La delimitazione
del campo di indagine:
il campionamento e il caso studio
Al termine di questa sessione dovresti essere in grado di:
• comprendere la procedura del campionamento e i suoi obiettivi
• comprendere la logica dei metodi di campionamento probabilistici e non probabilistici
• distinguere i diversi tipi di campionamento probabilistico e non probabilistico
• comprendere la differenza tra campione e caso studio
Lo staff del Servizio Sociale Professionale in collaborazione con l’URP del Comune di (…) ha ricevuto diverse segnalazioni sulla qualità inadeguata dei servizi di ristorazione scolastica.
> Si tratta di casi isolati oppure sono il segnale emergente di un fenomeno diffuso?
Abbiamo bisogno di informazioni che siano effettivamente generalizzabili all’intera popolazione di riferimento, ma non abbiamo modo di intervistare le famiglie di tutti gli studenti.
Campionamento
Processo attraverso il quale si estrae da un insieme di unità costituenti l’oggetto di studio (la popolazione), un numero ridotto di casi (campione) scelti con criteri tali da consentire la generalizzazione all’intera popolazione dei risultati (Corbetta 2003, IV, p. 14).
Il termine “popolazione” evoca un insieme di esseri umani, ma nelle scienze sociali fa riferimento a un qualsiasi insieme di unità di analisi (persone, abitazioni, eventi, ecc.).
Si attinge alla tecnica del campionamento in quanto consente di ottenere vantaggi:
- di costo - di tempo - organizzativi
- di approfondimento e accuratezza
Rare sono invece le ricerche che si basano su una strategia censuaria, che include tutti i casi dell’universo.
Persino i censimenti nazionali tendono oggi ad includere sempre più strategie di campionamento, almeno su un nucleo più ristretto di variabili.
Livello di fiducia (il risultato non è certo, ma probabile)
Metodi di campionamento
Sono diverse le strategie utilizzabili per fare in modo che il campione rifletta le caratteristiche della popolazione.
La distinzione più importante è tra metodi probabilistici e non probabilistici.
1. Metodi probabilistici
Consentono l’inferenza, ossia la generalizzazione dei risultati all’intero universo.
Per questo motivo sono preferibili rispetto ai metodi non probabilistici.
I casi vengono scelti in modo che sia nota in anticipo la probabilità che ciascun caso ha di essere incluso nel campione.
Il fatto di operare su un insieme ridotto di casi rispetto alla popolazione di riferimento introduce un importante limite: l’indagine campionaria non fornisce valori esatti, come accadrebbe in un’indagine censuaria, bensì stime, ovvero valori approssimati.
Ad es., in base ad una rilevazione censuaria si può rilevare che “il reddito medio della popolazione è di € 1.475 mensili”; in base a una rilevazione campionaria, invece, il risultato è espresso nei seguenti termini:
“si rileva il 95% di probabilità che il reddito medio mensile
della popolazione è di € 1.450 ± 1500”
Intervallo di confidenza (l’entità del risultato può
oscillare tra valori minimi e massimi)
In altri termini, la stima del campione è sempre affetta da un errore di campionamento.
Il Valore (sconosciuto) del parametro della popolazione (media, proporzione,
correlazione) è costituito dalla somma tra il valore rilevato nel campione (cioè la sua stima) e l’errore di campionamento:
parametro della V
popolazione = v
stima del
campione ± e
errore di campionamento L’errore è tanto più grande:
- quanto più elevato è il livello di fiducia che il ricercatore vuole avere nella sua stima - quanto più è la variabilità della variabile studiata
- quanto minore è l’ampiezza del campione Quanto grande deve essere il campione?
L’ampiezza del campione è direttamente proporzionale al livello di fiducia desiderato per la stima e alla variabilità del fenomeno, ed inversamente proporzionale all’errore che il ricercatore è disposto ad accettare.
Da notare è che l’ampiezza del campione non è proporzionale alla numerosità della popolazione. Ad es. un campione di 1.000 casi può essere sufficiente per stime con la stessa precisione sia per una popolazione di 10.000 o 100.000 abitanti.
Campionamento casuale semplice
Un campione casuale semplice è un campione in cui ogni individuo della popolazione ha la stessa probabilità di essere scelto. Per es., se la popolazione è costituita da 500 unità, ciascuna ha lo 0,2% di probabilità di essere estratta
È la più semplice tecnica di selezione di un campione e richiede:
- una lista completa dei casi della popolazione di riferimento
- una tavola di numeri casuali con cui fare l’estrazione (generabile ad esempio tramite excel, ad es. “=CASUALE.TRA(x;y)” o tramite diverse app disponibili sul web);
La selezione del campione può essere fatta in due modi:
- con reimmissione: ciascun elemento della popolazione è disponibile ad ogni estrazione. In questo modo un elemento può essere nuovamente estratto in una successiva estrazione
- senza reimmissione. Ciascun elemento, una volta selezionato, non viene rimesso nella popolazione e non può più essere scelto di nuovo. In questo modo però i casi non hanno tutti la stessa probabilità di essere estratti, perché si altera la composizione del campione dopo ogni estrazione.
Questo tipo di campionamento è utile quando la popolazione di riferimento è omogenea rispetto alle variabili di interesse
Campionamento sistematico
È un tipo particolare di campionamento casuale semplice, dove le unità campionarie non sono selezionate tramite sorteggio ma attraverso una procedura sistematica, una procedura prefissata: si scorre la lista delle unità e se ne seleziona una ad ogni intervallo.
Questo metodo assicura anche che le singole unità del campione siano distribuite uniformemente all’interno della popolazione.
Esempio della procedura:
1. Il numero totale di casi della popolazione viene diviso per il numero di casi del campione. Il risultato dà l’intervallo di campionamento.
Se devo estrarre un campione di 250 persone da una popolazione di 1.000:
1.000/250=4.
2. Scorrendo la lista della popolazione includerò 1 caso ogni 4, a partire dal primo incluso nel campione. (E se l’intervallo di campionamento non corrisponde ad un numero intero?)
L’utilità di questa tecnica di campionamento non sta tanto nella semplificazione della procedura di estrazione, ma nel fatto che permette di ottenere campioni casuali anche in situazioni in cui manca la lista delle unità della popolazione e l’ampiezza di quest’ultima è sconosciuta. Un esempio può essere quello degli exit polls.
Campionamento stratificato
È utilizzato quando si conosce a priori una o più caratteristiche della popolazione di riferimento, che viene suddivisa in strati (o sottopopolazioni) omogenei al loro interno rispetto alla citata caratteristica.
In ogni strato viene poi effettuato un campionamento (casuale o sistematico).
In questo modo si ottiene una minore variabilità ed una maggiore rappresentatività del campione almeno con riferimento alla caratteristica che si ritiene prioritaria.
Esempio
La città X ha 15.000, di cui:
- 15% minori di 18 anni;
- 40% adulti tra 19 e 65 anni;
- 25% anziani tra i 66 ed i 75 anni
- 20% grandi anziani di 76 anni ed oltre
Il mio campione di 800 casi dovrà selezionare:
- Minori (800 x 0,15) = 120 - Adulti (800 x 0,40) = 320 - Anziani (800 x 0,25) = 200 - Grandi anziani (800 x 0,2) = 160
Totale 800
In questo modo ho ottenuto un campione
che rispecchia fedelmente la composizione per età
della città
Questo tipo particolare di campione è chiamato anche stratificato proporzionale, perché riproduce la composizione degli strati
della popolazione. Possono esserci anche campioni statificati non proporzionali
Campionamento a stadi
È utilizzato quando invece non si conosce a priori una lista complessiva di tutti i casi che compongono la popolazione di riferimento e/o quando essa è troppo dispersa sul territorio.
A questo tipo di campionamento si ricorre per necessità in quanto le stime con esso ottenibili sono di solito meno efficienti (maggior variabilità campionaria) di quelle calcolate applicando un campione casuale semplice. E’ definito sulla base di scelte e procedure successive che passano per più stadi.
Esempio
In una indagine sui bisogni socio-assistenziali delle famiglie residenti in una regione:
1. estrazione casuale di un campione di comuni (unità di primo stadio). In questa passaggio serve sempre una lista completa.
2. estrazione di un campione casuale di famiglie (unità di secondo stadio) da ciascuna lista anagrafica per ogni comune selezionato
Procedura
La popolazione viene divisa in gruppi gerarchicamente ordinati I casi vengono estratti con un procedimento “a imbuto”
Campionamento a grappoli (cluster)
E’ utilizzato quando la popolazione risulta naturalmente divisa in gruppi / grappoli (Esempio: classi scolastiche, reparti aziendali ecc.). Il campione nasce quindi dall’estrazione casuale di tali gruppi (unità di campionamento), i cui componenti vengono poi integralmente inclusi tra i casi del campione.
2. Metodi non probabilistici
Un campionamento si dice non probabilistico quando per ciascun caso la probabilità di essere incluso nel campione non è nota.
Il campione non probabilistico aspira ad essere rappresentativo, ma si tratta di una rappresentatività di tipo sociale o sostantivo (Corbetta 2003, III, p. 75) e non statistico (Cannavò, Fruda, 2007: 137). In altre parole, l’obiettivo è affrontare sistematicamente e con rigore metodologico un tema, un fenomeno, nelle sue implicazioni socio-culturali, politico-sociali, senza tuttavia basare l’indagine su stime e parametri statisticamente affidabili.
Campionamento a casaccio (o per disponibilità, accidentale, per convenienza)
I casi sono inclusi senza tecniche di selezione precise, in base alla disponibilità e alla facilità di reperimento.
È utilizzato per situazioni circoscritte, emergenti, ai limiti della legalità, ecc..
Nel servizio sociale è seguito quando occorre esplorare campi operativi su cui ancora non si è consolidata una conoscenza precisa.
Trova applicazione in ricerche di tipo prevalentemente qualitativo.
L’obiettivo di questi campioni è più esplorare che non generalizzare, approfondire e non quantificare, gettare le premesse per studi più ampi e sistematici, studiare fenomeni emergenti, ancora non ben conosciuti e circoscrivibili, con risorse ridotte (Krysik, Finn, 2010: 168).
Campionamento per quote
Ha la stessa logica del campionamento stratificato, ma le quote all’interno di ciascuno strato sono selezionate dai ricercatori con criteri non probabilistici.
Si ottiene definendo un dato numero di soggetti da campionare:
- in base ad una quota fissa (100 italiani, 100 stranieri, ecc);
- mantenendo una certa proporzione tra popolazione e campione (se in una città vi è il 30% di stranieri e il 70% di italiani si cerca di mantenere la stesa quota nel campione ma la scelta nei singoli strati non rispetta le regole della probabilità).
Resta la snodo dell’impossibilità di controllare gli errori sistematici, ma qui la vocazione rappresentativa è più alta rispetto al tipo precedente di campione.
Campionamento a scelta ragionata (o intenzionale, o giudizio di esperti)
Le unità campionarie vengono scelte in modo razionale sulla base di specifiche caratteristiche ritenute rilevanti dal ricercatore; si utilizza quando l’ampiezza del campione è limitata.
I criteri con cui includere i soggetti possono essere i seguenti (Rubin, Rubin 1995):
- competenza rispetto al tema
- rappresentatività di un punto di vista o di un ruolo
- inclusione di una dimensione significativa del fenomeno (casi tipici, casi estremi, casi di efficacia e di inefficacia, casi normali, casi devianti …)
Campionamento a palla di neve (o a valanga)
Consiste nel selezionare i casi utilizzando le reti relazionali (sociali, culturali, politiche) di un gruppo di persone inizialmente contattate.
Viene utilizzato nel caso la popolazione sia costituita da soggetti che tendono ad occultare la loro identità o sono di difficile reperibilità (clandestini, ecc). Oltre alla rappresentatività, il limite più rilevante di questa tecnica è l’insieme di soggetti inclusi è fortemente condizionato dalla rete inizialmente contattata.
In ambito anglosassone è prevista che la possibilità di retribuire gli intervistati affinché trovino ulteriori soggetti con caratteristiche specifiche e diversificate (respondent-driven sampling).
Sia per questa procedura di campionamento, sia per quella a casaccio, o a scelta razionale, i criteri che aiutano a fissare dei limiti all’inclusione dei soggetti sono:
- la completezza: quando le info ottenute forniscono una conoscenza sufficientemente generale ed esaustiva del tema
- la saturazione: quando si constata che ulteriori interviste sul tema non apportano incrementi di conoscenza
Che cosa determina la qualità di un campione?
• Non si può valutare la qualità di un campione se i ricercatori non danno una definizione precisa della popolazione di riferimento. Se non c’è chiarezza sulla popolazione, non può esserci nemmeno sul campione corrispondente
• Non si può valutare la qualità di un campione se non abbiamo modo di sapere come i casi sono stati selezionati. Se il metodo di campionamento è specificato, è opportuno spiegare le modalità con cui è stata effettuata la selezione, sia nel caso di metodo probabilistico sia non probabilistico.
• La qualità del campione è data dal campione effettivamente ottenuto, non dal metodo scelto in sé e per sé. Se molti dei casi selezionati in realtà hanno rifiutato di aderire alla ricerca, per esempio, la qualità del campione ne risulta pregiudicata, al di là della precisione nella procedura scelta
• Occorre verificare che i ricercatori presentino generalizzazioni relative al campione selezionato e non rispetto a popolazioni di riferimento differenti o più estese.
