Dobór próby badawczej w pracy dyplomowej — metody i wielkość

Ankieta gotowa, promotor kiwa głową, zostaje jedno pytanie, które zaskakuje najwięcej studentów: kogo właściwie zbadać i ilu tych ludzi ma być. Odpowiedź „no, rozdam znajomym, ile się uda” kończy się uwagą recenzenta, że wyników nie da się uogólnić na nikogo poza tymi znajomymi. Dobór próby to nie formalność dopisywana na końcu metodologii. Jażdżewska stawia sprawę wprost: dobór próby badawczej jest jednym z najważniejszych etapów badania, bo od niego zależy, czy wyniki będzie można odnieść do całej zbiorowości (Jażdżewska, 2019, s. 226). Poniżej rozkładamy ten etap na części: czym różni się populacja od próby, kiedy losować, a kiedy dobierać celowo, ile osób naprawdę potrzeba i jak cały ten dobór opisać, żeby obronił się przed komisją.

Populacja, próba i jednostka: rozdziel te trzy pojęcia

Zanim zdecydujesz jak dobierać, musisz wiedzieć, z czego dobierasz. Populacja (zbiorowość statystyczna, populacja generalna) to cały zbiór obiektów, o których chcesz coś orzec, na przykład wszyscy studenci pierwszego roku Twojej uczelni albo wszystkie mikroprzedsiębiorstwa w województwie. Jednostka to pojedynczy element tego zbioru, jeden student, jedna firma. Próba to ta część populacji, którą faktycznie badasz. Jażdżewska definiuje próbę losową jako część populacji statystycznej wybraną za pomocą określonego sposobu losowania w celu zbadania własności całej populacji (Jażdżewska, 2019, s. 21).

Sens tego rozróżnienia jest praktyczny. Zbadać całą populację (badanie wyczerpujące) najczęściej się nie da, bo studentów są tysiące, a firm dziesiątki tysięcy. Badasz więc wycinek i na jego podstawie wnioskujesz o całości. To właśnie metoda reprezentacyjna: z losowo wybranej próby wnioskujesz o całej populacji, pod warunkiem że próba została dobrana tak, by odtwarzała strukturę badanej zbiorowości (Jażdżewska, 2019, s. 21). Ma to jedną konsekwencję, o której warto pamiętać już przy pisaniu wniosków. Wyniki z próby są zawsze hipotetyczne, obarczone określonymi granicami niepewności, w odróżnieniu od badania wyczerpującego, które daje stwierdzenia kategoryczne (Jażdżewska, 2019, s. 162). Dlatego w pracy nie napiszesz „62% Polaków sądzi”, jeśli badałeś 200 osób z jednego miasta. Napiszesz, że tak odpowiedziała Twoja próba, i dopiero ostrożnie odniesiesz to do szerszej grupy.

Cała ta decyzja nie wisi w próżni. Wynika z tego, kogo i po co badasz, czyli z wcześniej postawionych celu, pytań badawczych i hipotez. Jeśli pytanie dotyczy studentów kierunków ekonomicznych, populacją nie są „wszyscy studenci”, lecz studenci ekonomii, i to oni wyznaczają ramy doboru.

Dobór losowy czy celowy: dwie różne logiki

Tu przebiega główny podział. W doborze losowym o tym, kto trafi do próby, decyduje przypadek, a nie badacz. Każda jednostka populacji ma znane, niezerowe prawdopodobieństwo wyboru. Tylko taki dobór pozwala rzetelnie uogólniać wyniki na populację i liczyć błąd statystyczny. W doborze nielosowym (celowym) to badacz świadomie wybiera, kogo zbadać, kierując się dostępnością albo określonymi cechami. Jest łatwiejszy i tańszy, lecz wnioskowanie z niego jest obarczone dużo większym ryzykiem błędu (Jażdżewska, 2019, s. 21), więc wyników nie wolno bezkrytycznie przenosić na całą zbiorowość.

Wybór między nimi nie jest kwestią wygody, tylko charakteru badania. Widać to dobrze, gdy jedna badaczka stosuje oba naraz w tej samej pracy. Ratalewska w części ilościowej badania firm sięgnęła po dobór losowy z bazy CEIDG, a w części jakościowej, opartej na pogłębionych wywiadach, świadomie przeszła na dobór celowy (Ratalewska, 2020, s. 222). Logika jest prosta: badanie ilościowe ma dać liczby, które chcemy uogólnić, więc wymaga losowania; badanie jakościowe ma pogłębić zrozumienie, więc szuka przypadków najbogatszych w treść, a te wybiera się celowo.

Rodzaj doboru	Kto decyduje o składzie próby	Kiedy stosować	Czy można uogólniać
Losowy prosty	przypadek (losowanie)	badania ilościowe, znany operat	tak, z policzalnym błędem
Warstwowy	losowanie w obrębie warstw	gdy populacja dzieli się na wyraźne grupy	tak, poprawia trafność
Systematyczny	losowanie co k-ty element	uporządkowana lista jednostek	tak, przy braku ukrytego rytmu
Celowy	badacz wg cech jednostek	badania jakościowe, trudno dostępne grupy	ostrożnie, bez uogólnień
Kwotowy	badacz wg założonych proporcji	szybkie badania o zadanej strukturze	ograniczone

Techniki losowania, które faktycznie użyjesz

Losowanie nie oznacza „na oko”. Ma kilka wariantów, a wybór zależy od tego, jak wygląda Twoja lista jednostek. Wybór jednostek do próby powinien uwzględniać strukturę zbiorowości, sposób losowania i liczebność próby (Jażdżewska, 2019, s. 21).

• Losowanie proste to klasyczne „wyciąganie z kapelusza”, w praktyce generatorem liczb losowych. Każdy element ma równą szansę. Sprawdza się, gdy masz kompletną listę populacji i nie widzisz w niej wyraźnych podgrup.
• Losowanie warstwowe dzieli populację na jednorodne warstwy (na przykład roczniki albo wielkość firmy) i losuje w każdej z osobna, zwykle proporcjonalnie do jej udziału. Dzięki temu w próbie nie zabraknie żadnej ważnej grupy.
• Losowanie systematyczne polega na wybieraniu co k-tego elementu z listy. Jażdżewska pokazuje to na liście 2000 klientów biura podróży: chcąc wylosować 100 osób, bierzesz co 20. nazwisko, bo 2000 podzielone przez 100 daje krok równy 20 (Jażdżewska, 2019, s. 22). Gdy wielkość próby podajesz w procentach, liczysz najpierw odsetek, potem interwał. Dla 15% z 2000 wychodzi 300 osób i krok 6,7, który zaokrąglasz w górę, więc losujesz co 7. osobę aż do skompletowania listy (Jażdżewska, 2019, s. 22).

Jedno ostrzeżenie do systematycznego: jeśli lista ma ukryty rytm zgodny z krokiem losowania, próba się wypaczy. Przy liście ułożonej naprzemiennie kobieta–mężczyzna i parzystym kroku wylosujesz samą jedną płeć. W takim wypadku bezpieczniejsze jest losowanie proste albo warstwowe. Dobór próby to jeden z etapów uporządkowanego procesu badawczego, w schemacie Jażdżewskiej krok siódmy z czternastu, wykonywany dopiero po sformułowaniu problemu, przeglądzie literatury i postawieniu hipotez (Jażdżewska, 2019, s. 224). Jak ułożyć wcześniejsze etapy, opisaliśmy w tekście o metodologii badań.

Ile osób wystarczy: problem wielkości próby

To pytanie zadaje sobie każdy dyplomant i nie ma na nie jednej magicznej liczby. Wielkość próby zależy od wielkości populacji, przyjętego poziomu ufności, dopuszczalnego błędu i zróżnicowania badanej cechy. Zamiast zgadywać, warto sięgnąć po kalkulator wielkości próby albo gotowe tablice, które podają liczebność dla zadanych parametrów. Dla dużych populacji przy typowych założeniach (poziom ufności 95%, błąd 5%) potrzebna próba stabilizuje się w okolicach czterystu jednostek i nie rośnie już proporcjonalnie do populacji.

W badaniu jakościowym logika jest odwrotna: nie gonisz za liczbą, tylko za nasyceniem. Dobierasz kolejne przypadki, aż nowe wywiady przestają wnosić nowe wątki, i wtedy przestajesz, bez z góry ustalonego pułapu. Tak właśnie postąpiła Ratalewska, dobierając firmy do wywiadów aż do nasycenia kategorii teoretycznych, bez wiążących założeń co do liczby przypadków (Ratalewska, 2020, s. 222).

Jest też subtelniejszy powód, dla którego bardzo małe próby psują statystykę, i wart jest jednego zdania nawet w licencjacie. W zaawansowanych metodach doboru pojawia się tak zwany problem zaokrągleń: skoro wielkość próby musi być liczbą całkowitą, przy małej próbie pewnych struktur po prostu nie da się odtworzyć. Kozłowski ilustruje to populacją dziesięciu jednostek o wartościach od 1 do 10, z której chcemy pobrać próbę trzyelementową, tak by średnia z próby równała się średniej populacji, czyli 5,5. Żadna trójka nie da tego wyniku, bo suma musiałaby wynieść 16,5, a przy liczbach całkowitych to niemożliwe (Kozłowski, 2016, s. 53). Ten sam autor dodaje pocieszenie: problem zaokrągleń staje się mało znaczący wraz ze wzrostem liczebności próby (Kozłowski, 2016, s. 53). Praktyczny wniosek dla dyplomanta jest prosty. Im większa i uczciwiej dobrana próba, tym wierniej odwzorowuje populację, a drobne niedokładności doboru rozmywają się w liczbach.

Jak opisać dobór próby w pracy

Sam dobór to połowa roboty. Druga połowa to opisanie go tak, żeby czytelnik mógł ocenić, na ile ufać wynikom. Dobry opis odpowiada na cztery pytania: jaka była populacja, jaką metodą dobrano próbę, ile jednostek zbadano i jakie kryteria musiały spełnić. Wzorem niech będą prace, które robią to jawnie.

Ratalewska podała nie tylko metodę, ale i cały lejek selekcji. Dobór był losowy, z bazy CEIDG według kodów PKD wylosowano 100 tysięcy przedsiębiorstw, ankieterzy wykonali 3796 połączeń telefonicznych, ostatecznie zbadano 2595 firm, z których 984 nie spełniało kryteriów udziału (Ratalewska, 2020, s. 134). Co ważne, autorka nie poprzestała na deklaracji losowości, tylko ją sprawdziła testem serii Walda–Wolfowitza z hipotezą zerową „dobór jednostek do próby jest losowy”; przy poziomie istotności 0,05 wyniki wahały się od 0,051 do 0,975, co potwierdziło losowość dla kluczowych zmiennych (Ratalewska, 2020, s. 135).

Nie każde badanie stać na losowanie z rejestru i nie zawsze jest ono właściwe. Zalega przy badaniu zachowań konsumenckich seniorów zastosował procedurę doboru celowo-kwotowego na próbie 2537 gospodarstw domowych, do której trafiły osoby powyżej 65. roku życia podejmujące suwerenne decyzje nabywcze (Zalega, 2018, s. 111). Opis próby uzupełnił jej charakterystyką, bo bez tego liczby wiszą w próżni: kobiety stanowiły 71% badanych, najliczniejszą grupą były osoby w wieku 65–74 lata, a najsilniej reprezentowane było wykształcenie średnie, którym legitymowało się blisko dwie piąte ankietowanych (Zalega, 2018, s. 112). Tego rodzaju metryczkę próby recenzent sprawdza w pierwszej kolejności, dlatego warto ją podać zwięźle i konkretnie. Jak z takich danych zbudować później rozdział analityczny, pokazujemy w tekście o analizie wyników badań.

W badaniach jakościowych opis wygląda inaczej, lecz musi być równie uczciwy. Polkowska badała motywacje pracowników platformowych i napisała wprost, że dobór miał charakter celowy, kierowany dostępnością respondentów (kryterium dogodności), przy jednoczesnym staraniu o maksymalną różnorodność badanych pod względem typu platformy i stażu (Polkowska, 2024, s. 109). Zamiast udawać reprezentatywność, której w takim badaniu nie ma, autorka nazwała ograniczenie po imieniu. To silniejsza strategia niż zamiatanie doboru pod dywan.

Można też połączyć oba światy w jednym raporcie, jeśli badanie tego wymaga. Zespół „Diagnozy Młodzieży 2026” oparł część ilościową na ankiecie internetowej CAWI z udziałem 5007 respondentów, w tym na próbach reprezentatywnych młodzieży w wieku 15–18 lat (N=514) i 19–29 lat (N=511) oraz rodziców (N=1008), a osobno na próbach celowych obejmujących między innymi pracowników instytucji (łącznie N=2974), całość uzupełniając badaniami jakościowymi z 99 uczestnikami (Diagnoza Młodzieży 2026, 2026, s. 26). Widać tu, że próba reprezentatywna i próba celowa nie są wrogami, tylko narzędziami do różnych celów w obrębie jednego projektu.

Najczęstsze błędy przy doborze próby

Kilka wpadek wraca w pracach regularnie, a każda z nich osłabia wnioski.

• Mylenie próby dostępnej z reprezentatywną. Ankieta rozesłana wśród znajomych na grupie kierunkowej to dobór celowy, nie losowy. Wolno z niego korzystać, ale nie wolno pisać, że wyniki dotyczą „studentów w Polsce”.
• Nazywanie próby losową bez losowania. Jeśli sam wybierałeś, kogo zapytać, to nie jest losowanie, choćby wyszło różnorodnie. Losowość, jeśli ją deklarujesz, wypada sprawdzić, tak jak zrobiła to Ratalewska testem serii (Ratalewska, 2020, s. 135).
• Zbyt mała próba przy ambicji uogólnienia. Trzydzieści ankiet nie opisze populacji liczącej dziesiątki tysięcy. Przy takiej skali skromniej dobierz cel badania albo dobierz większą próbę.
• Brak opisu doboru. Rozdział, który podaje procenty, ale przemilcza, kogo i jak dobrano, każe czytelnikowi wierzyć na słowo. Podaj populację, metodę, liczebność i kryteria.
• Uogólnianie z badania jakościowego. Osiem wywiadów daje głębię, nie statystykę. Wnioski formułuj w kategoriach zrozumienia zjawiska, nie odsetków dla całej grupy.

Poziom magisterski podnosi tu poprzeczkę, bo rozdział metodologiczny bywa oceniany osobno i szczegółowo. Rozpisane wzory opisu doboru próby i całej metodologii znajdziesz w poradniku na praca-magisterska.pl.

Podsumowanie

Dobór próby przesądza o tym, czy Twoje wyniki mówią coś o świecie, czy tylko o garstce osób, które akurat udało się zapytać. Zacznij od jasnego określenia populacji, dobierz metodę do typu badania (losową, gdy chcesz uogólniać liczbowo, celową, gdy szukasz głębi), ustal wielkość próby świadomie zamiast „ile się uda”, a na końcu opisz cały dobór tak, by ktoś inny mógł go ocenić i powtórzyć. Jak przypomina Jażdżewska, to od doboru próby zależy, czy wyniki będzie można uogólnić na całą zbiorowość (Jażdżewska, 2019, s. 226), więc te kilka akapitów metodologii waży więcej niż wygląda.