Promotor odrzuca metodologię nie dlatego, że nie lubisz statystyki. Odrzuca ją, bo nie wiesz, dlaczego przebadałeś akurat 80 osób, a nie 60 ani 200. Dobór próby to jedna z tych decyzji, której nie możesz podjąć „na wyczucie” – musisz ją uzasadnić liczbami i logiką procedury.
Mam za sobą korektę kilkuset prac magisterskich i doktorskich. Najczęstszy błąd w rozdziale metodologicznym? Brak uzasadnienia liczebności. Student podaje n=80, bo „tyle zebrał ankiet”, albo n=30, bo „kolega też miał 30”. To nie jest metodologia – to opis wygody.
Ten artykuł pokazuje, jak to zrobić prawidłowo: od definicji populacji, przez wzór na minimalną liczebność, aż po gotowe zdania do rozdziału metodologicznego. Konkretnie i bez zbędnej teorii.
Populacja a próba
Populacja to wszyscy, których dotyczy Twój problem badawczy. Jeśli badasz wypalenie zawodowe wśród pielęgniarek w Polsce, populacją są wszystkie pielęgniarki w Polsce – a to ponad 200 000 osób. Przebadanie każdej z nich jest nierealne, kosztowne i po prostu zbędne.
Próba to wybrany podzbiór populacji, na którym faktycznie prowadzisz badanie. Celem jest to, żeby próba dobrze reprezentowała populację – czyli żeby wyniki uzyskane na 300 osobach można było z rozsądnym błędem przenieść na całą grupę.
To rozróżnienie ma znaczenie praktyczne. Jeśli Twoja próba nie jest reprezentatywna, żaden wzór na liczebność Cię nie uratuje. Możesz mieć 1000 respondentów i wciąż uzyskać wyniki bezużyteczne dla wniosków – np. gdy wszystkich zebrałeś z jednej platformy internetowej i stosujesz je do populacji ogólnej.
Dlatego zanim zaczniesz liczyć „ile osób muszę przebadać”, odpowiedz na dwa pytania:
- Kto dokładnie należy do mojej populacji? (wiek, zawód, region, status)
- Czy mam realny dostęp do tej populacji, żeby losować z niej próbę?
Precyzja definicji populacji bezpośrednio wpływa na to, jak dobierasz próbę i jak interpretujesz wyniki.
Dobór losowy i nielosowy
Metody doboru próby dzielą się na dwie główne grupy: losowe i nielosowe. Wybór między nimi zależy od dostępu do operatu losowania (listy populacji) i od celów badania.
Dobór prosty losowy – każdy element populacji ma taką samą szansę na znalezienie się w próbie. Wymaga pełnego operatu (np. lista wszystkich pracowników firmy). Prosty w teorii, trudny w praktyce dla dużych populacji.
Dobór warstwowy – dzielisz populację na warstwy (np. wg płci, stanowiska, regionu), a potem losujesz proporcjonalnie z każdej warstwy. Daje lepszą reprezentację grup mniejszościowych. Wybierz go, gdy zależy Ci na porównaniu podgrup.
Dobór grupowy (klastrowy) – losujesz całe grupy (np. szkoły, oddziały firmy), a potem badasz wszystkich w wylosowanych grupach. Stosuje się go, gdy nie masz operatu dla jednostek, ale masz listę grup.
Dobór celowy – sam decydujesz, kogo włączasz do próby, bo dana osoba spełnia określone kryteria („ekspert w dziedzinie X”, „użytkownik produktu od min. 2 lat”). To metoda nielosowa, typowa dla badań jakościowych i eksperckich.
Dobór metodą śnieżnej kuli – jeden uczestnik poleca następnego. Przydatny przy badaniu grup trudno dostępnych (np. osoby z rzadką chorobą, subkultury). Nie pozwala wnioskować o populacji ogólnej.
Jeśli używasz doboru nielosowego, nie możesz twierdzić, że wyniki są reprezentatywne dla populacji. Możesz jednak szczegółowo opisać, jakie kryteria spełniają badani i do jakiego kontekstu odnoszą się wnioski.
Jak policzyć minimalną liczebność (n=)
Klasyczny wzór na minimalną liczebność próby dla dużej lub nieskończonej populacji wygląda tak:
n = (z² × p × (1-p)) / e²
Gdzie:
– z – wartość z-score dla przyjętego poziomu ufności (dla 95% CI: z = 1,96)
– p – szacowany odsetek cechy w populacji (gdy nieznany: przyjmij 0,5 – to daje największe n)
– e – dopuszczalny błąd oszacowania (standardowo e = 0,05, czyli 5%)
Dla standardowych założeń (95% ufność, e = 5%, p = 0,5):
n = (1,96² × 0,5 × 0,5) / 0,05² = (3,8416 × 0,25) / 0,0025 = 0,9604 / 0,0025 = 384
To słynne n=384. Dla dużych populacji ta liczba pojawia się w setkach prac, bo przy tych parametrach jest minimalna granica, poniżej której błąd przekracza 5%. Możesz powołać się na wzór Cochrana (1977) – to standardowe źródło akademickie, które promotor zna.
Przy p=0,5 dostajesz największą możliwą próbę dla danego e i z. To konserwatywne podejście – jeśli z literatury wiesz, że odsetek cechy wynosi np. p=0,2, możesz podstawić tę wartość i próba wyjdzie mniejsza. Dla p=0,2 przy tych samych parametrach: n = (3,8416 × 0,16) / 0,0025 = 246. Różnica jest duża, więc warto szukać danych o p w literaturze.
Jeśli Twoja populacja jest skończona (np. N = 500 pracowników), stosujesz korektę skończoności:
n_kor = n / (1 + (n – 1) / N)
Dla N=500 i n=384 daje to: n_kor = 384 / (1 + 383/500) = 384 / 1,766 = ok. 217
Koryguj zawsze, gdy populacja jest mniejsza niż kilka tysięcy osób. Pominięcie tej korekty przy N=200 i podanie n=384 to błąd, który recenzent wyłapie natychmiast – przebadałbyś prawie całą populację.
Wyślij fragment tekstu, bezpłatną wycenę otrzymasz w 24 h. Poprawki bez limitu w cenie usługi.
Błąd i poziom ufności
Poziom ufności 95% (α = 0,05) oznacza, że gdybyś powtórzył badanie 100 razy na różnych próbach z tej samej populacji, w 95 przypadkach Twój wynik zawierałby prawdziwą wartość populacyjną. To konwencja przyjęta w naukach społecznych jako standard.
Możesz też stosować poziom 99% (z = 2,576) – wtedy próba musi być większa. Dla e=5% i p=0,5 daje to n=664. Kiedy wybierać 99%? Gdy błąd ma poważne konsekwencje – np. w badaniach medycznych, prawnych, finansowych.
Błąd e działa w obie strony. e=5% przy wyniku 60% oznacza, że prawdziwy odsetek w populacji mieści się między 55% a 65%. Jeśli chcesz dokładniejszego oszacowania (e=3%), potrzebujesz n=1068. Jeśli możesz sobie pozwolić na e=10%, wystarczy Ci n=97.
W pracy magisterskiej wymagane jest:
– podanie przyjętego poziomu ufności
– podanie dopuszczalnego błędu
– uzasadnienie, dlaczego przyjąłeś akurat te wartości
Nie musisz odkrywać koła na nowo – 95% i e=5% to standard, który promotor zaakceptuje bez dyskusji. Jeśli odchodzisz od tego standardu, musisz to wyjaśnić.
Kalkulatory wielkości próby
Nie musisz liczyć wzoru ręcznie – są do tego sprawdzone narzędzia.
SurveyMonkey Sample Size Calculator (surveymonkey.com/mp/sample-size-calculator) – prosty, bez rejestracji, dobrze opisany. Podajesz populację, poziom ufności i margines błędu, dostajesz n.
Raosoft Sample Size Calculator (raosoft.com/samplesize.html) – klasyczny kalkulator akademicki, pozwala też wpisać p (odsetek odpowiedzi).
G*Power (gpower.hhu.de) – program do pobrania, bezpłatny. Standardowe narzędzie w badaniach psychologicznych i pedagogicznych. Liczy moc testu, nie tylko liczebność próby. Jeśli Twoja praca opiera się na testach statystycznych (t-test, ANOVA, regresja), użyj G*Power i podaj moc testu w metodologii (standardowo 0,80).
Kreator Sample Size w Qualtrics – jeśli zbierasz dane przez Qualtrics, masz kalkulator wbudowany w platformę.
Cokolwiek wybierzesz: zapisz zrzut ekranu lub parametry wejściowe. Promotor może zapytać, co dokładnie wpisałeś. „Skorzystałem z kalkulatora online” to za mało – „w kalkulatorze Raosoft przyjąłem N=2000, poziom ufności 95%, margines błędu 5%, co dało n=323” to odpowiedź metodologiczna.
Jak uzasadnić dobór w rozdziale metodologicznym
Uzasadnienie doboru próby powinno zawierać trzy elementy: definicję populacji, opis metody doboru i obliczenie liczebności.
Przykładowe zdania, które możesz zaadaptować:
„Populację badania stanowili studenci ostatniego roku studiów magisterskich na uczelniach publicznych w województwie mazowieckim (N szacunkowe: ok. 12 000 osób). Próbę dobrano metodą losową warstwową, przyjmując podział na płeć i kierunek studiów (humanistyczny/ścisły). Minimalną liczebność próby obliczono na podstawie wzoru Cochrana przy poziomie ufności 95% i dopuszczalnym błędzie e=5%, co dało n=374. Po uwzględnieniu przewidywanej odmowy odpowiedzi (ok. 15%) ustalono docelową liczebność na n=440.”
Dla doboru celowego wzorzec wygląda inaczej:
„Ze względu na ekspercki charakter badania zastosowano dobór celowy. Kryteriami włączenia były: co najmniej 5-letnie doświadczenie na stanowisku kierowniczym w branży logistycznej oraz aktywne zarządzanie zespołem w momencie badania. Metoda doboru celowego uniemożliwia statystyczne uogólnienie wyników na populację, jednak umożliwia pogłębioną analizę doświadczeń osób spełniających jednorodne kryteria merytoryczne.”
Co musisz zawrzeć w każdym przypadku:
– definicja populacji (kto + skąd)
– metoda doboru (z uzasadnieniem, dlaczego ta metoda)
– n minimalne (z obliczeniem lub powołaniem na kalkulator)
– n faktyczne (ile zebrałeś i co z tym faktem)
– ograniczenia doboru (np. dostępność próby, brak pełnego operatu)
Czego nie pisać: „próba została dobrana w sposób celowy ze względu na łatwość dostępu” bez żadnego dalszego wyjaśnienia. To zdanie obniża ocenę metodologii, bo sugeruje, że próbę dobierałeś z wygody, a nie z powodów naukowych. Zamień „łatwość dostępu” na konkretne kryterium merytoryczne, a promotor nie będzie miał do czego się przyczepić.
Najczęstsze błędy
- Brak definicji populacji przed opisem próby – nie wiadomo, z czego ta próba pochodzi
- n=30 lub n=50 „bo tyle zebrałem” bez obliczenia minimalnej liczebności
- Stosowanie wzoru dla dużej populacji, gdy populacja ma np. 150 osób (brak korekty skończoności)
- Mylenie poziomu ufności z dokładnością wyników – 95% CI nie oznacza, że wyniki są „prawie pewne”
- Dobór celowy opisany jako „reprezentatywny” – to dwa różne pojęcia
- Brak informacji o respondentach, którzy odmówili lub nie dokończyli badania (stopa odpowiedzi)
- Uzasadnienie liczebności po fakcie – „przebadałem 80 osób, co według kalkulatora jest wystarczające” brzmi jak cofanie się do właściwego wyniku
- Brak informacji, czy i jak zastosowano korektę przy małej populacji
- Stosowanie metody śnieżnej kuli i jednoczesne twierdzenie, że próba jest losowa
FAQ
Ile osób muszę przebadać do pracy magisterskiej?
To zależy od wielkości populacji i wymaganej dokładności. Dla dużych populacji (powyżej 10 000) minimalna próba przy standardowych parametrach (95% CI, e=5%) wynosi n=384. Przy mniejszych populacjach stosujesz korektę skończoności, która zmniejsza tę liczbę. Wielu promotorów akceptuje n=100-150 przy badaniach jakościowych lub eksperckich – tutaj ważniejsza jest jakość doboru niż sama liczba.
Czy mogę użyć doboru celowego w pracy magisterskiej?
Tak, pod warunkiem że jasno opisujesz kryteria doboru i nie twierdzisz, że wyniki są reprezentatywne dla całej populacji. Dobór celowy jest standardem w badaniach jakościowych, studiach przypadku i badaniach eksperckich. Musisz tylko uczciwie opisać ograniczenia tej metody w sekcji „ograniczenia badania”.
Co zrobić, jeśli zebrałem mniej respondentów niż wynikało z obliczonej liczebności?
Opisz tę sytuację wprost w metodologii. Podaj, ile planowałeś zebrać, ile faktycznie zebrałeś i dlaczego. Oblicz, jaki błąd e odpowiada faktycznej próbie – często okaże się, że e wzrosło z 5% do 7% i wciąż jest metodologicznie akceptowalne. Ukrywanie tej rozbieżności jest gorsze niż jej ujawnienie.
Czy G*Power jest wymagany, czy wystarczy prosty kalkulator online?
GPower jest wymagany, gdy planujesz testy istotności (t-test, ANOVA, chi-kwadrat, regresja) – bo wtedy musisz podać nie tylko n, ale też moc testu (1-β) i wielkość efektu. Do badań opisowych i sondażowych wystarczy kalkulator online, np. Raosoft lub SurveyMonkey. Sprawdź, czego wymaga Twój promotor – w psychologii i pedagogice GPower jest de facto standardem.
Podsumowanie
Dobór próby to nie formalność do odhaczenia w rozdziale metodologicznym. To decyzja, która wpływa na to, czy Twoje wnioski mają sens poza grupą badanych. Zacznij od precyzyjnej definicji populacji, dobierz metodę doboru odpowiednią do dostępu i celów badania, oblicz minimalną liczebność wzorem lub kalkulatorem, a potem opisz to wszystko jednym spójnym akapitem w metodologii.
Jeśli Twoja praca jest już napisana, ale nie masz pewności, czy rozdział metodologiczny dobrze uzasadnia dobór próby – sprawdź to przed oddaniem do promotora. Nieścisłości w tej sekcji to jeden z najczęstszych powodów uwag na etapie recenzji.
Korekta i redakcja rozdziału metodologicznego to osobna usługa – szybka, konkretna, z informacją zwrotną na co zwrócić uwagę. Szczegóły na stronie korekta pracy magisterskiej.
