En réponse à (1) ...
Je ne suis pas totalement convaincu par le type de vérifier pressé sur nous par les bonnes gens à SMART.
Certains d'entre elle est utile ... Par exemple:
Vérifie préférence de chiffres sont utiles: Si il est compatible arrondi vers le haut ou vers le bas puis arrondi cela est susceptible d'introduire un biais. Vérifie préférence de chiffres peuvent identifier si cela peut être un problème. Il est pas un test définitif que vous obtenez toujours la préférence de chiffres si bon arrondi avaient lieu (et qui introduirait peu ou pas de biais).
Tests de performance de recenseurs sont utiles: Nous pouvons voir comment chaque recenseur est bonne en termes de précision et de fiabilité. Nous pouvons l'utiliser pour prendre le personnel de l'enquête ou sélectionnez les superviseurs de l'enquête et décider si plus de formation ou une formation complémentaire est nécessaire.
Certains d'entre elle est (OMI) tout simplement stupide. Le test de normalité fait une très grande hypothèse que sera presque toujours faux. Nous risquons de condamner une enquête parce qu'une hypothèse déraisonnable ne tient pas. Le résultat est que nous marginaliser davantage un plus marginaux des populations à risque qui seront les responsables de la graisse queue gauche de la distribution (qui invite le rejet de l'enquête). Qu'est-ce que SMART condamne aussi mauvais données est très probable des données utiles et précises. Voir ce post.
Le pire des cas est que nous avons un personnel d'enquête ajout d'éléments aléatoires aux données de façon à "éviter" âge-comble et la censure des données précises pour faire un ajustement de l'enquête avec un ou d'autres hypothèses illusoires sur la façon dont les données doivent se comporter.
En réponse à (2) ...
Dans de nombreux enquête que nous faisons, il ya quelques différentes tailles d'échantillon:
Le nombre de grappes (m): Nous aimons que ce soit aussi grande que possible.
Le nombre d'enfants par groupe (n): Nous aimons ce soit petite que possible.
Est-il vrai qu'en général plus «m» et petit 'n' réduit l'effet de conception associée à une enquête.
Nous compromettons généralement sur la taille de «m» et essayer d'avoir aussi peu de groupes que possible. Cela permet de maintenir les coûts bas. Nous conservons généralement présent à environ 30 m = si nous utilisons la proximité d'échantillonnage pour sélectionner les ménages avec enfants admissibles. Les travaux sur cette (en regardant l'enquête "30-par-30" qui a précédé SMART) suggère qu'un minimum utile de M = 25 grappes est probablement OK.
Nous avons aussi une taille globale de l'échantillon qui est le produit de «m» et «n». Voilà ce que nous calculons habituellement lorsque vous faites un calcul de taille de l'échantillon, puis de remonter à «m» et «n».
La proportion d'enfants âgés de 6-59 mois peut affecter à la fois «m» et «n». Si cela est petit et villages sont petits alors il ne peut être (par exemple) n = 15 enfants admissibles dans la plupart des villages. Ceci est souvent le cas dans les milieux pastoraux. Dans ces endroits, il ne serait pas raisonnable d'avoir n = 25 parce que nous ne pouvons pas l'échantillon n = 25 enfants de n = 15 enfants. Dans ce cas, vous pourriez avoir n = 10, (ou n = 11, 12, 13, 14, ou 15). Depuis 'n' est maintenant petit, nous aurons besoin d'augmenter 'm' pour répondre à votre exigence globale de taille de l'échantillon. Dans ce cas, les deux «m» et «n» sont l'influence de la taille de la population.
Notez que avec un grand «M» et un petit 'n' (et en particulier lorsque n est près de prendre un recensement des clusters), nous allons avoir un petit effet de conception. Cela peut conduire à des économies. Voici un exemple illustratif:
COMMENCE AVEC:
deviner prévalence = 10%
précision requise = 3%
taille de l'échantillon global (échantillon aléatoire simple) = 384
deviner effet de conception = 2.0
la taille globale de l'échantillon (échantillon en grappes) = 384 * 2.0 = 768
nombre de grappes = 25
taille intragrappe échantillon = 31
MAIS:
population moyenne du village = 90
proportion âgés de 6 - 59 mois = 17%
population moyenne du village âgés de 6 - 59 mois = 90 * 0,17 = 15
AINSI :
Nouveau design effet = 1,25 (nous avons plus petits groupes)
Nouvelle taille de l'échantillon = 384 * 1,25 = 480
size = 15 intragrappe échantillon
nombre de grappes = 480/15 = 32
La proportion âgés de 6 - 59 mois peut également affecter la taille globale de l'échantillon.
Exemples de formules de taille ont tendance à supposer que nous échantillon à partir d'une population infiniment grand. Cette hypothèse est raisonnable si la fraction d'échantillonnage (par exemple le rapport de la taille de l'échantillon à la taille de la population) est faible. L'erreur (par exemple, la largeur de l'IC à 95%) est essentiellement la même quel que soit la taille de la population, tant que le taux d'échantillonnage est inférieur à environ 5%.
Dans l'exemple ci-dessus, nous avons n = 480. Si la taille de la population âgée de 6 - 59 mois étaient d'environ:
N = 480 * 20 = 9600
ou plus alors nous inquiétez pas.
Si la fraction d'échantillonnage est supérieure à environ 5%, puis nous appliquons une «correction de la population finie" (FPC) afin de tenir compte de la précision ajoutée acquise par l'échantillonnage d'une proportion importante de la population. La FPC peut être calculée comme suit:
FPC = sqrt ((Population - Taille de l'échantillon) / (Population - 1))
Si nous supposons une population de 4800 et d'une taille de 480 de l'échantillon alors nous avons un taux d'échantillonnage de 10%. Depuis ce est supérieure à environ 5%, nous devrions calculons un FPC:
FPC = sqrt ((4800 - 480) / (4800-1)) = 0,95
La taille de l'échantillon nécessaire est maintenant:
n = 480 * 0,95 = 456
Continuons avec notre exemple ... nous pourrions recueillir ce que 30 grappes de 15 (n = 450 est assez proche de n = 456 faire aucune différence) et nous sauver un peu de travail et un peu d'argent.
Nous ne l'appliquons pas habituellement une FPC dans les enquêtes SMART que (1) les économies sont généralement de petite taille et (2) le logiciel SMART ne règlent pas de résultats pour tenir compte de la fraction d'échantillonnage.
Je espère que cela est d'une certaine utilité.