Jedno univerzální číslo neexistuje. U kvantitativního výzkumu se pro velkou populaci při 95% hladině spolehlivosti a přípustné chybě ±5 % zpravidla uvádí rozsah kolem 400 respondentů, při chybě ±10 % stačí přibližně 100. U kvalitativního výzkumu respondenty nepočítáš, ale sleduješ teoretickou saturaci. Konkrétní číslo závisí na typu výzkumu, na přesnosti, kterou potřebuješ, a na homogenitě populace.
Základní soubor a výběrový soubor: jaký je rozdíl
Tohle rozlišení musíš mít v hlavě dřív, než začneš sbírat data.
Základní soubor (populace) jsou všichni lidé, na které se mají tvoje výsledky vztahovat. Pokud píšeš o motivaci žáků sedmých tříd v Česku, základní soubor tvoří všichni sedmáci v ČR.
Výběrový soubor (výzkumný vzorek) jsou konkrétní lidé, které jsi skutečně oslovil. Sociologická encyklopedie Sociologického ústavu AV ČR jej definuje jako část základního souboru, která slouží jako jeho statistická reprezentace.
Rozdíl je důležitý i prakticky. V metodologické kapitole musíš nejdřív definovat populaci a teprve potom popsat, jak jsi z ní vybíral. Když první krok přeskočíš, komise nemá s čím tvůj vzorek porovnat.
Co znamená reprezentativní vzorek
Reprezentativní vzorek je zmenšenina základního souboru. Má stejné podstatné znaky jako populace, jen v menším počtu. Stejně to popisuje i Centrum pro výzkum veřejného mínění (CVVM): reprezentativní soubor je zmenšeninou celé populace, která se od ní neliší v podstatných parametrech. Když je vzorek reprezentativní, můžeš výsledky opatrně zobecňovat na celou populaci.
Reprezentativnost ovlivňují dvě věci najednou: rozsah vzorku a způsob výběru. Malý výběr reprezentativnost neumožní. Platí to ale i naopak. Velký vzorek nabraný špatným způsobem, třeba tisíc odpovědí z jedné facebookové skupiny, reprezentativní nebude.
Většina bakalářských a diplomových prací reprezentativního vzorku ve statistickém smyslu nedosáhne. To není automaticky chyba. Chybou je tvrdit opak.
Jak se vybírají respondenti
Metody výběru se dělí na dvě skupiny. U pravděpodobnostních výběrů má každý člen populace známou, nenulovou šanci dostat se do vzorku. U nepravděpodobnostních výběrů tuhle šanci neznáš, a proto se výsledky nedají statisticky zobecnit na celou populaci.
| Metoda výběru | Jak funguje | Kdy se hodí | Zobecnitelnost |
|---|---|---|---|
| Náhodný (prostý) | losování nebo generátor náhodných čísel ze seznamu celé populace | kvantitativní výzkum, když máš seznam populace | nejvyšší |
| Stratifikovaný | populaci rozdělíš podle znaků (věk, pohlaví, ročník, kraj) a z každé vrstvy losuješ | když potřebuješ zachovat proporce znaků jako v populaci | vysoká |
| Systematický | ze seřazeného seznamu vybíráš každý k-tý prvek | když máš seznam bez skrytého řazení | vysoká |
| Záměrný (účelový) | vybíráš podle kritérií, která sis sám definoval a zdůvodnil | kvalitativní výzkum, specifické skupiny | jen na zkoumanou skupinu |
| Dostupný | pracuješ s tím, ke komu máš přístup (jedna třída, jedna firma) | když náhodný výběr není možný | nejnižší |
| Sněhová koule | jeden respondent tě odkáže na dalšího | těžko dostupné nebo skryté populace | jen na zkoumanou síť |
U stratifikovaného výběru dodržuješ proporce. Pokud je v základním souboru 52 % žen a 48 % mužů, stejný poměr musí být i ve tvém vzorku. Na podobném principu stojí i průzkumy veřejného mínění: CVVM například sestavuje svůj soubor kvótním výběrem podle pohlaví, věku, vzdělání, kraje a velikosti obce.
Dostupný výběr je v závěrečných pracích nejčastější, protože je proveditelný. Neber ho jako chybu, ale ani nepředstírej, že jde o náhodný výběr. Z hlediska zobecnitelnosti je to nejslabší varianta: závěry se budou týkat jen zkoumaných osob a míst.
Pokud si teprve vybíráš přístup a metody, začni článkem o metodologii a metodách výzkumu.
Na čem závisí potřebná velikost vzorku
Velikost vzorku není věc pocitu. Určují ji čtyři faktory.
Typ výzkumu. Kvantitativní výzkum potřebuje dost dat na statistické testy. Kvalitativní výzkum potřebuje dost hloubky, ne dost lidí.
Požadovaná přesnost. Čím menší chybu si dovolíš, tím víc respondentů potřebuješ. Rozdíl mezi ±10 % a ±5 % znamená zhruba čtyřnásobek vzorku.
Homogenita populace. Pokud jsou si lidé v populaci podobní, stačí jich méně. U velmi různorodé populace potřebuješ víc respondentů, abys zachytil rozptyl.
Počet proměnných a podskupin. Tohle studenti podceňují nejčastěji. Pokud chceš porovnávat muže a ženy ve třech věkových skupinách, potřebuješ dostatek respondentů v každé z těch šesti buněk, ne jen v celkovém součtu. Stejně tak platí, že čím víc proměnných zkoumáš, tím větší vzorek je potřeba.
Pokud pracuješ s hypotézami, velikost vzorku rozhoduje o tom, jestli vůbec budeš mít statistickou sílu je otestovat. Víc o tom, jak je správně postavit, najdeš v článku o hypotézách a výzkumných otázkách.
Kvantitativní výzkum: jak se velikost vzorku počítá
Princip je jednodušší, než se zdá. Předem si stanovíš dvě čísla:
- Hladinu spolehlivosti (běžně 95 %), tedy jak často by interval zachytil skutečnou hodnotu v populaci.
- Přípustnou chybu, tedy jak široký interval kolem výsledku ti stačí (například ±5 %).
Z těchto dvou vstupů se dopočítá minimální rozsah vzorku. Klasický vzorec pro podíl uvádí Glenn D. Israel v metodické publikaci Determining Sample Size z University of Florida (IFAS Extension) ve tvaru n = Z²pq / e² (pro velkou nebo neznámou populaci), kde Z odpovídá zvolené hladině spolehlivosti, p je předpokládaný podíl zkoumaného znaku, q je hodnota 1 minus p a e je přípustná chyba.
Tatáž publikace uvádí pro velkou populaci při 95% hladině spolehlivosti orientační rozsahy: při chybě ±5 % přibližně 400 respondentů, při ±7 % přibližně 204 a při ±10 % přibližně 100.
Pokud je populace konečná a není příliš velká, potřebné číslo se snižuje. Israel proto připojuje i tabulku pro konečné populace: při základním souboru 500 osob vychází při chybě ±5 % vzorek 222 respondentů, při 1 000 osobách 286 a při 10 000 osobách 385. Podobné tabulky ber jen jako orientační minimum, různé zdroje totiž používají mírně odlišné vzorce a zaokrouhlení.
Ručně to počítat nemusíš. Volně dostupná kalkulačka velikosti vzorku pro podíl v populaci od britské statistické společnosti Select Statistical Services zohlední i velikost populace. Při populaci 10 000, 95% spolehlivosti a chybě ±5 % vrací potřebný vzorek 370 respondentů. Že je to o pár respondentů méně než v tabulce výše, je dané jen odlišným výpočtem, na řádové orientaci to nic nemění.
Pro představu: výzkumy veřejného mínění CVVM pracují s reprezentativním souborem kolem 1 000 respondentů a i při tomto rozsahu počítají s výběrovou chybou zhruba tří procentních bodů. Kvalifikační práce takové rozsahy obvykle nemívají, a proto je i zobecnitelnost jejich zjištění menší.
Kvalitativní výzkum: místo počtu teoretická saturace
U rozhovorů, ohniskových skupin či případových studií nemá smysl počítat procenta. Kritériem je teoretická saturace: bod, ve kterém už další rozhovor nepřináší novou kategorii ani nový poznatek, jen potvrzuje to, co už máš.
Saturaci proto nevyhlašuješ dopředu, ale dokládáš. V práci popiš, po kterém rozhovoru se nová témata přestala objevovat, a ukaž to na kódování.
Orientační čísla existují. Systematický přehled empirických testů saturace od Monique Hennink a Bonnie N. Kaiser, publikovaný v roce 2022 v časopise Social Science & Medicine, zjistil, že studie dosahovaly saturace v úzkém rozmezí 9 až 17 rozhovorů nebo 4 až 8 ohniskových skupin. Autorky zároveň upozorňují, že tyto rozsahy platí hlavně pro poměrně homogenní skupiny a úzce vymezené cíle výzkumu.
U heterogenní skupiny nebo širokého tématu tedy počítej s více rozhovory.
Co dělat, když je návratnost dotazníku nízká
Návratnost je podíl vyplněných dotazníků k rozeslaným. Rozešleš 500, vrátí se 320, návratnost je 64 %.
Jednoznačná minimální hranice se určit nedá. Obecně ale platí, že čím nižší návratnost, tím menší výpovědní hodnotu data mají. A nejde jen o počet, ale i o strukturu: ti, kdo odpověděli, by měli mít podobné složení jako ti, které jsi oslovil. Pokud dotazník vyplnili jen ti nejmotivovanější, výsledky budou zkreslené bez ohledu na to, kolik jich přišlo. Sociologická encyklopedie k tomu připomíná, že návratnost i validitu šetření příznivě ovlivňuje už samotná vhodná výstavba dotazníku.
Když ti data nestačí, postupuj takhle:
- Pošli zdvořilou připomínku po týdnu a případně ještě jednu později. U papírových dotazníků pomáhá i průvodní dopis, který vysvětlí cíl výzkumu a poděkuje respondentovi za čas.
- Zkrať dotazník. Příliš dlouhé, nejasné nebo příliš osobní otázky patří spolu s nezaručenou anonymitou k nejčastějším důvodům nízké návratnosti.
- Rozšiř kanály. Doplň další školu, další oddělení, další skupinu, ale nový zdroj respondentů popiš v metodologii.
- Přeformuluj rozsah zobecnění. Pokud máš místo plánovaných 400 odpovědí 120, nepiš o „postojích českých učitelů". Piš o postojích učitelů z konkrétních oslovených škol.
- Přiznej to v limitech. Nízká návratnost uvedená a vysvětlená v omezeních výzkumu je mnohem menší problém než nízká návratnost zamlčená.
Jak dotazník postavit, aby ti lidé odpovídali, rozebírá samostatný článek o dotazníku pro závěrečnou práci.
Jak vzorek popsat a obhájit v metodologické kapitole
Komise nehodnotí, jestli máš velký vzorek. Hodnotí, jestli rozumíš tomu, co tvůj vzorek dovoluje tvrdit. Do textu proto uveď šest věcí:
- Definici základního souboru. Kdo přesně je populace a jak je velká.
- Metodu výběru a její zdůvodnění. Ne „vybral jsem 120 respondentů", ale „použil jsem dostupný výběr na třech středních školách, protože seznam všech učitelů v kraji nebyl přístupný".
- Kritéria zařazení a vyřazení. Kdo se do vzorku mohl dostat a kdo ne.
- Výslednou strukturu vzorku. Počty a podíly podle relevantních znaků, nejlépe v tabulce.
- Průběh sběru. Kdy, kde, jakým kanálem, kolik oslovených a kolik odpovědí.
- Limity. Co tvůj vzorek neumožňuje. Například že se závěry vztahují jen na zkoumané školy.
Limity ukazují, že víš, kde je hranice tvých dat. Práce, která tvrdí méně a podloží to, se obhajuje snáz než práce, která tvrdí hodně a nepodloží nic.
Jak se popis vzorku propojuje se zbytkem empirické části, najdeš v článku o praktické části závěrečné práce. Pokud potřebuješ odborné podklady k metodologické kapitole nebo zpětnou vazbu na návrh vzorku, můžeš si u nás zadat objednávku.
Nejčastější chyby u výzkumného vzorku
- Vzorek bez definované populace. Bez základního souboru nemá reprezentativnost smysl.
- Dostupný výběr vydávaný za náhodný. Rozeslání dotazníku na sociálních sítích není náhodný výběr.
- Zobecňování nad rámec dat. Sto studentů jedné fakulty nejsou „čeští studenti".
- Velikost vzorku určená zpětně. Rozsah si stanovíš před sběrem, ne podle toho, kolik odpovědí přišlo.
- Ignorování podskupin. Celkem 150 respondentů může stačit, ale když je rozdělíš do osmi buněk, v některých zůstane pět lidí.
- Saturace jen konstatovaná. U kvalitativního výzkumu nestačí napsat, že saturace nastala. Musíš ukázat, na základě čeho.
- Chybějící limity. Kapitola bez omezení výzkumu působí méně důvěryhodně, ne víc.
Často kladené otázky
Kolik respondentů potřebuji do bakalářské práce?
Univerzální norma neexistuje. Rozsah se odvíjí od typu výzkumu, velikosti populace a požadované přesnosti. Kvalifikační práce obvykle nepracují s rozsahy celostátních šetření, a proto je zobecnitelnost jejich zjištění menší, s tím počítej při formulaci závěrů. Konkrétní očekávání si vždy ověř u vedoucího práce a v metodických pokynech katedry.
Je 50 respondentů málo?
Záleží na tom, co s nimi chceš dělat. Na deskriptivní popis malé, jasně vymezené skupiny může 50 odpovědí stačit. Na testování hypotéz s více podskupinami je to obvykle málo, protože v jednotlivých buňkách zůstane příliš málo lidí. Vždy záleží na tom, jak silná tvrzení chceš z toho čísla vyvozovat.
Kolik rozhovorů stačí u kvalitativního výzkumu?
Kritériem je teoretická saturace, ne počet. Systematický přehled Hennink a Kaiser (2022) zjistil, že zkoumané studie dosahovaly saturace při 9 až 17 rozhovorech nebo 4 až 8 ohniskových skupinách, hlavně pokud šlo o homogenní skupiny a úzce vymezené cíle. U různorodé skupiny nebo širšího tématu počítej s vyšším počtem a saturaci v práci dolož.
Jak vypočítám velikost vzorku, když neznám velikost populace?
U velmi velké nebo neznámé populace se její velikost z výpočtu vypouští a pracuje se jen s hladinou spolehlivosti a přípustnou chybou. Publikace Determining Sample Size (University of Florida, IFAS Extension) uvádí pro velkou populaci a 95% hladinu spolehlivosti přibližně 400 respondentů při chybě ±5 % a přibližně 100 při chybě ±10 %. Podobná čísla dostaneš i v běžných online kalkulačkách velikosti vzorku.
Musí být vzorek v závěrečné práci reprezentativní?
Nemusí, pokud to neslibuješ. Většina bakalářských a diplomových prací pracuje s dostupným nebo záměrným výběrem a to je legitimní. Podmínkou je, abys způsob výběru pravdivě popsal a závěry formuloval jen v rozsahu, který tvůj vzorek dovoluje. Problém nastává až ve chvíli, kdy nereprezentativní vzorek prezentuješ jako reprezentativní.
Můžu během výzkumu změnit velikost nebo složení vzorku?
Ano, ale musíš to zdokumentovat. Pokud jsi původně plánoval 300 respondentů a získal 140, nebo jsi doplnil další školu, popiš původní plán, důvod změny a výslednou strukturu vzorku. Nezdokumentovaná změna vzorku je metodologická chyba. Zdokumentovaná změna je běžná součást výzkumné praxe.