تحقیق ترکیبی در R

در کار خود اغلب با نیاز به انجام یک مطالعه ترکیبی روبرو هستم. در فوریه امسال، من یک نظرسنجی از کاربران یک برنامه تبلیغاتی بزرگ انجام دادم – در این مطالعه برای من بسیار مهم بود که کاربران در تمام سنین را در نظر بگیرم. صادقانه بگویم از تجربه من در نظرسنجی های این برنامه، من قبلاً می دانم که مشتریان میانسال برای ارتباط با مدیران خدمات بیشتر از ایمیل استفاده می کنند و مشتریان 20-30 ساله بیشتر از پیام رسان ها برای این کار استفاده می کنند. بنابراین مجبور شدم برای انجام درست نظرسنجی از دو کانال ارتباطی استفاده کنم.

در نگاه اول به نظر می رسد که در تحقیق ترکیبی مشکلی وجود ندارد، اما امروز می خواهم نظرات و تجربیات خود را در مورد این موضوع به اشتراک بگذارم.

نظرسنجی‌های حالت مختلط می‌توانند شامل استفاده از روش‌های متعدد جمع‌آوری داده‌ها، مانند نظرسنجی آنلاین، مصاحبه تلفنی، مصاحبه حضوری یا پرسشنامه کاغذی باشند.

در حالی که نظرسنجی های حالت مختلط از نظر افزایش نرخ پاسخ و پوشش نمونه بهبود یافته مزایایی را ارائه می دهند، آنها می توانند سوگیری حالت مختلط را معرفی کنند که به تفاوت های سیستماتیک در پاسخ ها در حالت های مختلف نظرسنجی اشاره دارد. در اینجا چند رویکرد وجود دارد که برای رسیدگی به سوگیری حالت مختلط در نظرسنجی ها استفاده می کنم:

1. تصادفی سازی تخصیص حالت. اول از همه، بهتر است شرکت‌کنندگان را به‌طور تصادفی به حالت‌های مختلف نظرسنجی اختصاص دهید، زیرا این امر می‌تواند با اطمینان از اینکه تفاوت‌های مشاهده‌شده در پاسخ‌ها به طور سیستماتیک به نحوه جمع‌آوری داده‌ها مرتبط نیست، به کاهش سوگیری کمک می‌کند. این رویکرد به به حداقل رساندن سوگیری های انتخابی کمک می کند و امکان مقایسه های بی طرفانه در بین حالت ها را فراهم می کند.

2. تجزیه و تحلیل اثر حالت. پس از مرحله جمع‌آوری داده‌ها، ارزش آن را دارد که تجزیه و تحلیل اثر حالت انجام شود – این شامل مقایسه پاسخ‌ها در حالت‌های مختلف برای شناسایی و تعیین کمیت تفاوت‌ها است. محققان می توانند بررسی کنند که آیا تغییرات سیستماتیک در پاسخ ها بر اساس حالت مورد استفاده وجود دارد یا خیر و میزان و جهت این اثرات را ارزیابی کنند. با درک اثرات حالت، می توان تنظیمات مناسب را در طول تجزیه و تحلیل و تفسیر داده ها انجام داد.

3. کالیبراسیون و تنظیمات آماری. من همیشه از تکنیک های آماری برای کالیبره کردن یا تنظیم افکت های حالت استفاده می کنم. این شامل توسعه مدل‌های آماری است که تفاوت‌های مشاهده‌شده در بین حالت‌ها را محاسبه می‌کند و تنظیمات مناسب را در داده‌های نظرسنجی اعمال می‌کند. این تنظیمات می تواند به به حداقل رساندن سوگیری و اطمینان از تخمین دقیق تر پارامترهای جمعیت کمک کند.

4. وزن دهی پس از نظرسنجی وزن دهی پس از نظرسنجی شامل اعمال وزن های نظرسنجی برای تنظیم نرخ پاسخ های تفاضلی و سوگیری های بالقوه مرتبط با حالت است. این وزن ها را می توان بر اساس ویژگی های شناخته شده جمعیت (مانند مثال من با یک برنامه تبلیغاتی) محاسبه کرد یا از منابع داده کمکی مشتق شد. با اعمال وزن‌ها، محققان می‌توانند اطمینان حاصل کنند که نتایج نظرسنجی نشان‌دهنده جمعیت هدف است و تفاوت‌ها در الگوهای پاسخ خاص حالت را در نظر می‌گیرد.

البته تکنیک های دیگری مانند آنالیز حساسیت یا تخمین اثر ترتیب وجود دارد، اما در عمل من چندان مفید نبودند. با به کارگیری این استراتژی ها و توجه به تعصب حالت مختلط بالقوه، محققان می توانند تاثیر اثرات حالت را به حداقل برسانند و نتایج نظرسنجی دقیق و قابل اعتمادتری را به دست آورند.

بنابراین هنگام کار با روش تحقیق ترکیبی از چه ابزارهایی استفاده می کنم؟ کتابخانه های R مورد علاقه من برای روش ترکیبی و مراحل مورد نیاز به شرح زیر است:

برای اندازه گیری تعصب حالت مختلط:

1. آزمایش تصادفی:

• به طور تصادفی شرکت کنندگان را به حالت های مختلف اختصاص دهید: آنلاین، تلفنی، حضوری.
• تفاوت در پاسخ ها را با استفاده از آزمون های آماری مناسب (مثلاً آزمون t، ANOVA) تجزیه و تحلیل کنید.

2. بررسی های موازی:

• انجام نظرسنجی های موازی با استفاده از حالت های مختلف.
• پاسخ ها را با استفاده از تجسم یا آزمون های آماری مقایسه کنید.

برای اصلاح تعصب حالت مختلط:

1. تنظیم امتیاز تمایل: از یک بسته استفاده کنید MatchIt برای تخمین نمرات تمایل نمرات تمایل را به عنوان متغیرهای کمکی در تجزیه و تحلیل خود بگنجانید.
2. پس از طبقه بندی: جمع آوری داده های جمعیت شناختی برای جمعیت مورد نظر. استفاده کنید survey بسته ای برای پس از طبقه بندی نتایج نظرسنجی بر اساس توزیع جمعیت.
3. وزن کالیبراسیون: از survey بسته ای برای اعمال وزن کالیبراسیون بر اساس ویژگی های شناخته شده جمعیت.