حجم نمونه در پژوهش های غیراحتمالی مبتنی بر اهداف و قدرت پیش بینی کنندگی

تعیین حجم نمونه در نمونه گیری غیراحتمالی، به دلیل نبود مبانی ریاضی احتمالی، همواره چالشی اساسی بوده است. این مقاله با معرفی چارچوب نوین تعیین حجم نمونه مبتنی بر اهداف مدل سازی و قدرت پیش بینی، پارادایم استنتاج را از جمعیت مبنا به مدل مبنا تغییر می دهد. در این رویکرد، حجم نمونه بر اساس حداقل اندازه لازم برای بهینه سازی عملکرد مدل، تشخیص روابط معنادار و دستیابی به پیش بینی تعمیم پذیر تعریف می شود. چارچوب پیشنهادی با تلفیق شبیه سازی پیشرفته و تحلیل توان آماری، و با اتکا به بسته های تخصصی نرم افزار R، راهکاری نظام مند و عملی برای ارتقای اعتبار و استانداردسازی پژوهش های غیراحتمالی ارائه می کند. اگرچه مطالعه شبیه سازی کارایی این روش را در سناریویی واقع گرایانه نشان می دهد، اما وابستگی آن به داده های کمکی معتبر و دانش پیشین از پارامترهای مدل، محدودیت اصلی کاربرد آن به شمار می رود.

کلیدواژه ها:

Non-probability sampling‎ ، ‎Sample size determination‎ ، ‎Monte Carlo simulation‎ ، ‎Model-based inference‎. ، نمونه گیری غیراحتمالی ، تعیین حجم نمونه ، شبیه سازی مونت کارلو ، استنتاج مدل محور.