionariusz zrozumiały i trafny Pilotaż jakościowy

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

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%]

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) Projektowana dokładność oszacowań Raport z przebiegu realizacji (rozkłady przyczyn non-responsów) Zastosowane procedury imputacji oraz łączenia danych zewnętrznych Uzyskana dokładność oszacowań po uwzględnieniu operatu i realizacji Badanie sondażowe według podręcznika: Etap 7 - Raport

Przykłady: zamówienia przetargowe UW, 2011 Gdańsk 2013-11-06 PFRON 2013 Przykład: badanie norweskie

Poprawne zamówienie - przykład Uniwersytet Warszawski, 2011 (fragment ogłoszenia przetargowego) § 3 Opis przedmiotu zamówienia (…) 2. (…) 13000 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

Patologie przetargów – przykłady 2013 Gdańsk 2013-11-06  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

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

Badanie sondażowe według podręcznika Projekt „norweski”

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

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

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

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)

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

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.

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

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)

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

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

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

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

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

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

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.

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. 20 - 99 m. 100 + 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

"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

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

Gdzie się uczyć sondażu – także na błędach Badania międzynarodowe Badania krajowe

Duże między-narodowe badania sondażowe GSS – ISSP – PGSS ESS PISA GATS - WHO

Duże badania sondażowe w Polsce PGSS/ISSP, ESS, PISA, Diagnoza Społeczna Badanie prezydencko-premierskie CBOS 2007 Badania GUS: SILC, BAEL, BGD, Z-12, moduły tematyczne BGD Ośrodki kompetencji sondażowej (oprócz IS UW) IFiS PAN: Sztabińscy, Sawiński, Słomczyński, Mach, Domański GUS-Łódź Polskie firmy badawcze: Staff Sieć Próby Technologia Ceny Jakość

Źródła wiedzy i kompetencji Pisma POLSKA Wiadomości Statystyczne Statistics in Transition ASK Web Sources: FCSM Statistics Canada JOS Survey Practice The AAPOR e-journal Instytucje FCSM Statistics Sweeden EUROSTAT GESIS –ZUMA