Om provgruppsstorleken

Provgruppsstorlek är antalet slutförda svar du behöver för att dina resultat på ett tillförlitligt sätt ska spegla din population. Inom forskning speglar definitionen av provgruppsstorlek också den precision du kan förvänta dig av dina uppskattningar, eftersom faktorer som provgruppsstorlek kontra population, felmarginal och konfidensnivå alla påverkar den statistiska signifikansen.

En tydlig provgruppsstorlek hjälper dig att förstå hur säkert du kan tolka mönster i dina data och om dina resultat kan generaliseras till den bredare grupp du vill undersöka.

I den här guiden får du lära dig hur provgruppsstorlek fungerar, hur du bestämmer provgruppsstorlek för enkäter och hur du räknar ut din provgruppsstorlek – oavsett om du gör en snabb feedbackundersökning eller planerar en mer formell enkätstudie.

Provgruppsstorlek för en enkät är antalet slutförda svar du behöver för att dina resultat på ett tillförlitligt sätt ska representera din population. Provgruppsstorleken speglar både omfattningen av din målpopulation och den precision du önskar i dina uppskattningar. En korrekt provgruppsstorlek säkerställer att dina resultat är statistiskt pålitliga och inte beror på slumpmässiga variationer.

Din idealiska provgruppsstorlek beror på faktorer som populationsstorlek, felmarginal och konfidensnivå. De flesta team använder ett fåtal standardinställningar och bekräftar antalet slutförda svar de behöver för beräkning av gruppstorlek. Tydliga indata och ett konsekvent arbetssätt lägger grunden för tillförlitlig enkätforskning över olika målgrupper och användningsområden.

Innan du beräknar din provgruppsstorlek är det bra att förstå hur den hänger ihop med svarsfrekvens och slutförandefrekvens.

Säg att du skickar enkäten till en provgruppsstorlek på 1 000 personer. Om 400 personer öppnar enkäten är svarsfrekvensen 40 %. Vanligtvis är det inte alla som öppnar enkäten som slutför den. Om 400 personer öppnar enkäten men bara 200 skickar in sina svar är slutförandefrekvensen 50 %.

Även om svarsfrekvens och slutförandefrekvens inte direkt avgör din provgruppsstorlek påverkar de hur många personer du behöver bjuda in för att nå önskat antal slutförda svar. Att ta hänsyn till dessa frekvenser hjälper dig att säkerställa att den slutliga provgruppen är representativ och ger tillförlitliga, statistiskt signifikanta resultat.

Din provgruppsstorlek för en enkät bestäms av tre faktorer: storleken på den population du vill få representerad, den felmarginal du kan acceptera och den konfidensnivå du behöver. Dessa inställningar samverkar för att visa den provgruppsstorlek som krävs för att identifiera statistiskt signifikanta skillnader. Ju tydligare dina indata är, desto enklare är det att få bekräftat antalet nödvändiga svar för en beräkning av gruppstorlek.

Population är hela den grupp du vill att dina resultat ska spegla. Det krävs ungefär lika stor provgrupp även för mycket stora populationer – efter cirka 100 000 personer brukar det inte behövas fler slutförda svar, oavsett om målgruppen växer. Om din planerade provgrupp utgör en stor andel av populationen (cirka 5 % eller mer) kan du använda ett korrigeringstal för ändlig population (FPC) för att något minska antalet nödvändiga svar.

Felmarginalen avgör hur noggranna dina uppskattningar måste vara. Ofta börjar team med ±5 %, men vid mer avgörande beslut drar man ofta ner till ±3 % för att minska variationen. Mindre felmarginaler kräver större provgruppsstorlekar eftersom de tillåter mindre osäkerhet i resultaten.

Konfidensnivån visar hur ofta du kan förvänta dig liknande resultat om du upprepar enkäten med en annan provgrupp. 95 % konfidensnivå är starkt, 90 % konfidensnivå kräver färre svar när det är viktigt att det går fort och 99 % konfidensnivå ökar säkerheten men kräver vanligtvis en större provgrupp. Dessa indata samverkar för att fastställa en statistiskt signifikant provgruppsstorlek.

Det snabbaste sättet att beräkna provgruppsstorlek för en enkät är att använda beräkning av gruppstorlek. När du anger population, felmarginal och konfidensnivå visar kalkylatorn hur många slutförda svar du behöver för ett statistiskt tillförlitligt resultat.

Om du vill se hur beräkningen går till har du den vanliga formeln för beräkning av provgruppsstorlek vid uppskattning av en andel här:

Exempel:

Om din population är 10 000 000 och du väljer 95 % konfidensnivå (z = 1,96), en felmarginal på ±5 % (E = 0,05) och p = 0,5, ger formeln:

n≈384,16n ca 384,16n≈384,16

Avrundat behöver du 385 slutförda svar för att kunna uppskatta resultatet för en population på 10 miljoner med dessa inställningar. Du kan bekräfta detta antal eller testa olika scenarier vid beräkning av gruppstorlek, och sedan justera dina indata beroende på vilken precision du behöver i dina uppskattningar.

När du har bestämt din önskade provgruppsstorlek behöver du en metod för att slumpmässigt välja deltagare. Ett enkelt sätt är att skapa ett slumpmässigt urval i Excel för att välja ut enkätmottagare utan att införa urvalsbias.

Vill du snabbt uppskatta hur många som behöver delta i din enkät? Här är en smidig tabell som hjälper dig välja. Det enda du behöver är antalet personer i din målpopulation och önskad felmarginal (3–10 %). Dessa minsta antal slutförda enkäter utgår från en konfidensnivå på 95 % och en 50 % svarsfördelning (p = 0,5) om inget annat anges.

* Procentsatserna motsvarar en felmarginal på 3 %, 5 % och 10 %

Om du till exempel gör en medicinsk undersökning kanske du håller dig till en lägre felmarginal, som 3 %. Men om du ska välja provgruppsstorlek för en enkät om kundnöjdhet kanske du hellre vill ha en högre felmarginal, som 10 %.

En bra provgruppsstorlek beror på hur exakta resultat du behöver, hur varierad populationen är och hur mycket som står på spel i det beslut du ska fatta. Större provgrupper möjliggör mindre felmarginaler, högre konfidens och starkare analys av undergrupper – men större är inte alltid bättre. I vissa undersökningar är kvalitativa svar eller det totala deltagandet viktigare än att uppnå ett visst provgruppsstorleksmål.

Här är exempel på situationer där en större provgrupp verkligen gör skillnad – och där den inte gör det.

När noggrannhet är avgörande, som vid medicinska studier, policyundersökningar eller säkerhetsrelaterade förändringar, vill du oftast ha en större provgrupp med en snävare felmarginal (ofta ±3 %) och minst 95 % konfidensnivå.

Dessa inställningar minskar variationen och hjälper till att säkerställa att dina uppskattningar speglar hela populationen. Sannolikhetsurval är bäst här, eftersom varje person har en känd chans att bli utvald och resultaten möjliggör mer rigorösa slutsatser.

Vid beslut som etablering på nya marknader, prissättning eller varumärkesundersökningar ger en medelstor till stor provgrupp dig möjlighet att segmentera resultat efter region, demografiska grupper eller kundtyp.

När populationsvariationen ökar – till exempel skillnader i ålder, plats, inkomst eller andra egenskaper – behöver du oftast fler slutförda svar för att säkerställa att alla undergrupper är representerade. En felmarginal på omkring ±3–5 % stöder vanligtvis den här typen av analys.

När din målgrupp är liten och tydligt definierad (till exempel 20–100 evenemangsdeltagare eller vid testning av användbarhet) behöver du inte en stor provgrupp för att få meningsfulla insikter. Skriftlig feedback, öppna svar och engagemangsmönster ger ofta mer värde än att nå en viss storlek på provgruppen.

En fullständig kartläggning av gruppen eller en pragmatisk icke-sannolikhetsbaserad metod räcker oftast – så länge du är vaksam på möjlig snedvridning.

I alla dessa scenarier är det viktigt att komma ihåg att provgruppsstorlek ger avtagande resultat. När populationen når en viss storlek planar behovet av större provgrupp ut, och du justerar bara med korrigering för ändlig population om den uppnådda provgruppen utgör en stor andel av totalen.

Urvalsdesign avgör hur du väljer ut personer till din enkät och påverkar om du får ett representativt urval och tillförlitliga resultat. En stark design minskar risken för urvalsbias och säkerställer att ditt urval speglar populationen du vill förstå.

Urvalsmetoder delas in i två grupper: sannolikhetsurval och icke-sannolikhetsurval, som var och en har en uppsättning vanliga tekniker.

Sannolikhetsurval ger varje person i målpopulationen en känd chans att bli utvald. Denna metod är grunden för ett representativt urval, vilket möjliggör starkare slutsatser och minskar risken för urvalsbias.

Det finns fyra vanliga metoder för sannolikhetsurval, alla anpassade för olika forskningsbehov.

Vid enkelt slumpmässigt urval har varje medlem i populationen lika stor chans att bli vald, ofta genom till exempel lottning eller en slumpgenerator. Denna metod minimerar snedvridning eftersom urvalet verkligen är slumpmässigt, men den kräver en komplett och korrekt lista över hela populationen – något som kan vara svårt att få tag på för stora eller decentraliserade grupper.

Systematiskt urval innebär att personer väljs ut med jämna intervall, till exempel vart 50:e namn på en lista. Det är snabbt, effektivt och enkelt att genomföra, särskilt när du arbetar med ordningsbaserade data. Om det däremot finns underliggande mönster i listan som sammanfaller med intervallet (till exempel om var 50:e post har en liknande egenskap) kan det av misstag leda till snedvridning.

Stratifierat urval delar in populationen i meningsfulla undergrupper – till exempel åldersspann, regioner eller kundtyper – och gör sedan slumpmässiga urval inom varje grupp. Den här metoden är särskilt värdefull när det är viktigt att undergrupper är representerade, eftersom den säkerställer att urvalet speglar målgruppens mångfald. Nackdelen är att du behöver ha tillförlitlig information om dina strata i förväg och att processen kräver mer planering.

Klusterurval delar in populationen i kluster, t.ex. stadsdelar, skolor eller butikslägen. Du väljer sedan slumpmässigt ut ett antal kluster och skickar enkäten till alla inom dessa. Den här metoden är praktisk och kostnadseffektiv för stora, geografiskt utspridda populationer, men kan öka risken för urvalsfel om det finns stora skillnader mellan klustren.

Icke-sannolikhetsurval används när personerna i populationen inte har lika stor eller känd chans att bli utvalda. Dessa metoder är ofta snabbare, mer flexibla och billigare än sannolikhetsurval, men innebär också större risk för urvalsbias. Eftersom urvalet inte är slumpmässigt kan resultaten vara mindre representativa för hela populationen.

Här är de fem vanligaste metoderna för icke-sannolikhetsurval och när de brukar användas.

Bekvämlighetsurval innebär att du samlar in svar från dem som är lättast att nå – till exempel kunder på din e-postlista eller besökare på din webbplats. Det är snabbt och kostnadseffektivt, vilket gör det användbart för utforskande syften eller inledande feedback. Men eftersom deltagarna själva väljer att delta utifrån tillgänglighet kan deras åsikter skilja sig från den bredare populationen.

Ändamålsurval innebär att individer väljs ut för att de har specifika egenskaper eller expertis som är relevanta för din undersökning. Metoden används ofta i kvalitativa studier där du eftersträvar djup snarare än bredd – till exempel vid intervjuer med produktexperter eller lojala kunder. Nackdelen är att forskarens bedömning påverkar urvalet, vilket kan leda till snedvridning.

Självselekterande urval bygger på att personer själva väljer att delta i enkäten, till exempel genom att klicka på en länk på en webbplats eller i sociala medier. Det är enkelt att sätta upp och kan snabbt ge svar. Samtidigt tenderar den här metoden att överrepresentera starkt motiverade personer, till exempel de som är väldigt nöjda eller missnöjda, vilket kan snedvrida resultaten.

Snöbollsurval börjar med en liten grupp deltagare som sedan rekryterar fler från sina egna nätverk. Metoden är användbar när du studerar nischade eller svåråtkomliga grupper, eftersom du kan nå ut bredare på ett naturligt sätt. Begränsningen är att sociala nätverk ofta omfattar personer med liknande egenskaper, vilket kan minska bredden av perspektiv i ditt urval.

Kvoturval delar in populationen i olika kategorier – till exempel ålder, kön eller geografisk plats – och fyller sedan ett förutbestämt antal svar i varje kategori. Det kan hjälpa dig att snabbt uppnå demografisk balans. Men eftersom deltagarna inom varje kvot inte väljs slumpmässigt kan resultaten ändå påverkas av urvalsbias.

Behöver du hjälp att välja provgruppsstorlek? Från experthjälp kring urvalsdesign till att nå din målmarknad – välj det alternativ som passar ditt nästa steg.

Du behöver inte avancerad statistik för att bestämma rätt provgruppsstorlek. Några tydliga indata och en snabb kontroll räcker. Börja med vanliga standardvärden som 95 % konfidens och ±5 % felmarginal, och justera sedan beroende på hur noggranna resultat du behöver. När du har ställt in population, konfidensnivå och felmarginal kan du använda verktyget för beräkning av gruppstorlek för att bekräfta det minsta antal slutförda svar din studie kräver.

När du är redo att lansera din enkät kan du komma igång gratis och skapa den snabbt. Om din studie kräver verifierade deltagare eller specifika demografiska profiler kan SurveyMonkey Audience hjälpa dig att nå rätt målgrupp, med inbyggda kvalitetskontroller som säkerställer tillförlitliga resultat.