«ΜΑΡΚΕΤΙΝΓΚ ΑΓΡΟΤΙΚΩΝ ΠΡΟΙΟΝΤΩΝ ΚΑΙ ΤΡΟΦΙΜΩΝ» «ΜΑΡΚΕΤΙΝΓΚ ΑΓΡΟΤΙΚΩΝ ΠΡΟΙΟΝΤΩΝ ΚΑΙ ΤΡΟΦΙΜΩΝ» ΔΙΔΑΣΚΩΝ: ΚΑΘΗΓΗΤΗΣ κ. ΑΝΤΩΝΙΟΣ ΡΕΖΙΤΗΣ ΔΙΑΦΑΝΕΙΕΣ “ΜΕΤΡΗΣΗ ΤΗΣ ΤΑΣΗΣ ΤΩΝ ΚΑΤΑΝΑΛΩΤΩΝ” ΚΕΦΑΛΑΙΟ 10: Η ΔΙΑΔΙΚΑΣΙΑ ΤΗΣ ΔΕΙΓΜΑΤΟΛΗΨΙΑΣ ΒΑΣΙΖΟΜΕΝΕΣ ΣΤΟ ΒΙΒΛΙΟ «ΜΕΘΟΔΟΙ ΕΡΕΥΝΑΣ ΑΓΟΡΑΣ» ΤΟΥ ΚΑΘΗΓΗΤΗ κ. ΒΛΑΣΗ ΣΤΑΘΑΚΟΠΟΥΛΟΥ

Η ΔΙΑΔΙΚΑΣΙΑ ΤΗΣ ΔΕΙΓΜΑΤΟΛΗΨΙΑΣ Αφού ο ερευνητής έχει καθορίσει το πρόβλημα, έχει επιλέξει τον τύπο της έρευνα που θα ακολουθήσει και έχει σχεδιάσει τα μέσα τα οποία θα χρησιμοποιήσει για να συλλέξει τα στοιχεία το επόμενο βήμα είναι η επιλογή των ερωτώμενων. Ο πρώτος τρόπος είναι να ερωτηθούν όλοι οι ερωτώμενοι που κρίνονται ως κατάλληλοι να συμμετέχουν στην έρευνα. Ο τρόπος αυτός αναφέρεται σαν απογραφή του “πληθυσμού”. Στην έρευνα αγοράς είναι συνήθως αδύνατον να συμπληρωθεί ένα ερωτηματολόγιο από όλους τους πιθανούς ερωτώμενους που είναι κατάλληλοι για το σκοπό αυτό. Αντίθετα ο ερευνητής δεν συγκεντρώνει στοιχεία από το σύνολο του “πληθυσμού” αλλά βασίζεται σε ένα δείγμα του “πληθυσμού” για να συγκεντρώσει τις απαραίτητες πληροφορίες. Στην συνέχεια οι πληροφορίες που θα συγκεντρωθούν από το δείγμα χρησιμοποιούνται για να εξαχθούν συμπεράσματα για τον “πληθυσμό”.

Η ΔΙΑΔΙΚΑΣΙΑ ΤΗΣ ΔΕΙΓΜΑΤΟΛΗΨΙΑΣ Αφού ο ερευνητής έχει καθορίσει το πρόβλημα, έχει επιλέξει τον τύπο της έρευνα που θα ακολουθήσει και έχει σχεδιάσει τα μέσα τα οποία θα χρησιμοποιήσει για να συλλέξει τα στοιχεία το επόμενο βήμα είναι η επιλογή των ερωτώμενων. Ο πρώτος τρόπος είναι να ερωτηθούν όλοι οι ερωτώμενοι που κρίνονται ως κατάλληλοι να συμμετέχουν στην έρευνα. Ο τρόπος αυτός αναφέρεται σαν απογραφή του “πληθυσμού”. Στην έρευνα αγοράς είναι συνήθως αδύνατον να συμπληρωθεί ένα ερωτηματολόγιο από όλους τους πιθανούς ερωτώμενους που είναι κατάλληλοι για το σκοπό αυτό. Αντίθετα ο ερευνητής δεν συγκεντρώνει στοιχεία από το σύνολο του “πληθυσμού” αλλά βασίζεται σε ένα δείγμα του “πληθυσμού” για να συγκεντρώσει τις απαραίτητες πληροφορίες. Στην συνέχεια οι πληροφορίες που θα συγκεντρωθούν από το δείγμα χρησιμοποιούνται για να εξαχθούν συμπεράσματα για τον “πληθυσμό”.

10.1. ΛΟΓΟΙ ΧΡΗΣΙΜΟΠΟΙΗΣΗΣ ΔΕΙΓΜΑΤΟΣ Σε μερικές περιπτώσεις είναι πολλές φορές δυνατόν να συγκεντρώσει ο ερευνητής στοιχεία από το σύνολο του “πληθυσμού”. Για παράδειγμα έρευνες βιομηχανικών αγορών όπου συνήθως οι “πληθυσμοί” είναι μικροί ακολουθούν την απογραφική προσέγγιση και συλλέγουν στοιχεία από όλα τα μέλη του “πληθυσμού”. Συνήθως όμως σε έρευνες καταναλωτικών αγαθών είναι πρακτικά αδύνατον να συγκεντρωθούν στοιχεία από όλα τα μέλη του “πληθυσμού”. Οι κυριότεροι λόγοι για αυτό έγκεινται στο κόστος και στο χρόνο που απαιτείται για την συλλογή των στοιχείων καθώς και στην ακρίβεια των συλλεγέντων στοιχείων. 10.1.1. Μικρότερο Κόστος 10.1.2. Λιγότερος Χρόνος

10.1.3. Μεγαλύτερη Ακρίβεια Μια έρευνα που βασίζεται σε όλο τον “πληθυσμό” δεν σημαίνει ότι δεν περιέχει και στατιστικά σφάλματα. Είναι πολύ πιθανό ένας πολύ προσεκτικός σχεδιασμός του δείγματος να μπορεί να μειώσει τα στατιστικά σφάλματα στο δείγματος. Η μείωση μπορεί να επιτευχθεί σε τρία επίπεδα. Μείωση του αριθμού των “άσχημων συνεντεύξεων”, με καλύτερη εποπτεία, Μείωση των λαθών στην καταγραφή και επεξεργασία των απαντήσεων, και Μείωση του ποσοστού άρνησης απάντησης.

10.2. Η ΔΙΑΔΙΚΑΣΙΑ ΤΗΣ ΔΕΙΓΜΑΤΟΛΗΨΙΑΣ

10.2.1. Ορισμός Πληθυσμού Ο πληθυσμός αποτελείται από όλους τους δυνητικούς ερωτώμενους οι οποίοι θεωρούνται κατάλληλοι για να συμμετάσχουν στην έρευνα. Ο πληθυσμός ορίζεται από τέσσερις παραμέτρους: το στοιχείο, τη μονάδα δειγματοληψίας, την έκταση και τον χρόνο. Για παράδειγμα ας υποθέσουμε ότι ένας ερευνητής ενδιαφέρεται να μελετήσει τις τηλεοπτικές συνθήκες των νέων που κατοικούν στα μεγάλα αστικά κέντρα. Στην περίπτωση αυτή ο πληθυσμός μπορεί να οριστεί ως εξής: Στοιχείο: όλοι οι νέοι ηλικίας από 12 έως 18 ετών που κατοικούν στα μεγάλα αστικά κέντρα, Μονάδα Δειγματοληψίας: και διαμένουν σε νοικοκυριά που κατέχουν συσκευή τηλεοράσεως, Εκάστη: στην Αθήνα, τη Θεσσαλονίκη και την Πάτρα, Χρόνος: κατά το χρονικό διάστημα 10.10 μέχρι 30.10.

10.2.2. Προσδιορισμός Πλαισίου Δείγματος Είναι οι κατάλογοι εκείνοι που περιλαμβάνουν όλους τους δυνητικούς ερωτώμενους από όπου θα επιλεγεί το δείγμα. Ο προσδιορισμός του πλαισίου δείγματος απαιτείται μόνον στις περιπτώσεις όπου το δείγμα είναι δείγμα πιθανότητάς. Αντίθετα στις περιπτώσεις όπου το δείγμα είναι μη πιθανότητας δεν απαιτείται η χρήση ενός πλαισίου δείγματος. Παραδείγματα πλαισίων δείγματος αποτελούν ο τηλεφωνικός κατάλογος, χάρτες πόλεων, λίστες υπαλλήλων, ή κατάλογος εμπορικών οδηγών (πχ ICAP). Οι χάρτες πόλεων αποτελούν χρήσιμα πλαίσια δείγματος. Σε μια πόλη ένα δείγμα οικοδομικών τετραγώνων μπορεί να επιλεγεί και στην συνέχεια κάθε νοικοκυριό που ανήκει στο τετράγωνο ή ακόμη και ένα δείγμα των νοικοκυριών αυτών επιλέγεται να συμμετάσχει στην έρευνα.

10.2.3. Καθορισμός Μονάδας Δειγματοληψίας Η μονάδα δειγματοληψίας είναι η βασική μονάδα (πχ. Νοικοκυριό, επιχείρηση, οργανισμός) που περιέχει τα στοιχεία του πληθυσμού από όπου θα ληφθεί το δείγμα. Για παράδειγμα εάν ο ερευνητής επιθυμούσε να είχε ένα δείγμα νέων μέχρι 18 ετών θα μπορούσε να απευθυνθεί κατευθείαν σε αυτούς. Θα μπορούσε όμως πρώτα να επιλέξει ένα δείγμα νοικοκυριών ως μονάδα δειγματοληψίας και στην συνέχεια να απευθυνθεί σε νέους έως 18 ετών σε κάθε νοικοκυριό. Στην πρώτη περίπτωση η μονάδα δειγματοληψίας και το στοιχείο του πληθυσμού είναι το ίδιο, ενώ στην δεύτερη περίπτωση διαφορετικά. Η μονάδα δειγματοληψίας που επιλέγεται εξαρτάται από το πλαίσιο δείγματος. Η ύπαρξη ενός αξιόπιστου πλαισίου δείγματος καθιστά εφικτή την απευθείας επιλογή του δείγματος από το πλαίσιο αυτό, οπότε η μονάδα δειγματοληψίας και το στοιχείο του πληθυσμού είναι ίδια. Αντίθετα, αν δεν υπάρχει αξιόπιστο πλαίσιο δείγματος (πχ. Κατάλογος όλων των στελεχών επιχειρήσεων στην Ελλάδα) τότε μπορεί ο ερευνητής να επιλέξει ως μονάδα δειγματοληψίας επιχειρήσεις ή οργανισμούς και στην συνέχεια από κάθε επιχείρηση ή οργανισμό να επιλέξει τα άτομα εκείνα που κρίνονται κατάλληλα για να συμμετάσχουν στην έρευνα.

10.2.4. Επιλογή Μεθόδου Δειγματοληψίας Η μέθοδος της δειγματοληψίας αναφέρεται στον τρόπο με τον οποίο θα γίνει η επιλογή των στοιχείων του πληθυσμού που θα αποτελούν το δείγμα. Οι μέθοδοι δειγματοληψίας μπορούν να χωριστούν σε δυο μεγάλες κατηγορίες: Δείγματα πιθανότητας και δείγματα μη πιθανότητας. Σε ένα δείγμα πιθανότητας κάθε στοιχείο του πληθυσμού έχει γνωστή και μη μηδενική πιθανότητα να περιληφθεί στο δείγμα. Αντίθετα σε ένα δείγμα μη πιθανότητας δεν υπάρχει τρόπος να υπολογιστεί η πιθανότητα που έχει κάθε στοιχείο του πληθυσμού να συμπεριληφθεί στο δείγμα. Έτσι δεν ξέρουμε εάν το δείγμα είναι αντιπροσωπευτικό του πληθυσμού.

10.2.5. Δείγματα μη Πιθανότητας Όλα τα δείγματα μη πιθανότητας στηρίζονται στην προσωπική κρίση του ερευνητή αντί για κάποιας μορφής μηχανιστικής διαδικασίας για την επιλογή των μελών του δείγματος. Είναι αδύνατον να υπολογιστεί το μέγεθος του στατιστικού σφάλματος και άρα δεν επιτρέπει στον ερευνητή να υπολογίσει το βαθμό της ακρίβειας των αποτελεσμάτων που λαμβάνονται από το δείγμα. Τρία είναι τα δείγματα μη πιθανότητας: Συμβατικό Δείγμα: Η επιλογή των μελών του δείγματος γίνεται με μόνο κριτήριο την ευκολία. Παραδείγματα: 1)Η ζήτηση εθελοντών για να δοκιμάσουν ένα καινούργιο προϊόν. 2) Η επιλογή των 100 πρώτων ανθρώπων στο δρόμο για να συμμετάσχουν στην έρευνα. 3) Τα γκάλοπ που διενεργούν συχνά τηλεοπτικοί ή ραδιοφωνικοί σταθμοί για θέματα που ενδιαφέρουν τους πολίτες. Το πρόβλημα που παρουσιάζουν τα συμβατικά δείγματα είναι ότι είναι αδύνατον να διαπιστωθεί εάν το δείγμα είναι αντιπροσωπευτικό του πληθυσμού. Έτσι τα συμβατικά δείγματα δεν θεωρούνται κατάλληλα για περιγραφικές και αιτιολογικές μελέτες. Αντίθετα χρησιμοποιούνται για εξερευνητικές μελέτες και για τον προέλεγχο ενός ερωτηματολογίου.

Υποκειμενικό Δείγμα: Η επιλογή του δείγματος γίνεται με βάση την χρήση κάποιου ειδικού ότι συγκεκριμένα στοιχεία του πληθυσμού θα είναι καλοί πληροφοριοδότες για τους σκοπούς της έρευνας. Για παράδειγμα, η επιλογή των πόλεων για τη διενέργεια δοκιμαστικών αγορών αποτελεί υποκειμενικό δείγμα. Επίσης το ίδιο συμβαίνει και για τη επιλογή καταστημάτων για την τοποθέτηση νέων προϊόντων όταν αυτά δοκιμάζονται στην αγορά. Υποκειμενικά δείγματα χρησιμοποιούνται ευρύτερα σε έρευνες βιομηχανικών αγορών. Στο βιομηχανικό μάρκετινγκ επιλεγμένες επιχειρήσεις, στελέχη επιχειρήσεων ή μέλη κέντρου αγοραστικών αποφάσεων χρησιμοποιούνται συχνά για το δοκιμαστικό έλεγχο νέων προϊόντων, ιδεών, κλπ. Τα υποκειμενικά δείγματα παρουσιάζουν το πρόβλημα ότι δεν μπορεί να υπολογιστεί το μέγεθος του συστηματικού και τυχαίου σφάλματος. Πάντως εάν η κρίση του ειδικού αποδειχθεί σωστή το δείγμα μπορεί να δώσει πολύ χρήσιμες πληροφορίες. Τα υποκειμενικά δείγματα ενδείκνυνται για εξερευνητικές μελέτες. Δείγματα χιονοστιβάδας: επιλέγεται ένα αρχικό δείγμα ερωτώμενων για να συμμετάσχουν στην έρευνα (ηγέτες). Στην συνέχεια ο ερευνητής ζητάει από κάθε έναν από τους ερωτώμενους (ηγέτες) να υποδείξουν άλλα άτομα που να συγκεντρώνουν τα επιθυμητά χαρακτηριστικά.

Δείγματα ποσοστών: Στο δείγμα των ποσοστών ο ερευνητής επιλέγει ένα δείγμα όμοιο προς τον πληθυσμό με βάση διάφορα προκαθορισμένα χαρακτηριστικά ελέγχου. Αυτά τα χαρακτηριστικά ελέγχου είναι συνήθως δημογραφικά. Για να είναι δυνατή η χρήση του δείγματος των ποσοστών απαιτείται: α) η γνώση των ποσοστών (αναλογιών) των χαρακτηριστικών ελέγχου στον πληθυσμό. β) τα χαρακτηριστικά ελέγχου να σχετίζονται άμεσα με τις άλλες μεταβλητές της έρευνας. γ) τα χαρακτηριστικά ελέγχου να είναι περιορισμένα στον αριθμό. Για παράδειγμα, ας υποθέσουμε ότι θέλουμε να κάνουμε μια μελέτη για την κατανάλωση γιαουρτιών χρησιμοποιώντας το δείγμα ποσοστών. Δυο χαρακτηριστικά ελέγχου επελέγησαν: η ηλικία και το φύλο του ερωτώμενου. Για κάθε δε χαρακτηριστικό χρησιμοποιήθηκαν δυο κατηγορίες ως ακολούθως: Ηλικία: κάτω των 30 ετών και άνω των 30 ετών, Φύλο: άρρεν και θήλυ. Με βάση τα επιλεγμένα χαρακτηριστικά ελέγχου και τις κατηγορίες των χαρακτηριστικών, προκύπτει η ακόλουθη 2 Χ 2 μήτρα:

Ας υποθέσουμε ότι το μέγεθος του δείγματος πρέπει να είναι 1.200 άτομα. Ας υποθέσουμε ότι η κατανομή των ποσοστών στον πληθυσμό για κάθε κυψέλη της παραπάνω μήτρας δίνεται από τα ακόλουθα νούμερα:

Μεταξύ των μειονεκτημάτων είναι η μέθοδος αυτή δεν καθορίζει με ποιον τρόπο θα γίνει η επιλογή των ατόμων της κυψέλης. Ενώ το δείγμα μπορεί να θεωρηθεί αντιπροσωπευτικό όσον αφορά τα συγκεκριμένα χαρακτηριστικά ελέγχου που χρησιμοποιήθηκαν για κάποια όμως άλλα εξίσου σημαντικά χαρακτηριστικά το δείγμα είναι πολύ πιθανόν να μην είναι αντιπροσωπευτικό. Εάν χρησιμοποιηθούν πολλά χαρακτηριστικά ελέγχου η μήτρα που θα προκύψει θα είναι πολύ περίπλοκη. Επίσης πολλές φορές δεν είναι γνωστή η αναλογία ή τα ποσοστά τω χαρακτηριστικών στον πληθυσμό.

10.2.6. Δείγματα Πιθανοτήτων Στα δείγματα πιθανοτήτων ο ερευνητής μπορεί να υπολογίσει την πιθανότητα ενός στοιχείου του πληθυσμού να αποτελέσει μέρος του δείγματος. Η πιθανότητα ενός στοιχείου του πληθυσμού να επιλεγεί στο δείγμα είναι γνωστή και μη μηδενική. Η επιλογή του δείγματος γίνεται με “αντικειμενικό” τρόπο. Αυτό σημαίνει ότι στα δείγματα πιθανοτήτων ο ερευνητής μπορεί να υπολογίσει το μέγεθος του δειγματολογικού σφάλματος. Το δειγματολογικό σφάλμα αφορά τον υπολογισμό της έκτασης της διαφοράς που υπάρχει μεταξύ του δείγματος και του πληθυσμού στις τιμές των μεταβλητών της μελέτης. Πρέπει να σημειωθεί εδώ ότι τα δείγματα πιθανοτήτων δεν εξασφαλίζουν ότι τα δείγματα που θα προκύψουν είναι αντιπροσωπευτικά του πληθυσμού ή περισσότερο αντιπροσωπευτικά από ένα δείγμα μη πιθανότητας. Για παράδειγμα μπορεί να επιλεγεί ένα δείγμα πιθανότητας 100 φοιτητών του ΓΠΑ και οι 100 να είναι στο 5ο έτος. Προφανώς αυτό το δείγμα δεν είναι αντιπροσωπευτικό του πληθυσμού των φοιτητών του ΓΠΑ. Είναι δε πιθανόν ένα δείγμα μη πιθανότητάς να είναι πιο αντιπροσωπευτικό από ένα δείγμα πιθανότητάς. Το μόνο πλεονέκτημα του δείγματος πιθανότητας σε σχέση με τα δείγματα μη πιθανότητας είναι η δυνατότητα υπολογισμού του μεγέθους του δειγματολογικού σφάλματός.

Θα περιγράψουμε τρία δείγματα πιθανοτήτων: απλό τυχαίο δείγμα (simple random sampling), στρωματοποιημένο δείγμα (stratified sampling) και δείγμα βάσει ομάδων (cluster sampling). Απλό Τυχαίο Δείγμα: Στο απλό τυχαίο δείγμα κάθε στοιχείο του πληθυσμού έχει γνωστή και ίση πιθανότητα να επιλεγεί στο δείγμα (ή στοιχείο του δείγματος από Ν στοιχεία του πληθυσμού). Η επιλογή των μελών του δείγματος με την μέθοδο του απλού τυχαίου δείγματος γίνεται με την βοήθεια του πίνακα των τυχαίων αριθμών.

Η επιλογή των μελών του δείγματος με τη μέθοδο του απλού τυχαίου δείγματος γίνεται με τη βοήθεια του πίνακα των τυχαίων αριθμών. Η χρήση του πίνακα των τυχαίων αριθμών περιλαμβάνει την ακόλουθη διαδικασία. Πρώτον όλα τα στοιχεία του πληθυσμού αριθμούνται διαδοχικά από 1 έως Ν. Για παράδειγμα το στοιχείο Α θα πρέπει να πάρει την τιμή 1, το στοιχείο Β την τιμή 2 και ούτω καθ’ εξής. Στην συνέχεια οι αριθμοί του πίνακα των τυχαίων αριθμών θεωρούνται ότι έχουν τον ίδιο αριθμό ψηφίων όπως στον πληθυσμό (Ν). Για παράδειγμα αν Ν=30, διψήφιοι αριθμοί θα χρησιμοποιηθούν. Αν Ν είναι μεταξύ 100 και 999 τριψήφιοι αριθμοί θα χρησιμοποιηθούν και ούτω καθ’ εξής. Κατόπιν, επιλέγεται τυχαία ένας αριθμός στον πίνακα των τυχαίων αριθμών. Ο αριθμός αυτός θα αποτελέσει το σημείο εκκίνησης. Για παράδειγμα στον πίνακα των τυχαίων αριθμών μπορούμε να επιλέξουμε τον αριθμό που θα αποτελέσει το σημείο εκκίνησης έχοντας κλειστά τα μάτια. Τέλος προχωράμε στην επιλογή των αριθμών ακολουθώντας μια προκαθορισμένη διαδικασία (πχ επάνω, κάτω ή διαγώνια) και για το δείγμα επιλέγουμε εκείνα τα στοιχεία του πληθυσμού που αντιστοιχούν στους επιλεγέντες αριθμούς από τον πίνακα τυχαίων αριθμών.

Ας υποθέσουμε ότι Ν=30. Επομένως χρειαζόμαστε διψήφιους αριθμούς και δεν υπάρχει η ανάγκη να συμπτύξουμε τις στήλες του πίνακα. Ας υποθέσουμε ότι η διαδικασία που αποφασίσαμε να ακολουθήσουμε είναι από το σημείο εκκίνησης και προς τα κάτω της στήλης, και αφού εξαντληθεί η στήλη αυτή από την κορυφή της επόμενης και ούτω καθ’ εξής. Ας υποθέσουμε ότι το σημείο εκκίνησης είναι ο αριθμός 19. Ο αριθμός αυτός θα επιλεγεί μια και αντιστοιχεί στο στοιχείο του πληθυσμού που έχει αριθμηθεί 19. Ο επόμενος αριθμός 66 είναι πολύ υψηλότερος και δεν θα επιλεγεί. Ο αμέσως επόμενος αριθμός 08 θα επιλεγεί μια και αντιπροσωπεύει το στοιχείο 08 στον πληθυσμό κλπ. Στρωματοποιημένο Δείγμα: Περιλαμβάνει πρώτα το χωρισμό του πληθυσμού σε πλήρεις, αμοιβαία αποκλειόμενες ομοειδείς ομάδες (strata) και στη συνέχεια την επιλογή από κάθε ομάδα (stratum) ενός απλού τυχαίου δείγματος. Στο δεύτερο στάδιο ο ερευνητής προχωρά στην επιλογή του απλού τυχαίου δείγματος ακολουθώντας τη διαδικασία που περιγράψαμε παραπάνω. Ο ερευνητής πρέπει να αποφασίσει εάν το δείγμα θα είναι αναλογικό ή μη-αναλογικό. Στην πρώτη περίπτωση ο αριθμός των μελών του δείγματος υπολογίζεται με τέτοιο τρόπο ώστε να αντανακλά την αναλογία των στοιχείων σε κάθε ομάδα πληθυσμού. Για παράδειγμα αν μια ομάδα έχει το 25% των στοιχείων του πληθυσμού, τότε στο δείγμα το 25% των μελών θα προέρχεται από αυτή την ομάδα.

Στην δεύτερη περίπτωση ο ερευνητής χρησιμοποιεί κάποιο συντελεστή στάθμισης για να επιλέξει το δείγμα. Ο συντελεστής αυτός αντικατοπτρίζει το βαθμό σπουδαιότητάς της κάθε ομάδας. Έτσι από μια ομάδα του πληθυσμού που θεωρείται πιο σημαντική θα επιλεγούν περισσότερα στοιχεία για να αποτελέσουν μέρος του δείγματος. Στην συνέχεια παρατίθεται ένα παράδειγμα συγκρότησης αναλογικού διαστρωματικού δείγματος, όπου το μόνον στοιχείο που πρέπει να γνωρίζει η ερευνητής είναι ο αριθμός των ατόμων που ανήκουν σε κάθε ομάδα χωριστά. Ας υποθέσουμε ότι θέλουμε να υπολογίσουμε τη μέση ηλικία των φοιτητών του Οικονομικού Πανεπιστημίου Αθηνών. Για το σκοπό αυτό ο πληθυσμός των φοιτητών χωρίστηκε στις ομάδες που παρουσιάζονται στον Πίνακα 10-2. Στον ίδιο πίνακα παρουσιάζεται ο αριθμός των στοιχείων κάθε ομάδας. Ας υποθέσουμε ότι το μέγεθος του δείγματος είναι n=100. Με δεδομένο το μέγεθος του δείγματος στην τελευταία στήλη του πίνακα παρουσιάζεται ο τρόπος που γίνεται η επιλογή του αριθμού των στοιχείων από κάθε ομάδα που θα αποτελούσαν μέρος του δείγματος. Σε σχέση με το απλό τυχαίο δείγμα το στρωματοποιημένο δείγμα παρέχει περισσότερες πληροφορίες για κάθε ομάδα, μεγαλύτερη ακρίβεια στα αποτελέσματα με μικρότερο μέγεθος δείγματος. Έχει όμως μεγαλύτερο κόστος.

Δείγμα Βάσει Ομάδων: O ερευνητής προχωρά πρώτα στη διάσπαση του πληθυσμού σε ομάδες (clusters) και στη συνέχεια επιλέγει τυχαία ένα υποσύνολο των ομάδων αυτών. Μπορεί να επιλέξει να συμπεριλάβει στο δείγμα όλα τα μέλη των επιλεγμένων ομάδων (one stage cluster sampling) ή ένα δείγμα, πιθανότητας, στοιχείων από κάθε επιλεγμένη ομάδα (two-stage cluster sampling). Υπάρχουν διαφορές και ομοιότητες μεταξύ του στρωματοποιημένου δείγματος και του δείγματος βάσει ομάδων. Και στα δυο δείγματα ο πληθυσμός χωρίζεται σε πλήρεις και αμοιβαία αποκλεισμένες ομάδες. Στο στρωματοποιημένο όμως δείγμα επιλέγεται ένα δείγμα στοιχείων από κάθε ομάδα. Στο δείγμα βάσει ομάδων αντίθετα επιλέγεται ένα δείγμα ομάδων. Στο στρωματοποιημένο δείγμα ο στόχος είναι οι ομάδες να είναι όσο το δυνατόν πιο ομοιγενείς. Αντίθετα στο δείγμα βάσει ομάδων ο στόχος έιναι οι ομάδες να είναι όσο το δυνατός πιο ανομοιογενείς, ώστε να αντανακλούν την ποικιλομοργία των στοιχείων του πληθυσμού. Στο προηγούμενο παράδειγμα ας υποθέσουμε ότι επιλέγουμε τυχαία με την βοήθεια του πίνακα των τυχαίων αριθμών το τμήμα Μάρκετινγκ και Επικοινωνίας και το τμήμα Οργάνωσης και Διοίκησης Επιχειρήσεων.

Στην συνέχεια θα μπορούσαμε να πάρουμε συνέντευξη είτε από όλους τους φοιτητές των δυο τμημάτων που επελέγησαν είτε από ένα δείγμα φοιτητών από κάθε τμήμα χωριστά. Μια ειδική περίπτωση του δείγματος βάσει ομάδων είναι τα δείγματα περιοχής (area sampling). Στο δείγμα περιοχής ο ερευνητής πρώτα ορίζει οικοδομικά τετράγωνα σαν ξεχωριστά τμήματα (ομάδες). Στην συνέχεια κάθε ένα οικοδομικό τετράγωνο αριθμείται. Τέλος ο ερευνητής επιλέγει τυχαία ένα δείγμα τετραγώνων και είτε παίρνει συνεντεύξεις από όλα τα νοικοκυριά των επιλεγμένων τετραγώνων είτε παίρνει συνεντεύξεις από ένα δείγμα νοικοκυριών από κάθε επιλεγμένο τετράγωνο. Το δείγμα βάσει ομάδων παρουσιάζει το πλεονέκτημα ότι έχει μειωμένο κόστος σε σχέση τόσο με το απλό τυχαίο δείγμα όσο και με το στρωματοποιημένο δείγμα. Από την άλλη πλευρά η ακρίβεια των αποτελεσμάτων που προκύπτει είναι μικρότερη σε σχέση με τα άλλα δείγματα πιθανοτήτων. Αυτό οφείλεται στο γεγονός ότι στην πράξη οι ομάδες που χωρίζεται ο πληθυσμός δεν είναι απόλυτα ανομοιογενείς.

10.2.7. Καθορισμός Μεγέθους Δείγματος Στην Ελλάδα οι έρευνες αγοράς που γίνονται βασίζονται σε δείγμα 1.600 ατόμων περίπου αν η έρευνα είναι πανελλαδική. Αν όμως η έρευνα αφορά την περιοχή Αττικής τότε το δείγμα αποτελείται από 750 άτομα περίπου. 10.2.8. Το τελευταίο στάδιο της δειγματοληψίας περιλαμβάνει την συλλογή των στοιχείων από τα επιλεγμένα μέλη του πληθυσμού.