Dans les statistiques, un échantillon est un sous-ensemble d'une population qui est utilisé pour représenter l'ensemble du groupe dans son ensemble. Lorsque l'on fait de la recherche, il est souvent impossible d' enquêter sur tous les membres d'une population particulière parce que le nombre de personnes est simplement trop important. Pour faire des inférences sur les caractéristiques d'une population, les chercheurs peuvent utiliser un échantillon aléatoire .
Pourquoi les chercheurs utilisent-ils des échantillons?
Lors de la recherche d'un aspect de l'esprit ou du comportement humain, les chercheurs ne peuvent tout simplement pas collecter de données auprès de chaque individu dans la plupart des cas. Au lieu de cela, ils choisissent un plus petit échantillon de personnes qui représentent le groupe plus large. Si l'échantillon est vraiment représentatif de la population en question, les chercheurs peuvent alors prendre leurs résultats et les généraliser au groupe plus large.
Types d'échantillonnage
Dans la recherche psychologique et d'autres types de recherche sociale, les expérimentateurs s'appuient généralement sur quelques méthodes d'échantillonnage différentes.
1. Échantillonnage probabiliste
L'échantillonnage probabiliste signifie que chaque individu dans une population a des chances égales d'être sélectionné. Parce que l'échantillonnage probabiliste implique une sélection aléatoire, il assure que différents sous-groupes de la population ont une chance égale d'être représentés dans l'échantillon. Cela rend les échantillons probabilistes plus représentatifs, et les chercheurs sont mieux en mesure de généraliser leurs résultats au groupe dans son ensemble.
Il existe différents types d'échantillonnage probabiliste:
- L'échantillonnage aléatoire simple est, comme son nom l'indique, le type le plus simple d'échantillonnage probabiliste. Les chercheurs prennent chaque individu dans une population et choisissent au hasard leur échantillon, en utilisant souvent un type de programme informatique ou un générateur de nombres aléatoires.
- L'échantillonnage aléatoire stratifié consiste à séparer la population en sous-groupes, puis à prélever un échantillon aléatoire simple dans chacun de ces sous-groupes. Par exemple, une recherche pourrait diviser la population en sous-groupes en fonction de la race, du sexe ou de l'âge, puis prendre un échantillon aléatoire simple de chacun de ces groupes. L'échantillonnage aléatoire stratifié fournit souvent une plus grande précision statistique que l'échantillonnage aléatoire simple et permet de s'assurer que certains groupes sont représentés avec exactitude dans l'échantillon.
- L'échantillonnage en grappes consiste à diviser une population en grappes plus petites, souvent en fonction de l'emplacement géographique ou des limites. Un échantillon aléatoire de ces groupes est ensuite sélectionné et tous les sujets à l'intérieur de la grappe sont mesurés. Par exemple, imaginez que vous essayez de faire une étude sur les directeurs d'école dans votre état. La collecte de données à partir de chaque principe d'école unique serait coûteuse et longue. À l'aide d'une méthode d'échantillonnage en grappes, vous sélectionnez au hasard cinq comtés de votre état, puis vous collectez des données de chaque sujet dans chacun de ces cinq comtés.
2. Échantillonnage non probabiliste
D'autre part, l'échantillonnage non probabiliste implique la sélection de participants en utilisant des méthodes qui ne donnent pas à chaque individu dans une population une chance égale d'être choisi.
Un problème avec ce type d'échantillon est que les volontaires peuvent être différents sur certaines variables que les non-volontaires, ce qui peut rendre difficile la généralisation des résultats à l'ensemble de la population.
Il existe également différents types d'échantillonnage non probabiliste:
- L'échantillonnage de commodité consiste à utiliser les participants dans une étude parce qu'ils sont pratiques et disponibles. Si vous avez tous fait du bénévolat pour une étude de psychologie menée par le département de psychologie de votre université, alors vous avez participé à une étude qui reposait sur un échantillon de commodité. Les études reposant sur la recherche de volontaires ou l'utilisation d'échantillons cliniques mis à la disposition du chercheur sont également des exemples d'échantillons de commodité.
- L'échantillonnage raisonné consiste à rechercher des individus répondant à certains critères. Par exemple, les commerçants pourraient être intéressés à apprendre comment leurs produits sont perçus par les femmes âgées de 18 à 35 ans. Ils peuvent engager une société d'étude de marché pour mener des entretiens téléphoniques qui recherchent et interrogent intentionnellement les femmes qui répondent à leurs critères d'âge.
- L'échantillonnage par quotas consiste à échantillonner intentionnellement une proportion spécifique d'un sous-groupe au sein d'une population. Par exemple, les sondeurs politiques pourraient être intéressés à rechercher les opinions d'une population sur un certain sujet politique. S'ils utilisent un échantillonnage aléatoire simple, ils pourraient manquer certains sous-ensembles de la population par hasard. Au lieu de cela, ils établissent les critères selon lesquels un certain pourcentage de l'échantillon doit inclure ces sous-groupes. Bien que l'échantillon résultant ne soit pas réellement représentatif des proportions réelles dans la population, un quota permet de s'assurer que ces sous-groupes plus petits sont représentés.
Apprenez-en plus sur les façons dont les échantillons probabilistes et non probabilistes diffèrent.
Erreurs d'échantillonnage
Parce que l'échantillonnage ne peut naturellement inclure tous les individus d'une population, des erreurs peuvent survenir. Les différences entre ce qui est présent dans une population et ce qui est présent dans un échantillon sont connues sous le nom d'erreurs d'échantillonnage .
Bien qu'il soit impossible de savoir exactement quelle peut être la différence entre la population et l'échantillon, les chercheurs sont en mesure d'estimer statistiquement la taille des erreurs d'échantillonnage. Dans les sondages politiques, par exemple, vous pouvez souvent entendre parler de la marge d'erreur exprimée par certains niveaux de confiance.
En général, plus la taille de l'échantillon est grande, plus le niveau d'erreur est petit. Cela s'explique simplement par le fait que plus l'échantillon est proche de la taille de la population totale, plus il est probable qu'il capture avec précision toutes les caractéristiques de la population. La seule façon d'éliminer complètement l'erreur d'échantillonnage consiste à recueillir des données auprès de l'ensemble de la population, ce qui est souvent simplement trop coûteux et trop long. Cependant, les erreurs d'échantillonnage peuvent être minimisées en utilisant des tests de probabilité randomisés et une grande taille d'échantillon.
Les références:
Goodwin, CJ (2010). Recherche en psychologie: méthodes et conception. Hoboken, NJ: John Wiley et Fils.
Nicholas, L. (2008). Introduction à la psychologie . UCT Press: Le Cap.