Una de las preguntas más comunes que me hacen las personas que realizan encuestas en el desarrollo internacional es «¿Qué tan grande debería ser mi tamaño de muestra?». Si bien hay muchas calculadoras de tamaño de muestra y guías estadísticas disponibles, aquellos que nunca hicieron estadísticas en la universidad (o lo han olvidado todo) pueden encontrarlas intimidantes o difíciles de usar.
Si esto suena como tú, sigue leyendo. Esta guía explicará cómo elegir un tamaño de muestra para una encuesta básica sin ninguna de las fórmulas complicadas. Para obtener reglas generales más fáciles con respecto a los tamaños de muestra para otras situaciones, recomiendo encarecidamente el tamaño de la muestra: una guía aproximada de Ronán Conroy y el Manual de Investigación de Encuestas de Pamela Alreck y Robert Settle.
Este artículo es una breve introducción al tema para una cobertura más profunda del tema que considere inscribirse en el curso en línea gratuito ofrecido por la Universidad de Florida.
- Encuestas básicas como formularios de retroalimentación, evaluaciones de necesidades, encuestas de opinión, etc. realizadas como parte de un programa.
- Encuestas que usan muestreo aleatorio.
- Estudios de investigación realizados por universidades, firmas de investigación, etc.
- Encuestas complejas o muy grandes, como encuestas nacionales de hogares.
- Encuestas para comparar entre un grupo de intervención y control o antes y después de un programa (para esta situación tamaño de muestra: una guía aproximada).
- Encuestas en las que planea usar estadísticas elegantes para analizar los resultados, como el análisis multivariado (si sabe cómo hacer estadísticas tan elegantes, entonces ya debería saber cómo elegir un tamaño de muestra).
La mayoría de los estadísticos están de acuerdo en que el tamaño mínimo de la muestra para obtener cualquier tipo de resultado significativo es 100. Si su población es inferior a 100, entonces realmente necesita encuestarlos a todos.
¿Cómo se realiza el cálculo del tamaño muestral?
Casi todas las agencias de concesión requieren una estimación de un tamaño de muestra adecuado para detectar los efectos hipotetizados en el estudio. Pero todos los estudios están bien atendidos por estimaciones del tamaño de la muestra, ya que puede ahorrar mucho en los recursos.
¿Por qué? Los estudios de menor tamaño no pueden encontrar resultados reales, y los estudios de gran tamaño encuentran incluso los insustanciales. Los estudios de menor tamaño y de gran tamaño pierden tiempo, energía y dinero; el primero utilizando recursos sin encontrar resultados, y el segundo utilizando más recursos de los necesarios. Ambos exponen un número innecesario de participantes a los riesgos experimentales.
El truco es dimensionar un estudio para que sea lo suficientemente grande como para detectar un efecto de importancia científica. Si su efecto resulta ser más grande, mucho mejor. Pero primero debe recopilar información sobre la cual basar las estimaciones.
Una vez que haya reunido esa información, puede calcular a mano utilizando una fórmula que se encuentra en muchos libros de texto, usar uno de los muchos paquetes de software especializados o entregarla a un estadístico, dependiendo de la complejidad del análisis. Pero independientemente de la forma en que usted o su estadístico lo calculen, primero debe hacer los siguientes 5 pasos:
La mayoría de los estudios tienen muchas hipótesis, pero para los cálculos de tamaño de la muestra, elija una o tres hipótesis principales. Hazlos explícitos en términos de una hipótesis nula y alternativa.
¿Qué significa eso? Cualquier tamaño de efecto puede ser estadísticamente significativo con una muestra lo suficientemente grande. Su trabajo es averiguar en qué punto sus colegas dirán: “¿Y qué si es significativo? ¡No afecta nada! «
¿Cómo calcular el tamaño muestral de un estudio?
Durante la preparación para un estudio, surge la pregunta del tamaño óptimo de la muestra. Si la muestra es demasiado pequeña, la prueba t pareada (también llamada prueba t dependiente) no es significativamente (incluso si el efecto realmente existe). Si la muestra es demasiado grande, desperdició el tiempo y el dinero innecesariamente. En otras palabras, tenemos que asegurarnos de que nuestro experimento tenga suficiente poder estadístico para encontrar el efecto.
Como ya se explicó con más detalle en el artículo sobre el poder estadístico, hay cuatro factores que influyen en el poder de una prueba. El tamaño de la muestra es uno de los más importantes.
Un problema al calcular el tamaño de la muestra es que tenemos que conocer el grosor del efecto. Pero, ¿cómo podemos saber el grosor del efecto si aún no hemos llevado a cabo nuestro experimento?
- Estudios similares. Una posibilidad es analizar estudios similares y mediar sus tamaños de efecto.
- Estudio piloto. Si nuestro tema aún no se ha investigado y no hay datos comparables, podemos llevar a cabo un estudio piloto con una pequeña muestra y determinar el grosor del efecto de esta muestra.
- Estimación más baja. Si las dos opciones superiores no son prácticas, podemos usar el más bajo como un grosor de efecto, que aún encontraríamos prácticamente relevante. En tales casos, potencialmente asumimos un pequeño efecto. Las recomendaciones de Cohen (1988) pueden usarse como una guía, pero esto tampoco es imprescindible. Según Cohen (1988), por ejemplo, el límite para un pequeño efecto en D = 0.2.
¿Cómo se justifica el tamaño muestral?
Un paso importante al diseñar un estudio empírico es justificar el tamaño de la muestra que se recopilará. El objetivo clave de una justificación del tamaño de la muestra para tales estudios es explicar cómo se espera que los datos recopilados proporcionen información valiosa dados los objetivos inferenciales del investigador. En este artículo general, se discuten seis enfoques para justificar el tamaño de la muestra en un estudio empírico cuantitativo: 1) recopilar datos de (casi) toda la población, 2) elegir un tamaño de muestra basado en restricciones de recursos, 3) realizar un poder A-Priori Análisis, 4) Planificación de una precisión deseada, 5) utilizando heurística, o 6) reconociendo explícitamente la ausencia de una justificación. Una pregunta importante a tener en cuenta al justificar los tamaños de muestra es qué tamaños de efecto se consideran interesantes, y la medida en que los datos que se recopilan informan inferencias sobre estos tamaños de efecto. Dependiendo de la justificación del tamaño de la muestra elegida, los investigadores podrían considerar 1) cuál es el tamaño del efecto más pequeño de interés, 2) qué tamaño de efecto mínimo será estadísticamente significativo, 3) cuáles son los tamaños que esperan (y en qué basan estas expectativas), 4) ¿Qué tamaños de efecto se rechazarían en función de un intervalo de confianza alrededor del tamaño del efecto, 5) que rangos de efectos un estudio tiene una potencia suficiente para detectar en función de un análisis de potencia de sensibilidad y 6) que se esperan tamaños del efecto en una investigación específica? área. Los investigadores pueden usar las pautas presentadas en este artículo, por ejemplo, utilizando la forma interactiva en la aplicación brillante en línea que acompaña, para mejorar la justificación del tamaño de la muestra y, con suerte, alinear el valor informativo de un estudio con sus objetivos inferenciales.
Los científicos realizan estudios empíricos para recopilar datos que ayuden a responder una pregunta de investigación. Cuantos más datos se recopilen, más informativo será el estudio con respecto a sus objetivos inferenciales. Una justificación del tamaño de la muestra debe considerar cuán informativos se darán los datos un objetivo inferencial, como estimar un tamaño de efecto o probar una hipótesis. A pesar de que a veces se solicita una justificación de tamaño de muestra en las pautas de envío de manuscritos, al enviar una subvención a un financiador o enviar una propuesta a una junta de revisión ética, el número de observaciones a menudo se afirma simplemente, pero no se justifica. Esto hace que sea difícil evaluar cuán informativo será un estudio. Para evitar que emergen tales preocupaciones cuando es demasiado tarde (por ejemplo, después de que se haya observado una prueba de hipótesis no significativa), los investigadores deben justificar cuidadosamente su tamaño de muestra antes de que se recopilen los datos.
A los investigadores a menudo les resulta difícil justificar el tamaño de su muestra (es decir, varios participantes, observaciones o cualquier combinación de la misma). En esta revisión, se discuten seis enfoques posibles que se pueden utilizar para justificar el tamaño de la muestra en un estudio cuantitativo (ver Tabla 1). Esta no es una descripción general exhaustiva, pero incluye los enfoques más comunes y aplicables para estudios individuales.1 La primera justificación es que se han recopilado datos de (casi) toda la población. La segunda justificación se centra en limitaciones de recursos, que casi siempre están presentes, pero rara vez se evalúan explícitamente. La tercera y cuarta justificaciones se basan en un poder estadístico deseado o en una precisión deseada. La quinta justificación se basa en la heurística, y finalmente, los investigadores pueden elegir un tamaño de muestra sin ninguna justificación. Cada una de estas justificaciones puede ser más fuerte o más débil dependiendo de las conclusiones que los investigadores desean extraer de los datos que planean recopilar.
Artículos Relacionados:
- Concepto de muestra estadística: definición y ejemplos
- Estadística representativa de la muestra
- El tipo de muestreo estadística más adecuado para tu encuesta
- El marco muestral perfecto para estadísticas: Cómo obtener resultados precisos
- Estadísticas de muestras grandes y pequeñas
- Reducción del tamaño de la muestra usando el símbolo de la media
