ﻪﻧﻮﮕﭼ ﻢﺠﺣ ﻪﻧﻮﻤﻧ
ﻣﺠﻠﻪﺗﺨﺼﺼﻲ اﭘﻴﺪﻣﻴﻮﻟﻮژي اﻳﺮان؛ ،1390دوره ،7ﺷﻤﺎره :2ﺻﻔﺤﺎت .67-74 ﻣﻘﺎﻟﻪ ﻣﺮوري ﭼﮕﻮﻧﻪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ را در ﺷﺮاﻳﻂ ﺧﺎص ﺗﺨﻤﻴﻦ ﺑﺰﻧﻴﻢ ؟ 4و3 ﻋﻠﻲ اﻛﺒﺮ ﺣﻖ دوﺳﺖ ،1ﻣﺤﻤﺪ رﺿﺎ ﺑﺎﻧﺸﻲ ،2ﻣﺮﻳﻢ ﻣﺮزﺑﺎن 1داﻧﺸﻴﺎر اﭘﻴﺪﻣﻴﻮﻟﻮژي ،ﻣﺮﻛﺰ ﺗﺤﻘﻴﻘﺎت ﻣﺪل ﺳﺎزي در ﺳﻼﻣﺖ ،داﻧﺸﮕﺎه ﻋﻠﻮم ﭘﺰﺷﻜﻲ ﻛﺮﻣﺎن ،اﻳﺮان 3ﻣﺮﻛﺰ ﺗﺤﻘﻴﻘﺎت ﻃﺐ ﺳﻨﺘﻲ و ﺗﺎرﻳﺦ ﻃﺐ داﻧﺸﮕﺎه ﻋﻠﻮم ﭘﺰﺷﻜﻲ ﺷﻴﺮاز ،اﻳﺮان 4داﻧﺸﺠﻮي ﻛﺎرﺷﻨﺎﺳﻲ ارﺷﺪ اﭘﻴﺪﻣﻴﻮﻟﻮژي ،ﻛﻤﻴﺘﻪ ﺗﺤﻘﻴﻘﺎت داﻧﺸﺠﻮﻳﻲ ،داﻧﺸﮕﺎه ﻋﻠﻮم ﭘﺰﺷﻜﻲ ﻛﺮﻣﺎن ،اﻳﺮان ﻧﻮﻳﺴﻨﺪه ﻣﺴﺌﻮل :ﻣﺮﻳﻢ ﻣﺮزﺑﺎن ،ﻧﺸﺎﻧﻲ :ﺷﻴﺮاز ،داﻧﺸﮕﺎه ﻋﻠﻮم ﭘﺰﺷﻜﻲ ﺷﻴﺮاز ،ﻣﺮﻛﺰ ﺗﺤﻘﻴﻘﺎت ﻃﺐ ﺳﻨﺘﻲ و ﺗﺎرﻳﺦ ﻃﺐ ،داﻧﺸﻜﺪه ﭘﺰﺷﻜﻲ ،ﻃﺒﻘﻪ ﻫﺸﺘﻢ ،ﺗﻠﻔﻦ،0711- 2337589 : D I ﭘﺴﺖ اﻟﻜﺘﺮوﻧﻴﻚ[email protected] : ﺗﺎرﻳﺦ درﻳﺎﻓﺖ89/6/27:؛ ﭘﺬﻳﺮش89/11/2 : ﻣﻘﺪﻣﻪ و اﻫﺪاف :در ﻣﻘﺎﻟﻪ ﻗﺒﻠﻲ درﺑﺎره ﭘﺎرهاي از ﻣﺒﺎﺣﺚ ﻛﻠﻴﺪي ﻧﻤﻮﻧﻪﮔﻴﺮي در ﭘﮋوﻫﺶ ﺑﺤﺚ ﺷﺪ .در اﻳﻦ ﻣﻘﺎﻟﻪ ﺳﻌﻲ ﺑﺮ آن اﺳﺖ ﻛﻪ ﺑﺮاي ﺗﻌﺪﻳﻞ ﺣﺠﻢ ﻧﻤﻮﻧـﻪ در S f ﺷﺮاﻳﻂ ﺧﺎص ﻣﺎﻧﻨﺪ ﻣﻘﺎﻳﺴﻪﻫﺎي ﭼﻨﺪﮔﺎﻧﻪ؛ ﻣﺤﺎﺳﺒﻪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺮاي ﻣﻮاردي ﻛﻪ ﺗﻌﺪاد ﻧﻤﻮﻧﻪﻫﺎ در ﮔﺮوهﻫﺎ ﺑﺮاﺑﺮ ﻧﻴﺴﺖ ،ﺗﺼﺤﻴﺢ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺮاي ﻣﻘﺎدﻳﺮﻧﺎﻣﺸﺨﺺ و ﺗﻌﺪﻳﻞ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺮاي ﺟﺎﻣﻌﻪ ﻣﺤﺪود ﻣﻄﺎﻟﺒﻲ اراﻳﻪ ﺷﻮد .ﺑﻪ ﻋﻼوه ،درﺑﺎره اﺛﺮ ﻃﺮح در ﻧﻤﻮﻧﻪﮔﻴﺮي ﭼﻨﺪ ﻣﺮﺣﻠﻪاي و ﺗﺄﺛﻴﺮ آن در ﺣﺠﻢ ﻧﻤﻮﻧـﻪ ﻣﻄـﺎﻟﺒﻲ ﺑﻴـﺎن ﺷـﺪه اﺳﺖ .ﺳﭙﺲ ﺑﻪ ﺗﺨﻤﻴﻦ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻫﻨﮕﺎﻣﻲ ﻛﻪ آزﻣﻮنﻫﺎي ﻧﺎﭘﺎراﻣﺘﺮﻳﻚ ﺑﺮاي آﻧﺎﻟﻴﺰ دادهﻫﺎ ﺑﻪ ﻛﺎر ﺑﺮده ﻣﻲﺷﻮد ﭘﺮداﺧﺘﻪ ﺷﻮد .ﻫﻤﭽﻨﻴﻦ ﺗﻮﺿـﻴﺤﺎﺗﻲ در ﻣـﻮرد ﺗـﻮان ﻛﺎرآﻣﺪي ﺷﻴﻮهﻫﺎي ﭘﺎراﻣﺘﺮﻳﻚ در ﺑﺮاﺑﺮ ﻏﻴﺮ ﭘﺎراﻣﺘﺮﻳﻚ و ﻛﺎرﺑﺮدﺷﺎن در ﺗﺼﺤﻴﺢ ﺣﺠﻢ ﻧﻤﻮﻧﻪ اراﻳﻪ ﮔﺮدد. o e واژﮔﺎن ﻛﻠﻴﺪي :ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻣﻘﺎﻳﺴﻪﻫﺎي ﭼﻨﺪﮔﺎﻧﻪ ،اﺛﺮ ﻃﺮح ،آزﻣﻮنﻫﺎي ﻧﺎﭘﺎراﻣﺘﺮي ،ﻣﻘﺎدﻳﺮ ﮔﻤﺸﺪه ،ﺟﺎﻣﻌﻪ ﻣﺤﺪود ﻣﻘﺪﻣﻪ ﻫﻤﺎﻧﻄﻮر ﻛﻪ درﻗﺴﻤﺖ ﻗﺒﻞ ﺑﻴﺎن ﺷﺪ ﻣﺒﺤﺚ ﺣﺠﻢ ﻧﻤﻮﻧﻪ و ﻧﺤﻮه ﻣﺤﺎﺳﺒﻪ آن ﻳﻜﻲ از ﻣﺒﺎﺣﺚ ﻛﻠﻴﺪي در ﺗﺤﻘﻴﻖ ﺑﻮده و ﺑﺮاي ﻣﺤﺎﺳﺒﻪ آن ﺑﺎﻳﺪ ﺑﺴﺘﻪ ﺑﻪ ﻧﻮع ﻣﺘﻐﻴﺮﻫﺎ و ﻧﻮع ﻣﻄﺎﻟﻌﻪ از ﻓﺮﻣﻮلﻫﺎي ﺧﺎﺻﻲ ﺑﺎ ﭘﻴﺶ ﻓﺮضﻫﺎي ﻣﻨﻄﻘﻲ اﺳﺘﻔﺎده ﻧﻤﺎﻳﻴﻢ ﻛﻪ در ﻣﻘﺎﻟﻪ ﻗﺒﻠﻲ ﺑﻪ ﺗﻔﺼﻴﻞ در اﻳﻦ ﺑﺎره ﻣﻄﺎﻟﺒﻲ اراﺋﻪ ﺷﺪ ) .(1ﻫﻤﭽﻨﻴﻦ ﺑﻪ ﻣﻔﺎﻫﻴﻢ ﭘﺎﻳﻪ ﻣﺎﻧﻨﺪ ﻣﻴﺰان اﺛﺮ ،داﻣﻨﻪ و ﺿﺮﻳﺐ اﻃﻤﻴﻨﺎن ،و ﺧﻄﺎﻫﺎي آﻣﺎري و ﻣﻔﺮوﺿﺎت ﻣﻮرد ﻧﻴﺎز ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ اﺷﺎره و ﺷﻴﻮه ﻣﺤﺎﺳﺒﻪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ در ﺳﺎدهﺗﺮﻳﻦ ﺷﻜﻞ ﻣﻤﻜﻦ ﺷﺮح داده ﺷﺪ. در اﻳﻦ ﻣﻘﺎﻟﻪ و در اداﻣﻪ ﻣﺒﺎﺣﺚ ﻗﺒﻠﻲ ﺑﻪ زواﻳﺎي ﭘﻴﭽﻴﺪهﺗﺮي از ﻣﺤﺎﺳﺒﻪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ درﺷﺮاﻳﻂ ﺧﺎص اﺷﺎره ﺧﻮاﻫﺪ ﺷﺪ .ﻣﻮارد ﻣﻬﻤﻲ ﻛﻪ در اﻳﻦ ﻣﻘﺎﻟﻪ ﺑﻪ آنﻫﺎ ﭘﺮداﺧﺘﻪ ﺧﻮاﻫﺪ ﺷﺪ ﻋﺒﺎرت ﻫﺴﺘﻨﺪ از : .1ﺑﺮآورد ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺮاي ﻣﻘﺎﻳﺴﻪﻫﺎي ﭼﻨﺪﮔﺎﻧﻪ .2ﺑﺮآورد ﺣﺠﻢ ﻧﻤﻮﻧﻪ در ﻣﻄﺎﻟﻌﺎت unbalance .3ﺗﺼﺤﻴﺢ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺮاي ﻣﻘﺎدﻳﺮﻧﺎﻣﺸﺨﺺ .4ﺑﺮآورد ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺮاي روش ﻧﻤﻮﻧﻪ ﮔﻴﺮي ﭼﻨﺪ ﻣﺮﺣﻠﻪاي )( multistage sampling .5ﺑﺮآورد ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺮاي آزﻣﻮنﻫﺎي ﻧﺎﭘﺎراﻣﺘﺮي .6ﺑﺮآورد ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺮاي ﺟﺎﻣﻌﻪ ﻣﺤﺪود www.SID.ir v i h ﺑﺮآورد ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺮاي ﻣﻘﺎﻳﺴﻪﻫﺎي ﭼﻨﺪﮔﺎﻧﻪ ﻓﺮﻣﻮلﻫﺎي اراﻳﻪ ﺷﺪه ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ در ﻣﻘﺎﻟﻪ ﻗﺒﻠﻲ، ﺑﺮاي زﻣﺎﻧﻲ ﻫﺴﺘﻨﺪ ﻛﻪ ﺷﻤﺎ ﻗﺼﺪ داﺷﺘﻪ ﺑﺎﺷﻴﺪ دو ﮔﺮوه را ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﻣﻘﺎﻳﺴﻪ ﻧﻤﺎﻳﻴﺪ .وﻟﻲ در ﺗﺤﻘﻴﻘﺎت ﻣﻤﻜﻦ اﺳﺖ ﺷﻤﺎ ﻣﺠﺒﻮر ﺑﻪ ﻣﻘﺎﻳﺴﻪ ﺑﻴﺶ از دو ﮔﺮوه ﺑﺎ ﻫﻢ ﺑﺎﺷﻴﺪ ،آﻳﺎ در اﻳﻦ ﻣﻮارد ﻣﻲﺗﻮاﻧﻴﻢ ﺑﻪ ﺳﺎدﮔﻲ ﺑﺎ ﻫﻤﺎن ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻗﺒﻠﻲ ﻛﺎر را ﺑﺮ روي ﺳﻪ ﮔﺮوه اﻧﺠﺎم دﻫﻴﻢ؟ ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﻓﺮض ﻛﻨﻴﺪ ﻗﺼﺪ دارﻳﺪ ﻳﻚ ﻛﺎرآزﻣﺎﻳﻲ ﺑﺎﻟﻴﻨﻲ ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﺳﻪ دارو ﻃﺮاﺣﻲ ﻛﻨﻴﺪ .ﺑﺮ اﺳﺎس ﭘﻴﺶ ﻓﺮضﻫﺎي اراﻳﻪ ﺷﺪه و ﺑﺮ اﺳﺎس ﻓﺮﻣﻮل ﻣﻘﺎﻳﺴﻪ دو ﻣﻴﺎﻧﮕﻴﻦ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺮاي ﻫﺮ ﮔﺮوه 100ﺑﺪﺳﺖ آﻣﺪه اﺳﺖ .ﺣﺎل ﺑﺮاي اﻧﺠﺎم اﻳﻦ ﺗﺤﻘﻴﻖ آﻳﺎ ﻣﻲﺗﻮاﻧﻴﺪ ﺳﻪ ﮔﺮوه ﺑﺎ ﺣﺠﻢ ﻧﻤﻮﻧﻪ 100ﻧﻔﺮ ﺑﮕﻴﺮﻳﻢ و در اﻧﺘﻬﺎ ﺑﺎ ﻫﻤﺎن دﻗﺖ آﻣﺎري ﺗﺤﻠﻴﻞ ﺧﻮد را اﻧﺠﺎم دﻫﻴﻢ؟ ﻣﺘﺎﺳﻔﺎﻧﻪ ﺟﻮاب ﻣﻨﻔﻲ اﺳﺖ و ﺑﺎﻳﺪ ﺑﺮ اﺳﺎس ﺗﻌﺪاد ﮔﺮوهﻫﺎي ﻣﻮرد ﻣﻄﺎﻟﻌﻪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺗﻌﺪﻳﻞ ﮔﺮدد .اﮔﺮﭼﻪ ﻓﺮﻣﻮلﻫﺎي دﻗﻴﻖ اﻳﻦ ﺗﻌﺪﻳﻞ ﭘﻴﭽﻴﺪه اﺳﺖ وﻟﻲ ﺧﻮﺷﺒﺨﺘﺎﻧﻪ ﻳﻚ ﻓﺮﻣﻮل ﺑﺴﻴﺎر ﺳﺎده ﺑﺮاي زﻣﺎﻧﻲ ﻛﻪ ﺗﻌﺪاد ﮔﺮوهﻫﺎي ﻣﻮرد ﻣﻘﺎﻳﺴﻪ ﻛﻤﺘﺮ از 5ﮔﺮوه ﻫﺴﺘﻨﺪ وﺟﻮد دارد .اﮔﺮ ﺗﻌﺪاد ﮔﺮوهﻫﺎي ﻣﻮرد ﻣﻘﺎﻳﺴﻪ را ﺑﺎ gﻧﺸﺎن دﻫﻴﻢ، ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺗﻌﺪﻳﻞ ﺷﺪه ﺑﺮاي ﻫﺮ ﮔﺮوه ﺑﺮاﺑﺮ اﺳﺖ ﺑﺎ ).(2 c r A Downloaded from http://journals.tums.ac.ir/ on Monday, May 28, 2012 2اﺳﺘﺎدﻳﺎر آﻣﺎرزﻳﺴﺘﻲ ،ﻣﺮﻛﺰ ﺗﺤﻘﻴﻘﺎت ﻓﻴﺰﻳﻮﻟﻮژي ،داﻧﺸﮕﺎه ﻋﻠﻮم ﭘﺰﺷﻜﻲ ﻛﺮﻣﺎن ،اﻳﺮان /68ﺣﻖ دوﺳﺖ و ﻫﻤﻜﺎران n′ = n * g −1 ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل اﮔﺮ ﺣﺠﻢ ﻧﻤﻮﻧﻪ اوﻟﻴﻪ 100ﻧﻔﺮ ﺑﺮاي ﻣﻘﺎﻳﺴﻪ دو دارو ﺑﺎﺷﺪ ،ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﺳﻪ دارو ) (g=3ﺑﺎﻳﺴﺖ ﻣﻘﺪار 100را در ﺟﺬر 2ﻳﻌﻨﻲ 1/4ﺿﺮب ﻧﻤﻮد و در ﻫﺮ ﮔﺮوه ﺑﻪ ﺟﺎي 100ﻧﻔﺮ، 140ﻧﻔﺮ وارد ﻣﻄﺎﻟﻌﻪ ﻧﻤﻮد .ﺑﻪ ﻋﺒﺎرﺗﻲ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻛﻞ ﺑﺮاﺑﺮ 300 ﻧﻔﺮ ﻧﺨﻮاﻫﺪ ﺑﻮد ﺑﻠﻜﻪ ﺑﺎﻳﺴﺖ 420ﻧﻔﺮ وارد ﻣﻄﺎﻟﻌﻪ ﺷﻮﻧﺪ. ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ ﻣﻼﺣﻈﻪ ﻣﻲﻓﺮﻣﺎﻳﻴﺪ ﺑﺎ اﻓﺰاﻳﺶ ﺗﻌﺪاد ﮔﺮوهﻫﺎي ﻣﻮرد ﻣﻘﺎﻳﺴﻪ ،ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻫﺮ ﮔﺮوه ﺑﻪ ﺻﻮرت ﻗﺎﺑﻞ ﻣﻼﺣﻈﻪاي اﻓﺰاﻳﺶ ﻣﻲﻳﺎﺑﺪ و ﺷﺎﻳﺪ ﻳﻜﻲ از دﻻﻳﻠﻲ ﻛﻪ ﻋﻤﻮﻣﺎً ﺗﻮﺻﻴﻪ ﻣﻲﺷﻮد ﻛﻪ ﺗﻌﺪاد ﮔﺮوﻫﻬﺎي ﻣﻮرد ﻣﻘﺎﻳﺴﻪ ﺑﻪ ﺣﺪاﻗﻞ ﺑﺮﺳﺪ ،ﻫﻤﻴﻦ ﻧﻜﺘﻪ ﺑﺎﺷﺪ. اﻟﺒﺘﻪ ﻳﻚ ﻣﻮرد ﺣﺎﻟﺖ اﺳﺘﺜﻨﺎ وﺟﻮد دارد و آن زﻣﺎﻧﻲ اﺳﺖ ﻛﻪ ﻳﻚ ﮔﺮوه رﻓﺮﻧﺲ وﺟﻮد دارد و ﺳﺎﻳﺮ ﮔﺮوهﻫﺎ ﻓﻘﻂ ﺑﺎ ﮔﺮوه رﻓﺮﻧﺲ ﻣﻘﺎﻳﺴﻪ ﻣﻲﺷﻮﻧﺪ و ﻣﻘﺎﻳﺴﻪ ﺑﻴﻦ ﺳﺎﻳﺮ ﮔﺮوهﻫﺎ اﺻﻼً ﻣﺪ ﻧﻈﺮ ﻧﻴﺴﺖ ).(2 ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﻓﺮض ﻛﻨﻴﺪ ﻗﺼﺪ ﺷﻤﺎ ﻣﻘﺎﻳﺴﻪ اﺛﺮﺑﺨﺸﻲ دو داروي ﺟﺪﻳﺪ در ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﻳﻚ داروي اﺳﺘﺎﻧﺪارد اﺳﺖ و ﻓﻘﻂ ﻣﻲﺧﻮاﻫﻴﺪ ﺑﺒﻴﻨﻴﺪ ﻛﻪ آﻳﺎ اﻳﻦ داروﻫﺎ در ﻣﻘﺎﻳﺴﻪ ﺑﺎ داروي اﺳﺘﺎﻧﺪارد ﺗﻔﺎوت اﺛﺮ دارﻧﺪ ﻳﺎ ﺧﻴﺮ و ﻣﻘﺎﻳﺴﻪ ﺑﻴﻦ اﺛﺮﺑﺨﺸﻲ اﻳﻦ دو دارو ﺟﺰو اﻫﺪاف اﺻﻠﻲ ﻣﻄﺎﻟﻌﻪ ﺷﻤﺎ ﻧﻴﺴﺖ .در اﻳﻦ ﮔﻮﻧﻪ ﻣﻮارد ﺑﻌﻀﻲ ﻣﻌﺘﻘﺪ ﻫﺴﺘﻨﺪ ) (2ﻛﻪ ﺑﺎ اﺳﺘﻔﺎده از ﻓﺮﻣﻮل ﻓﻮق ﻓﻘﻂ ﺑﺎﻳﺪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﮔﺮوه رﻓﺮﻧﺲ را ﺗﻌﺪﻳﻞ ﻧﻤﻮد و ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺳﺎﻳﺮ ﮔﺮوهﻫﺎ را ﻣﻲﺗﻮان ﺑﺮاﺑﺮ ﻫﻤﺎن ﻣﻘﺪار ﻗﺒﻠﻲ ﻛﻪ از ﻓﺮﻣﻮل ﻣﻘﺎﻳﺴﻪ دو ﮔﺮوه ﺑﺪﺳﺖ ﻣﻲآﻳﺪ در ﻧﻈﺮ ﮔﺮﻓﺖ .ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻳﻦ ﺗﻮﺿﻴﺤﺎت در ﻣﻮرد ﻣﺜﺎل ﻗﺒﻞ ﺑﺎﻳﺪ ﮔﺮوه ﻣﺒﻨﺎ را 140 ﺑﮕﻴﺮﻳﻢ و دو ﮔﺮوه دﻳﮕﺮ را ﻫﻤﺎن 100ﻧﻔﺮ در ﻧﻈﺮ داﺷﺘﻪ ﺑﺎﺷﻴﻢ. D I S f o e ﺑﺮآورد ﺣﺠﻢ ﻧﻤﻮﻧﻪ در ﻣﻄﺎﻟﻌﺎت unbalance آﻧﭽﻪ در ﻓﺮﻣﻮلﻫﺎي ﺑﻴﺎن ﺷﺪه ﻗﺒﻠﻲ ﺑﺪﺳﺖ ﻣﻲآﻳﺪ ﺑﺎ اﻳﻦ ﺷﺮط ﺑﻮده ﻛﻪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ در دو ﮔﺮوه ﺑﺮاﺑﺮ اﺳﺖ و ﺑﻪ ﻋﺒﺎرﺗﻲ ﺗﻌﺎدل ) (balanceدر ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﮔﺮوهﻫﺎي ﻣﻮرد ﻣﻘﺎﻳﺴﻪ وﺟﻮد داﺷﺘﻪ اﺳﺖ .وﻟﻲ درﺷﺮاﻳﻂ ﻣﺘﻌﺪدي ﻣﻤﻜﻦ اﺳﺖ ﺣﺠﻢ ﻧﻤﻮﻧﻪ دو ﮔﺮوه ﺑﺮاﺑﺮ ﻧﺒﺎﺷﺪ .ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﻓﺮض ﻧﻤﺎﻳﻴﺪ ﻛﻪ در ﻳﻚ ﻣﻄﺎﻟﻌﻪ ﺗﺤﻠﻴﻠﻲ ﻗﺼﺪ ﺑﺮ آن اﺳﺖ ﻛﻪ ﺗﺄﺛﻴﺮ ﻣﺼﺮف ﺳﻴﮕﺎر ﺑﺮ ﺑﺎﻻ ﺑﻮدن ﻓﻴﺒﺮﻳﻨﻮژن ﺧﻮن )ﻳﻚ ﻓﺎﻛﺘﻮر ﺧﻮﻧﻲ اﺳﺖ ﻛﻪ ﺑﺎﻻ ﺑﻮدن آن اﺣﺘﻤﺎل اﻳﺠﺎد ﻟﺨﺘﻪ در ﻋﺮوق ﺧﻮﻧﻲ را اﻓﺰاﻳﺶ ﻣﻲدﻫﺪ( در ﺑﻴﻤﺎران ﻣﺒﺘﻼ ﺑﻪ ﺳﻜﺘﻪ ﻗﻠﺒﻲ ﺑﺮرﺳﻲ ﻛﻨﻴﻢ .اﮔﺮ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻣﺤﺎﺳﺒﻪ ﺷﺪه ﺑﺮاﺑﺮ 100ﻧﻔﺮ ﺑﺎﺷﺪ ﺑﺪﻳﻦ ﻣﻌﻨﺎ اﺳﺖ ﻛﻪ ﺑﺎﻳﺴﺖ 100ﻧﻔﺮ ﻏﻴﺮ ﺳﻴﮕﺎري و 100ﻧﻔﺮ ﺳﻴﮕﺎري وارد ﻣﻄﺎﻟﻌﻪ ﺷﻮﻧﺪ .وﻟﻲ اﮔﺮ ﻧﻤﻮﻧﻪﮔﻴﺮي ﺑﻪ ﺻﻮرت ﻣﺘﻮاﻟﻲ در اورژاﻧﺲ ﻗﻠﺐ ﺻﻮرت ﭘﺬﻳﺮد ،ﻗﻄﻌﺎً ﭼﻨﻴﻦ ﺗﻨﺎﺳﺐ 1ﺑﻪ 1ﺑﺮاي www.SID.ir دو ﮔﺮوه را ﺑﺎ cﻧﻤﺎﻳﺶ ﻣﻲدﻫﻴﻢ .ﺑﺮ اﺳﺎس ﺗﻮﺿﻴﺤﺎت اراﻳﻪ ﺷﺪه در ﻣﺜﺎل ﻓﻮق ﻣﻘﺪار cﺑﺮاﺑﺮ 4اﺳﺖ و ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺪﺳﺖ آﻣﺪه از ﻓﺮﻣﻮلﻫﺎي ﻗﺒﻠﻲ ﺑﺎ ﻟﺤﺎظ ﻧﻤﻮدن ﺗﻌﺎدل در ﺣﺠﻢ ﻧﻤﻮﻧﻪﻫﺎ v i h )ﻳﻌﻨﻲ cﺑﺮاﺑﺮ (1ﺑﺮاﺑﺮ 100ﻧﻤﻮﻧﻪ در ﻫﺮ ﮔﺮوه ﺑﻮد. ﻓﺮﻣﻮل ﺗﺼﺤﻴﺢ ﺑﺴﻴﺎر ﺳﺎده اﺳﺖ .اﺑﺘﺪا ﺷﻤﺎ ﺑﺎ اﺳﺘﻔﺎده از ﻓﺮﻣﻮل زﻳﺮ ﺑﺎﻳﺴﺖ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺮاي ﮔﺮوه ﻛﻮﭼﻚﺗﺮ )در اﻳﻦ ﻣﺜﺎل ﻳﻌﻨﻲ اﻓﺮاد ﺳﻴﮕﺎري( را ﺣﺴﺎب ﻧﻤﺎﻳﻴﺪ و ﺑﻌﺪ آن را در cﺿﺮب ﻧﻤﺎﻳﻴﺪ ﺗﺎ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺮاي ﮔﺮوه ﺑﺰرﮔﺘﺮ )در اﻳﻦ ﻣﺜﺎل ﻳﻌﻨﻲ اﻓﺮاد ﻏﻴﺮ ﺳﻴﮕﺎري( ﺑﺪﺳﺖ آﻳﺪ )(3 c r A c +1 = n′ *n 2c ﺑﺮ اﺳﺎس ﺗﻮﺿﻴﺤﺎت ﻓﻮق اﮔﺮ ﻣﻘﺪار cرا ﺑﺮاﺑﺮ 4و ﻣﻘﺪار nرا ﺑﺮاﺑﺮ 100ﻗﺮار دﻫﻴﺪ ،ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻣﻮرد ﻧﻴﺎز ﺑﺮاي ﮔﺮوه ﺳﻴﮕﺎري ﺗﻘﺮﻳﺒﺎً 63ﻧﻔﺮ ﺑﺪﺳﺖ ﺧﻮاﻫﺪ آﻣﺪ و در ﻣﻘﺎﺑﻞ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺮاي ﮔﺮوه ﻏﻴﺮﺳﻴﮕﺎري 4ﺑﺮاﺑﺮ اﻳﻦ ﻣﻘﺪار ﻳﻌﻨﻲ 252ﻧﻔﺮ ﺧﻮاﻫﺪ ﺑﻮد .ﺑﻪ ﻋﺒﺎرﺗﻲ در ﻛﻞ ﻣﺎ ﺑﻪ ﺟﺎي 200ﻧﻔﺮ ﺳﻴﮕﺎري و ﻏﻴﺮ ﺳﻴﮕﺎري در ﺣﺎﻟﺖ ﺗﻌﺎدل ﺑﺎﻳﺪ 315ﻧﻔﺮ ﺑﺎ cﺑﺮاﺑﺮ 4ﺑﮕﻴﺮﻳﻢ ﺗﺎ ﺧﻄﺎﻫﺎي آﻣﺎري ﺑﺮاﺑﺮ ﺷﻮد .در اﻳﻦ ﺻﻮرت ﺑﺎﻳﺴﺖ ﺑﻪ ﻣﺤﻘﻖ ﮔﻔﺘﻪ ﺷﻮد ﻛﻪ ﺷﻤﺎ ﻧﻤﻮﻧﻪﮔﻴﺮي را ﺑﻪ ﺻﻮرت ﻣﺘﻮاﻟﻲ ﺑﺎﻳﺪ ﺗﺎ ﻧﻔﺮ 315ام اداﻣﻪ دﻫﻴﺪ ﺗﺎ در ﺻﻮرت ﺳﻴﮕﺎري ﺑﻮدن ﺣﺪاﻗﻞ %20اﻳﺸﺎن ،ﺑﻪ ﺣﺪاﻗﻞ 63ﻧﻔﺮ ﺳﻴﮕﺎري و در ﻣﻘﺎﺑﻞ 252ﻧﻔﺮ ﻏﻴﺮ ﺳﻴﮕﺎري دﺳﺖ ﭘﻴﺪا ﻛﻨﻴﺪ. اﮔﺮ ﺑﺎ اﻳﻦ ﻓﺮﻣﻮل ﻛﻤﻲ ﺗﻤﺮﻳﻦ ﻛﻨﻴﺪ ﻣﺘﻮﺟﻪ ﻣﻲﺷﻮﻳﺪ ﻛﻪ اﮔﺮ Downloaded from http://journals.tums.ac.ir/ on Monday, May 28, 2012 اﻓﺮاد ﺳﻴﮕﺎري و ﻏﻴﺮ ﺳﻴﮕﺎري ﻣﺤﻘﻖ ﻧﺨﻮاﻫﺪ ﺷﺪ ،ﻣﺜﻼً اﮔﺮ ﺗﻘﺮﻳﺒ ًﺎ %20اﻓﺮاد ﻣﺒﺘﻼ ﺑﻪ ﺳﻜﺘﻪ ﻗﻠﺒﻲ ﻣﺮاﺟﻌﻪ ﻛﻨﻨﺪه ﺑﻪ اورژاﻧﺲ ﺳﻴﮕﺎري ﺑﺎﺷﻨﺪ ،ﺑﺪﻳﻦ ﻣﻌﻨﻲ اﺳﺖ ﻛﻪ ﺑﻪ ازاي 1ﺳﻴﮕﺎري ﻣﺎ ﺑﺎ 4ﻏﻴﺮ ﺳﻴﮕﺎري ﺑﺮﺧﻮرد ﺧﻮاﻫﻴﻢ ﻧﻤﻮد و اﮔﺮ ﺑﻪ ﺻﻮرت ﻣﺘﻮاﻟﻲ ﻧﻤﻮﻧﻪﮔﻴﺮي را ﺷﺮوع ﻛﻨﻴﻢ و ﺑﺎ رﺳﻴﺪن ﺑﻪ ﻧﻔﺮ 200ام ،ﻧﻤﻮﻧﻪﮔﻴﺮي را ﻣﺘﻮﻗﻒ ﻧﻤﺎﻳﻴﻢ ،اﺣﺘﻤﺎﻻً در اﻳﻦ ﻓﺮآﻳﻨﺪ 40ﺳﻴﮕﺎري و 160ﻏﻴﺮ ﺳﻴﮕﺎري وارد ﻣﻄﺎﻟﻌﻪ ﺧﻮاﻫﻨﺪ ﺷﺪ .ﺑﺮاي ﺣﻞ اﻳﻦ ﻣﺸﻜﻞ ﻳﺎ ﺑﺎﻳﺪ ﺑﻪ ﺻﻮرت ﻋﻤﺪ ﻧﻤﻮﻧﻪﮔﻴﺮي را از ﺣﺎﻟﺖ ﺳﺎده و ﻣﺘﻮاﻟﻲ ﺧﺎرج ﺳﺎﺧﺘﻪ و ﺑﻪ ﮔﻮﻧﻪ اي ﻧﻤﻮﻧﻪﮔﻴﺮي ﻛﻨﻴﻢ ﻛﻪ در اﻧﺘﻬﺎ ﺗﻌﺎدل 1ﺑﻪ 1در ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﮔﺮوهﻫﺎ ﺑﻮﺟﻮد آﻳﺪ و ﻳﺎ ﺑﺎﻳﺪ ﺑﺎ ﻳﻚ ﺗﺼﺤﻴﺢ ﻣﺸﺨﺺ ﺳﻌﻲ ﻛﻨﻴﻢ ﺑﻪ اﻋﺪادي ﺑﺮاي ﺣﺠﻢ ﻧﻤﻮﻧﻪ اﻓﺮاد ﺳﻴﮕﺎري و ﻏﻴﺮ ﺳﻴﮕﺎري ﺑﻪ ﻧﺴﺒﺖ 1 ﺑﻪ 4ﺑﺮﺳﻴﻢ ﻛﻪ از ﻧﻈﺮ آﻣﺎري ﻫﻤﺎن ﻗﺪرت 100ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺎ ﻧﺴﺒﺖ 1ﺑﻪ 1را داﺷﺘﻪ ﺑﺎﺷﺪ. ﻓﺮﻣﻮل ﺗﺼﺤﻴﺢ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺮاي زﻣﺎﻧﻲ ﻛﻪ ﻧﺴﺒﺖ ﺣﺠﻢ ﻧﻤﻮﻧﻪ در دو ﮔﺮوه ﺑﺮاﺑﺮ ﻧﻴﺴﺖ ﺑﺴﻴﺎر ﺳﺎده اﺳﺖ .اﺑﺘﺪا ﺑﺎﻳﺪ اﻳﻦ ﻧﺴﺒﺖ را ﺣﺪس ﺑﺰﻧﻴﻢ .ﺑﺮاي ﺳﺎدﮔﻲ ﻛﺎر از اﻳﻦ ﺑﻪ ﺑﻌﺪ ﻧﺴﺒﺖ ﺣﺠﻢ ﻧﻤﻮﻧﻪ در ﭼﮕﻮﻧﻪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ را در ﺷﺮاﻳﻂ ﺧﺎص ﺗﺨﻤﻴﻦ ﺑﺰﻧﻴﻢ ؟69/ ﻣﻘﺪار cﺑﺰرگ ﺷﻮد ،ﻛﻢ ﻛﻢ ﺗﺄﺛﻴﺮش در ﻛﺎﻫﺶ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﮔﺮوه ﻛﻮﭼﻜﺘﺮ ﻛﻤﺘﺮ ﺷﺪه وﻟﻲ در ﻋﻮض ﺑﻪ دﻟﻴﻞ زﻳﺎد ﺷﺪن ﺳﺮﻳﻊ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﮔﺮوه ﺑﺰرگﺗﺮ ،در ﻛﻞ ﺣﺠﻢ ﻧﻤﻮﻧﻪ اﻓﺰاﻳﺶ ﻗﺎﺑﻞ ﻣﻼﺣﻈﻪاي ﻣﻲﻳﺎﺑﺪ .اﻳﻦ واﻗﻌﻴﺖ در ﻧﻤﻮدار ﺷﻤﺎره 1ﻧﻤﺎﻳﺶ داده ﺷﺪه اﺳﺖ .در اﻳﻦ ﻧﻤﻮدار ﻧﺸﺎن داده ﺷﺪه اﮔﺮ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻛﻠﻲ در ﺣﺎﻟﺖ ﺗﻌﺎدل ﺑﺮاﺑﺮ 500ﻧﻔﺮ ﺑﺎﺷﺪ ،وﻗﺘﻲ ﻣﻘﺪار cﺑﻪ 10ﻣﻲرﺳﺪ در ﻛﻞ ﺑﺎﻳﺴﺖ ﺑﻴﺶ از 1500ﻧﻔﺮ وارد ﻣﻄﺎﻟﻌﻪ ﺷﻮﻧﺪ ﺗﺎ ﺧﻄﺎﻫﺎي آﻣﺎري ﺛﺎﺑﺖ ﺑﻤﺎﻧﻨﺪ D I S f ﺗﺼﺤﻴﺢ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺮاي ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ o e ﻧﻤﻮدار ﺷﻤﺎره -1ﺗﺄﺛﻴﺮ ﻣﻘﺪار ) cﻧﺴﺒﺖ ﺑﻴﻤﺎران در دو ﮔﺮوه( ﺑﺮ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻛﻞ ﺑﺎ اﻓﺰاﻳﺶ ﻣﻘﺪار cﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻛﻞ ﺑﻪ ﺳﺮﻋﺖ اﻓﺰاﻳﺶ ﻣﻲﻳﺎﺑﺪ در ﺣﺎﻟﻲ ﻛﻪ ﻛﺎﻫﺶ ﺣﺠﻢ ﻧﻤﻮﻧﻪ در ﮔﺮوه ﻛﻮﭼﻚﺗﺮ ) (n1ﺑﻪ ﺻﻮرت ﺗﻘﺮﻳﺒﺎً ﻧﺎﻣﺤﺴﻮس ﻛﺎﻫﺶ ﻣﻲﻳﺎﺑﺪ. اﻟﺒﺘﻪ در ﺷﺮاﻳﻂ دﻳﮕﺮي ﻧﻴﺰ ﻣﻤﻜﻦ اﺳﺖ ﻣﺠﺒﻮر ﺷﻮﻳﻢ ﻧﻮع ﻧﻤﻮﻧﻪ ﮔﻴﺮي را ﺑﻪ ﺷﻜﻠﻲ ﺗﺮﺗﻴﺐ دﻫﻴﻢ ﻛﻪ از ﺣﺎﻟﺖ ﺗﻌﺎدل ﺧﺎرج ﺷﻮد .ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل در ﻣﻄﺎﻟﻌﺎت ﻣﻮرد -ﺷﺎﻫﺪي ،در ﺑﺴﻴﺎري ﻣﻮارد ﮔﺮﻓﺘﻦ ﻣﻮارد ﺑﺴﻴﺎر دﺷﻮارﺗﺮ از ﮔﺮﻓﺘﻦ ﺷﺎﻫﺪﻫﺎ اﺳﺖ ﭼﺮاﻛﻪ ﻣﻌﻤﻮﻻً از ﺗﻜﻨﻴﻚ ﻣﻮرد -ﺷﺎﻫﺪي ﺑﺮاي ﻣﻄﺎﻟﻌﻪ ﺑﺮ روي ﺑﻴﻤﺎريﻫﺎي ﻧﺎدر اﺳﺘﻔﺎده ﻣﻲﺷﻮد و در ﻧﺘﻴﺠﻪ ﮔﺮﻓﺘﻦ ﻣﻮارد ﺳﺨﺖﺗﺮ ﻣﻲﺑﺎﺷﺪ .در اﻳﻦ ﮔﻮﻧﻪ ﻣﻄﺎﻟﻌﺎت ﮔﺎه ﻣﺤﻘﻖ ﺗﺼﻤﻴﻢ ﻣﻲﮔﻴﺮد ﺑﺮاي ﻫﺮ ﻣﻮرد ﻣﺜﻼً دو ﻳﺎ ﺣﺘﻲ ﺑﻴﺸﺘﺮ ﺷﺎﻫﺪ ﺑﮕﻴﺮد .ﺑﺮاي ﭼﻨﻴﻦ ﻣﻮاردي ﺑﻪ راﺣﺘﻲ ﻣﻲﺗﻮان از ﻓﺮﻣﻮل ﻓﻮق اﺳﺘﻔﺎده ﻧﻤﻮد و ﺣﺠﻢ ﻧﻤﻮﻧﻪ را ﺑﺮاي ﻣﻘﺎدﻳﺮ ﻣﺘﻔﺎوت c ﻣﺤﺎﺳﺒﻪ ﻛﺮد .ﻣﺜﻼً اﮔﺮ در ﺣﺎﻟﺖ ﺗﻌﺎدل ﺑﺎﻳﺴﺖ 100ﻣﻮرد و 100 ﺷﺎﻫﺪ وارد ﻣﻄﺎﻟﻌﻪ ﺷﻮﻧﺪ ،اﮔﺮ ﺑﺨﻮاﻫﻴﻢ ﺑﻪ ازاي ﻫﺮ ﻣﻮرد ،دو ﺷﺎﻫﺪ ﺑﮕﻴﺮﻳﻢ ﻳﻌﻨﻲ ﻣﻘﺪار cرا ﺑﺮاﺑﺮ 2در ﻧﻈﺮ ﺑﮕﻴﺮﻳﻢ ،ﺑﺎﻳﺴﺖ 75ﻣﻮرد و در ﻣﻘﺎﺑﻞ 150ﺷﺎﻫﺪ وارد ﻣﻄﺎﻟﻌﻪ ﻛﻨﻴﻢ .ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻳﻦ ﻣﺤﺎﺳﺒﺎت ﻣﺤﻘﻖ ﺑﺎﻳﺪ ﺑﺒﻴﻨﺪ ارزش دارد ﻛﻪ ﺑﻪ ازاي ﻛﺎﻫﺶ 25ﻧﻔﺮي در ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﮔﺮوه ﻣﻮرد 50 ،ﺷﺎﻫﺪ ﺑﻴﺸﺘﺮ وارد ﻣﻄﺎﻟﻌﻪ ﻛﻨﺪ .اﮔﺮ زﺣﻤﺖ www.SID.ir ﺗﻘﺮﻳﺒﺎً ﻛﻤﺘﺮ ﺗﺤﻘﻴﻘﻲ را ﻣﻲﺗﻮان ﻳﺎﻓﺖ ﻛﻪ ﺗﻤﺎم ﻣﻮارد ﮔﺰﻳﻨﺶ ﺷﺪه ﺗﺎ اﻧﺘﻬﺎي ﻣﻄﺎﻟﻌﻪ ﺑﺎﻗﻲ ﺑﻤﺎﻧﻨﺪ و ﺑﺘﻮان ﺗﻤﺎم اﻃﻼﻋﺎت آنﻫﺎ را وارد ﻣﻄﺎﻟﻌﻪ ﻛﺮد .دﻻﻳﻞ زﻳﺎدي وﺟﻮد دارد ﻛﻪ ﺗﻌﺪادي از ﻧﻤﻮﻧﻪﻫﺎ در ﻫﻨﮕﺎم آﻧﺎﻟﻴﺰ در ﻣﻄﺎﻟﻌﻪ وارد ﻧﺸﻮﻧﺪ .در ﻣﻄﺎﻟﻌﺎت ﻃﻮﻟﻲ ﻛﻪ ﻧﻤﻮﻧﻪﻫﺎ در ﻃﻮل زﻣﺎن ﭘﻴﮕﻴﺮي ﻣﻲﺷﻮﻧﺪ ،ﮔﻢ ﺷﺪن و ﻳﺎ ﺧﺮوج ﻧﻤﻮﻧﻪﻫﺎ ﺑﻪ دﻟﻴﻞ ﻋﺪم رﺿﺎﻳﺖ ﺑﻪ اداﻣﻪ ﻛﺎر و ﻳﺎ ﻣﻮاﺟﻪ ﺷﺪن ﺑﺎ ﺷﺮاﻳﻂ ﻏﻴﺮ ﻋﺎدي و ﻏﻴﺮ ﻣﻌﻤﻮل اﻣﺮي راﻳﺞ اﺳﺖ و ﻫﺮ ﭼﻪ زﻣﺎن ﭘﻴﮕﻴﺮي ﻃﻮﻻﻧﻲﺗﺮ ﺷﻮد ﻣﻴﺰان ﺣﺬف ﻧﻴﺰ اﻓﺰاﻳﺶ ﻣﻲﻳﺎﺑﺪ .ﭼﻨﻴﻦ ﭘﺪﻳﺪهاي ﻫﻢ در ﻣﻄﺎﻟﻌﺎت ﻃﻮﻟﻲ ﻣﺸﺎﻫﺪهاي ﻣﺎﻧﻨﺪ ﻣﻄﺎﻟﻌﺎت ﻫﻢﮔﺮوﻫﻲ ﭘﻴﺶ ﻣﻲآﻳﺪ و ﻫﻢ در ﻣﻄﺎﻟﻌﺎت ﻣﺪاﺧﻠﻪاي ﻛﻪ ﻣﺤﻘﻖ ﺧﻮد اﻓﺮاد را در ﮔﺮوهﻫﺎي ﻣﺨﺘﻠﻒ ﺗﻘﺴﻴﻢ ﻣﻲﻛﻨﺪ و در ﻃﻮل زﻣﺎن اﺛﺮ ﻣﺪاﺧﻼت ﺧﻮد را ﺑﺮرﺳﻲ ﻣﻲﻛﻨﺪ. اﻟﺒﺘﻪ ﺣﺬف ﻧﻤﻮﻧﻪﻫﺎ ﻣﺨﺘﺺ ﻣﻄﺎﻟﻌﺎت ﻃﻮﻟﻲ ﻧﻴﺴﺖ و در ﻣﻄﺎﻟﻌﺎت ﻣﻘﻄﻌﻲ ﻧﻴﺰ دﻳﺪه ﻣﻲﺷﻮد .ﻋﺪم ﭘﺎﺳﺨﮕﻮﻳﻲ ﺑﻪ ﻫﻤﻪ ﻳﺎ ﺗﻌﺪادي از ﺳﻮاﻻت و ﻳﺎ اﺷﻜﺎل در اﻧﺠﺎم آزﻣﺎﻳﺸﺎت از ﺟﻤﻠﻪ ﻋﻠﻠﻲ اﺳﺖ ﻛﻪ ﺑﺎﻋﺚ ﺑﺮوز ﻣﻮارد ﺣﺬف ﺷﺪه در ﻣﻄﺎﻟﻌﺎت ﻣﻘﻄﻌﻲ ﻣﻲﺷﻮد .ﺣﺘﻲ ﮔﺎه ﻣﺤﻘﻖ در زﻣﺎن ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ ﺑﺮاي اﻓﺰاﻳﺶ ﻛﻴﻔﻴﺖ اﻃﻼﻋﺎت ﺗﺼﻤﻴﻢ ﻣﻲﮔﻴﺮد ﺑﻌﻀﻲ از ﻧﻤﻮﻧﻪﻫﺎ را از ﻣﻄﺎﻟﻌﻪ ﺧﺎرج ﻛﻨﺪ؛ ﻧﻤﻮﻧﻪاي از ﭼﻨﻴﻦ ﺗﺼﻤﻴﻤﻲ در زﻣﺎن ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ ،ﺣﺬف ﻧﻤﻮﻧﻪﻫﺎي ﺧﺎرج از داﻣﻨﻪ ﻗﺎﺑﻞ ﻗﺒﻮل ) (out of rangeاﺳﺖ. ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﻮﺿﻴﺤﺎت ﻓﻮق ﺑﺮاي ﺗﻌﺪﻳﻞ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻣﺤﺎﺳﺒﻪ ﺷﺪه ،ﺑﺎﻳﺴﺖ ﻧﻘﺶ و ﺗﺎﺛﻴﺮ ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ در اﻧﺘﻬﺎي ﻣﻄﺎﻟﻌﻪ را از اﺑﺘﺪا در ﻧﻈﺮ ﮔﺮﻓﺖ .ﺑﻪ ﻋﺒﺎرﺗﻲ ﺑﺎﻳﺪ درﺻﺪي ﺑﻴﺶ از ﺣﺠﻢ ﻧﻤﻮﻧﻪ v i h c r A Downloaded from http://journals.tums.ac.ir/ on Monday, May 28, 2012 ﮔﺮﻓﺘﻦ ﻫﺮ ﻣﻮرد ﺑﻴﺶ از دو ﺑﺮاﺑﺮ زﺣﻤﺖ ﮔﺮﻓﺘﻦ ﻫﺮ ﺷﺎﻫﺪ ﺑﺎﺷﺪ، ﻗﻄﻌﺎً ﭼﻨﻴﻦ ﺗﻌﺪﻳﻠﻲ ﺗﻮﺻﻴﻪ ﻣﻲﺷﻮد. از ﻣﻮارد دﻳﮕﺮ ﻛﺎرﺑﺮد اﻳﻦ ﻓﺮﻣﻮل زﻣﺎﻧﻲ اﺳﺖ ﻛﻪ در ﻛﺎرآزﻣﺎﻳﻲﻫﺎي ﺑﺎﻟﻴﻨﻲ ﻫﺪف ،ﻣﻘﺎﻳﺴﻪ ﻳﻚ داروي ﺟﺪﻳﺪ ﺑﺎ ﻳﻚ داروي اﺳﺘﺎﻧﺪارد اﺳﺖ و ﺑﻪ دﻻﻳﻞ اﺧﻼﻗﻲ و ﻧﺪاﻧﺴﺘﻦ ﺷﻜﻞ اﺛﺮ داروي ﺟﺪﻳﺪ و ﻳﺎ ﻋﻮارض ﻧﺎﺧﻮاﺳﺘﻪ آن ،ﻣﺤﻘﻖ ﺳﻌﻲ ﻣﻲﻛﻨﺪ ﺗﺎ ﺗﻌﺪاد ﻧﻤﻮﻧﻪﻫﺎﻳﻲ ﻛﻪ داروي ﺟﺪﻳﺪ را درﻳﺎﻓﺖ ﻣﻲﻛﻨﻨﺪ را ﺑﻪ ﺣﺪاﻗﻞ ﺑﺮﺳﺎﻧﺪ و در ﻋﻮض اﺷﻜﺎل زﻳﺎدي ﺑﺮاي ﮔﺮﻓﺘﻦ ﻧﻤﻮﻧﻪ ﺑﻴﺸﺘﺮ از ﮔﺮوه دﻳﮕﺮ ﻳﻌﻨﻲ ﮔﺮوﻫﻲ ﻛﻪ داروي اﺳﺘﺎﻧﺪارد را درﻳﺎﻓﺖ ﻣﻲﻛﻨﻨﺪ وﺟﻮد ﻧﺪارد .در اﻳﻦ ﻣﻮارد ﻧﻴﺰ ﺑﻪ راﺣﺘﻲ ﻣﻲﺗﻮان از اﻳﻦ ﻓﺮﻣﻮل ﺑﺮاي ﺗﻌﺪﻳﻞ ﺣﺠﻢ ﻧﻤﻮﻧﻪ اﺳﺘﻔﺎده ﻧﻤﻮد و ﺑﺎ ﻛﺎﻫﺶ ﺣﺠﻢ ﻧﻤﻮﻧﻪ در ﮔﺮوه ﻣﺪاﺧﻠﻪ ﺟﺪﻳﺪ ،ﺑﻪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ در ﮔﺮوه درﻳﺎﻓﺖ ﻛﻨﻨﺪه داروي اﺳﺘﺎﻧﺪارد اﻓﺰود. /70ﺣﻖ دوﺳﺖ و ﻫﻤﻜﺎران D I ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﺗﺼﻮر ﻧﻤﺎﻳﻴﺪ ﻛﻪ % 10از ﻣﻮارد در ﻳﻚ ﻛﺎر آزﻣﺎﻳﻲ درﻣﺎﻧﻲ از ﻫﻤﺎن اﺑﺘﺪا از ﺷﺮﻛﺖ در ﻣﻄﺎﻟﻌﻪ اﻣﺘﻨﺎع ورزﻧﺪ ،اﮔﺮ ﺣﺠﻢ ﻧﻤﻮﻧﻪ اوﻟﻴﻪ ﺑﺮاي اﻳﻦ ﻣﻄﺎﻟﻌﻪ 520ﻧﻔﺮ ﻣﺤﺎﺳﺒﻪ ﺷﺪه ﺑﺎﺷﺪ ،ﺑﺮاي ﭘﻮﺷﺶ ﺧﻄﺎي از دﺳﺖ دادن ﻧﻤﻮﻧﻪﻫﺎ ﺑﺎﻳﺴﺖ از ﻓﺮﻣﻮل زﻳﺮ اﺳﺘﻔﺎده ﻧﻤﻮد. S f o e www.SID.ir ﺑﻨﺎﺑﺮاﻳﻦ ﺣﺪود 578اﻓﺮاد واﺟﺪ ﺷﺮاﻳﻂ در اﺑﺘﺪا ﺑﺎﻳﺪ وارد ﻣﻄﺎﻟﻌﻪ ﺷﻮﻧﺪ .اﻟﺒﺘﻪ ﺗﺨﻤﻴﻦ qﻳﻌﻨﻲ درﺻﺪ اﻓﺮاد ﺑﺪون ﭘﺎﺳﺦ در ﺑﺴﻴﺎري از ﻣﻄﺎﻟﻌﺎت در اﺑﺘﺪاي ﻣﻄﺎﻟﻌﻪ ﺑﺴﻴﺎر دﺷﻮار اﺳﺖ و ﻟﺬا ﺳﻌﻲ ﻣﻲﮔﺮدد ﺑﻪ ﺻﻮرت ﻣﺤﺎﻓﻈﻪ ﻛﺎراﻧﻪ اﻳﻦ درﺻﺪ را ﺑﺎﻻﺗﺮﻳﻦ ﺣﺪ ﻣﻮرد اﻧﺘﻈﺎر در ﻧﻈﺮ ﺑﮕﻴﺮﻧﺪ و ﺑﺪﻳﻦ ﺷﻜﻞ ﺣﺠﻢ ﻧﻤﻮﻧﻪ را ﻛﻤﻲ ﺑﻴﺶ از ﺣﺪ ﻣﺤﺎﺳﺒﻪ ﻛﻨﻨﺪ ﺗﺎ در اﻧﺘﻬﺎي ﻣﻄﺎﻟﻌﻪ ﺑﺎ ﻛﻤﺘﺮﻳﻦ ﻣﺸﻜﻞ ﻣﻮاﺟﻪ ﺷﻮﻧﺪ .ﭼﻨﻴﻦ روﻳﻜﺮدي اﮔﺮﭼﻪ اﺣﺘﻤﺎﻻً ﻛﻤﺘﺮﻳﻦ اﺷﻜﺎل را در زﻣﺎن ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ اﻃﻼﻋﺎت ﺑﻪ وﺟﻮد ﺧﻮاﻫﺪ آورد ،وﻟﻲ ﻫﻤﻴﺸﻪ ﻧﻴﺰ ﻣﻄﻠﻮب ﻧﻴﺴﺖ ﺑﻪ ﺧﺼﻮص زﻣﺎﻧﻲ ﻛﻪ ﻧﻤﻮﻧﻪﮔﻴﺮي دﺷﻮار و ﺑﻪ ﺧﺼﻮص ﻫﺰﻳﻨﻪ ﺑﺮ ﺑﺎﺷﺪ .در اﻳﻦ ﮔﻮﻧﻪ ﻣﻮارد ﺑﺎﻳﺴﺘﻲ ﺳﻌﻲ ﮔﺮدد ﺑﺎ اﻧﺠﺎم ﻣﻄﺎﻟﻌﺎت ﭘﺎﻳﻠﻮت و ﻳﺎ اﺳﺘﻔﺎده از ﺗﺠﺮﺑﻴﺎت دﻳﮕﺮان ﺗﺨﻤﻴﻦ ﺑﻬﺘﺮي از qرا ﺑﺪﺳﺖ آورد. ﻧﻜﺘﻪ آﺧﺮ در ﺧﺼﻮص ﻧﻤﻮﻧﻪﻫﺎي ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ ،ﺣﺪاﻛﺜﺮ ﻗﺎﺑﻞ ﻗﺒﻮل ﺑﺮاي qاﺳﺖ؛ ﺑﻪ ﻓﺮض ﻧﺒﻮدن ﺳﻮﮔﻴﺮي در ﻧﻤﻮﻧﻪﮔﻴﺮي ،آﻳﺎ ﺑﺎ ﺗﺼﺤﻴﺢ ﻓﻮق ﻣﻲﺗﻮان ﺑﺮاي ﻳﻚ qﺑﺎﻻ ﺑﻪ ﻧﺘﻴﺠﻪ ﻣﻄﻠﻮب دﺳﺖ ﻳﺎﻓﺖ؟ ﺟﻮاب ﻣﻨﻔﻲ اﺳﺖ .ﺑﻪ ﻋﺒﺎرﺗﻲ اﮔﺮ ﻣﻘﺪار qﺑﺎﻻ ﺑﺎﺷﺪ و ﻣﻮارد ﺑﺪون ﭘﺎﺳﺦ و ﻳﺎ ﺣﺬف ﺷﺪه از ﺣﺪي ﺑﻴﺸﺘﺮ ﺑﺎﺷﺪ ،ﻧﻤﻲﺗﻮان ﺑﺎ ﺗﻜﻴﻪ ﺑﺮ اﻳﻦ ﻓﺮﻣﻮل ﺣﺠﻢ ﻧﻤﻮﻧﻪ را اﺻﻼح ﻛﺮد .اﻣﺎ ﺣﺪاﻛﺜﺮ ﻣﻘﺪار ﻗﺎﺑﻞ ﻗﺒﻮل ﺑﺮاي qﭼﻪ ﻣﻴﺰان اﺳﺖ؟ در اﻳﻦ ﺧﺼﻮص اﺗﻔﺎق ﻧﻈﺮ ﻛﻠﻲ آن اﺳﺖ ﻛﻪ qﻧﺒﺎﻳﺪ ﺑﻴﺶ از %30ﺑﺎﺷﺪ ) .(3ﺑﻪ ﻋﺒﺎرﺗﻲ ﺣﺬف ﺑﻴﺶ از 30درﺻﺪ ﻧﻤﻮﻧﻪﻫﺎ در زﻣﺎن ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ اﻃﻼﻋﺎت ﻣﺸﻜﻞ آﻓﺮﻳﻦ ﺧﻮاﻫﺪ ﺷﺪ .اﻟﺒﺘﻪ اﻳﻦ درﺻﺪ ﻣﻌﻤﻮﻻً ﺑﺮاي ﻣﻄﺎﻟﻌﺎت ﭘﺮﺳﺸﻨﺎﻣﻪاي در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﻣﻲﺷﻮد و ﺑﺮاي ﻣﻄﺎﻟﻌﺎت ﻛﺎرآزﻣﺎﻳﻲ ﺑﺎﻟﻴﻨﻲ ﻣﻌﻤﻮﻻً ﻛﺎر ﺳﺨﺖﮔﻴﺮاﻧﻪﺗﺮ ﺑﻮده و درﺻﺪ ﻣﺬﻛﻮر را ﻛﻤﺘﺮ در ﻧﻈﺮ ﻣﻲﮔﻴﺮﻧﺪ .ﺑﻪ ﻫﻤﻴﻦ دﻟﻴﻞ و در زﻣﺎنﻫﺎﻳﻲ ﻛﻪ واﻗﻌﺎً راﻫﻜﺎري ﺑﺮاي ﻛﺎﻫﺶ ﻣﻮارد ﻧﺎﻣﺸﺨﺺ وﺟﻮد ﻧﺪارد ﺑﺎﻳﺪ ﺑﺮاي ﺗﺤﻠﻴﻞ دﻗﻴﻖﺗﺮ ﻧﺘﺎﻳﺞ ﺑﺎ اﺳﺘﻔﺎده از روشﻫﺎي ﺧﺎص ﻣﻮارد ﺑﺪون ﭘﺎﺳﺦ و ﻳﺎ ﻧﺎﻣﺸﺨﺺ را اﺑﺘﺪا ﺑﺮآورد ﻧﻤﻮد و ﺳﭙﺲ ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞﻫﺎي ﻧﻬﺎﻳﻲ را اﻧﺠﺎم داد ﺗﺎ ﺧﻄﺎي ﻣﺬﻛﻮر را ﺑﻪ ﺣﺪاﻗﻞ ﻣﻤﻜﻦ رﺳﺎﻧﺪ. ﺑﺮآورد ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺮاي روش ﻧﻤﻮﻧﻪﮔﻴﺮي ﭼﻨﺪ ﻣﺮﺣﻠﻪاي v i h c r A Downloaded from http://journals.tums.ac.ir/ on Monday, May 28, 2012 ﻣﺤﺎﺳﺒﻪ ﺷﺪه وارد ﻣﻄﺎﻟﻌﻪ ﻧﻤﻮد ﺗﺎ در ﺻﻮرت ﺣﺬف ﺑﻌﻀﻲ از ﻧﻤﻮﻧﻪﻫﺎ در ﻃﻮل ﻣﻄﺎﻟﻌﻪ در اﻧﺘﻬﺎ ﺗﻌﺪاد ﻧﻤﻮﻧﻪﻫﺎ ﺑﻪ اﻧﺪازه ﻛﺎﻓﻲ ﺑﺎﺷﺪ .وﻟﻲ ﻗﺒﻞ از ﭘﺮداﺧﺘﻦ ﺑﻪ ﺷﻴﻮه ﺗﻌﺪﻳﻞ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ،ﺑﺎﻳﺪ ﺗﻮﺟﻪ وﻳﮋه ﺑﻪ اﻳﻦ ﻧﻜﺘﻪ داﺷﺖ ﻛﻪ اﻳﻨﮕﻮﻧﻪ ﺗﻌﺪﻳﻞﻫﺎ ﻓﻘﻂ زﻣﺎﻧﻲ ﻛﺎرﺑﺮد دارﻧﺪ ﻛﻪ ﻧﻤﻮﻧﻪﻫﺎي ﻧﺎﻣﺸﺨﺺ ﻓﻘﻂ ﺑﺮ اﺳﺎس ﺷﺎﻧﺲ و ﺗﺼﺎدف ﺣﺬف ﺷﺪه ﺑﺎﺷﺪ و ﻫﻴﭻﮔﻮﻧﻪ ﺳﻮﮔﻴﺮي در ﻧﻤﻮﻧﻪﮔﻴﺮي اﻳﺠﺎد ﻧﺸﺪه ﺑﺎﺷﺪ ) (4در ﺻﻮرت ﺣﺬف ﻏﻴﺮ ﺗﺼﺎدﻓﻲ ﻧﻤﻮﻧﻪﻫﺎ ﻫﺮ ﻣﻴﺰان ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺗﻌﺪﻳﻞ ﮔﺮدد ﻧﻤﻲﺗﻮاﻧﺪ ﺧﻄﺎي ﻣﺮﺑﻮﻃﻪ را ﻛﺎﻫﺶ دﻫﺪ و ﺗﻨﻬﺎ راه ﻣﻤﻜﻦ ﻛﻪ ﺗﺎ ﺣﺪودي اﺛﺮات ﺳﻮﮔﻴﺮي را ﻣﻤﻜﻦ اﺳﺖ ﻛﺎﻫﺶ دﻫﺪ اﻧﺠﺎم bias analysisاﺳﺖ ﻛﻪ ﺷﺮح آن ﺧﺎرج از ﻣﻮﺿﻮع اﻳﻦ ﻣﻘﺎﻟﻪ اﺳﺖ ).(5 ﺑﺮاي روﺷﻦﺗﺮ ﺷﺪن ﻣﻄﻠﺐ ﺑﻪ ﻣﺜﺎﻟﻲ درﺑﺎره ﺗﺼﺤﻴﺢ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺮاي ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ ﺗﻮﺟﻪ ﻧﻤﺎﻳﻴﺪ .ﻓﺮض ﻛﻨﻴﺪ ﻛﻪ ﺑﺮاي ﺗﻌﻴﻴﻦ ﻓﺮاواﻧﻲ ﻣﺼﺮف ﺳﻴﮕﺎر در ﻣﻴﺎن داﻧﺶآﻣﻮزان ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻣﺤﺎﺳﺒﻪ ﺷﺪه 600ﻧﻔﺮ ﺑﻮده اﺳﺖ .ﺑﻌﺪ از ﻣﻄﺎﻟﻌﻪ و وارد ﻧﻤﻮدن 600 داﻧﺶآﻣﻮز ،ﭘﺎﺳﺦﻫﺎي 100ﻧﻔﺮ از اﻳﺸﺎن ﻏﻴﺮ ﻗﺎﺑﻞ ﻗﺒﻮل ﺑﻮده و ﻳﺎ ﺑﻪ ﺑﻌﻀﻲ از ﺳﻮاﻻت ﻛﻠﻴﺪي ﭘﺎﺳﺦ ﻧﺪادهاﻧﺪ .ﺑﺮ اﺳﺎس ﭘﺎﺳﺦ 500 داﻧﺶآﻣﻮز ﺑﺎﻗﻲ ﻣﺎﻧﺪه ،ﺗﺨﻤﻴﻦ ﻓﺮاواﻧﻲ ﺳﻴﮕﺎر ﻛﺸﻴﺪن %13ﺑﺪﺳﺖ آﻣﺪه اﺳﺖ .آﻳﺎ ﺑﻪ ﻧﻈﺮ ﺷﻤﺎ ﺧﻄﺎي ﺣﺎﺻﻞ از ﺣﺬف 100ﻧﻔﺮ ﻓﻘﻂ ﻛﺎﻫﺶ دﻗﺖ در ﺑﺮآورد اﻳﻦ ﻓﺮاواﻧﻲ و زﻳﺎد ﺷﺪن ﺧﻄﺎي ﺗﺼﺎدﻓﻲ ﺧﻮاﻫﺪ ﺑﻮد؟ ﺟﻮاب روﺷﻦ اﺳﺖ ،ﺧﻴﺮ؛ ﻧﻤﻮﻧﻪﻫﺎي ﺑﺪون ﭘﺎﺳﺦ اﺣﺘﻤﺎﻻً ﺑﻴﺸﺘﺮ از ﻣﻴﺎن ﻛﺴﺎﻧﻲ ﺑﻮدهاﻧﺪ ﻛﻪ از ﺑﻴﺎن رﻓﺘﺎر ﺳﻴﮕﺎر ﻛﺸﻴﺪن ﺧﻮد ﻃﻔﺮه رﻓﺘﻪاﻧﺪ .ﺑﻪ ﻋﺒﺎرﺗﻲ ﺣﺬف ﻧﻤﻮﻧﻪﻫﺎ ﺑﺮ اﺳﺎس ﺗﺼﺎدف ﻧﺒﻮده و ﻓﺮاواﻧﻲ ﺳﻴﮕﺎر ﻛﺸﻴﺪن در ﻧﻤﻮﻧﻪﻫﺎي ﺣﺬف ﺷﺪه ﺑﺎ ﻧﻤﻮﻧﻪﻫﺎي ﺑﺎﻗﻲ ﻣﺎﻧﺪه ﺗﻔﺎوت ﻗﺎﺑﻞ ﻣﻼﺣﻈﻪاي داﺷﺘﻪ اﺳﺖ .در اﻳﻦ ﺻﻮرت ﺣﺘﻲ اﮔﺮ از اﺑﺘﺪا ﺑﻪ ﺟﺎي 600ﻧﻤﻮﻧﻪ 6000 ،ﻧﻤﻮﻧﻪ ﻧﻴﺰ ﮔﺮﻓﺘﻪ ﻣﻲﺷﺪ ،ﺧﻄﺎي ﻣﻨﻈﻢ و ﺳﻮﮔﻴﺮي ﻣﺬﻛﻮر در ﻧﻤﻮﻧﻪﻫﺎي داراي ﭘﺎﺳﺦ ﻛﻤﺎﻛﺎن وﺟﻮد ﻣﻲداﺷﺖ و ﺑﺎ اﻓﺰاﻳﺶ ﻧﻤﻮﻧﻪ ﻓﻘﻂ ﻓﺮاواﻧﻲ ﺳﻮﮔﻴﺮاﻧﻪاي را ﺑﺎ ﺧﻄﺎي ﺗﺼﺎدﻓﻲ ﻛﻤﺘﺮ ﻣﻲﺗﻮان ﭘﻴﺶﺑﻴﻨﻲ ﻧﻤﻮد .ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻳﻦ ﺗﻮﺿﻴﺤﺎت، ﺑﺎﻻ ﺑﺮدن ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻫﺮﮔﺰ ﻧﻤﻲﺗﻮاﻧﺪ ﺧﻄﺎي ﻣﻨﻈﻢ ﺣﺎﺻﻞ از ﺳﻮﮔﻴﺮي در ﻧﻤﻮﻧﻪﮔﻴﺮي را از ﺑﻴﻦ ﺑﺒﺮد و دﻗﺖ در ﻧﻤﻮﻧﻪﮔﻴﺮي دﻗﻴﻖ و اﺳﺘﺎﻧﺪارد از اﻫﻢ ﻧﻜﺎﺗﻲ اﺳﺖ ﻛﻪ ﺑﺎﻳﺪ در ﻳﻚ ﺗﺤﻘﻴﻖ ﺑﻪ آن ﺗﻮﺟﻪ ﺧﺎص ﻣﺒﺬول داﺷﺖ. ﺣﺎل ﺑﺮاي ﺣﺬف اﺛﺮات ﻣﻘﺎدﻳﺮ ﻧﺎﻣﺸﺨﺺ ﺗﺼﺎدﻓﻲ ﭼﻪ ﺑﺎﻳﺪ ﻛﺮد؟ در ﻧﻈﺮ ﺑﮕﻴﺮﻳﺪ ﻛﻪ ﻛﻞ ﺣﺠﻢ ﻧﻤﻮﻧﻪ nﺑﺮاي ﻣﻄﺎﻟﻌﻪ ﻧﻬﺎﻳﻲ ﻣﻮرد ﻧﻴﺎز ﺑﻮده و ﻳﻚ ﻧﺴﺒﺖ ) (qاز ﺷﺮﻛﺖ ﻛﺮدن در ﻣﻄﺎﻟﻌﻪ اﻣﺘﻨﺎع ورزﻳﺪه و ﻳﺎ از ﻣﻄﺎﻟﻌﻪ ﺣﺬف ﻣﻲﺷﻮﻧﺪ .در اﻳﻦ ﺣﺎﻟﺖ ﻛﻞ ﺗﻌﺪاد ﻣﻮاردي ﻛﻪ ﺑﺎﻳﺴﺘﻲ از اﺑﺘﺪا وارد ﻣﻄﺎﻟﻌﻪ ﺷﻮﻧﺪ از ﻓﺮﻣﻮل زﻳﺮ ﺑﺪﺳﺖ ﻣﻲآﻳﺪ ).(3 ﭼﮕﻮﻧﻪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ را در ﺷﺮاﻳﻂ ﺧﺎص ﺗﺨﻤﻴﻦ ﺑﺰﻧﻴﻢ ؟71/ D I S f o e www.SID.ir v i h ) ρﺑﺎ ﺗﻠﻔﻂ (rhoﻧﺸﺎن ﻣﻲدﻫﻨﺪ ﻛﻪ ﻧﺸﺎن دﻫﻨﺪه ﻫﻤﺒﺴﺘﮕﻲ درون ﺧﻮﺷﻪاي ) (intra-cluster correlationاﺳﺖ و ﺑﺮاي ﻣﺤﺎﺳﺒﻪ آن ﺑﺎﻳﺴﺖ از ﻧﺘﺎﻳﺞ ﻣﻄﺎﻟﻌﺎت ﻣﺸﺎﺑﻪ و ﻳﺎ ﻣﻄﺎﻟﻌﻪ ﭘﺎﻳﻠﻮت ﻛﻤﻚ ﮔﺮﻓﺖ .در ﺻﻮرﺗﻲ ﻛﻪ داده ﻫﺎﻳﻲ از ﻳﻚ ﻣﻄﺎﻟﻌﻪ ﻣﺸﺎﺑﻪ ﻳﺎ ﻣﻄﺎﻟﻌﻪ ﻣﻘﺪﻣﺎﺗﻲ ﻣﻮﺟﻮد ﺑﺎﺷﺪ ﻣﻲﺗﻮان ﺑﺎ اﺳﺘﻔﺎده از ﺗﻜﻨﻴﻚ آﻧﺎﻟﻴﺰ وارﻳﺎﻧﺲ و ﻓﺮﻣﻮل زﻳﺮ ﻫﻤﺒﺴﺘﮕﻲ ﻣﺸﺎﻫﺪات در ﻫﺮ ﺧﻮﺷﻪ را ﺗﺨﻤﻴﻦ زد ).(5 c r A }ρ = (MSB-MSW)/ {1+ (m-1) MSW MSB= between cluster mean square MSW= within cluster mean square اﻟﺒﺘﻪ ﻣﻘﺪار اﺛﺮﻃﺮح ﻋﻼوه ﺑﺮ ﻣﻘﺪار ρﺑﻪ اﻧﺪازه ﻧﻤﻮﻧﻪﻫﺎي ﻫﺮ ﺧﻮﺷﻪ ﻧﻴﺰ واﺑﺴﺘﻪ اﺳﺖ .ﺑﻪ ﻋﺒﺎرﺗﻲ اﮔﺮ ﺗﻌﺪاد ﻧﻤﻮﻧﻪﻫﺎي ﻳﻚ ﺧﻮﺷﻪ زﻳﺎد ﺷﻮد ،ﺑﺎ ﻓﺮض ﺛﺎﺑﺖ ﺑﻮدن ،ρﻣﻘﺪار اﺛﺮﻃﺮح ﻧﻴﺰ اﻓﺰاﻳﺶ ﻣﻲﻳﺎﺑﺪ. ﻓﺮﻣﻮل ﻣﻮرد اﺳﺘﻔﺎده ﺑﺮاي ﻧﺸﺎن دادن اﻳﻦ ارﺗﺒﺎط ﺑﻪ ﺷﺮح زﻳﺮ اﺳﺖ ).(6 Design effect = 1+ (m-1)*ρ در ﻓﺮﻣﻮل ﻓﻮق mﻧﺸﺎن دﻫﻨﺪه ﺗﻌﺪاد اﻓﺮاد در ﻫﺮ ﺧﻮﺷﻪ ﻣﻲﺑﺎﺷﺪ .در اﻳﻨﺠﺎ ﻓﺮض ﺷﺪه اﺳﺖ ﻛﻪ ﺗﻌﺪاد اﻓﺮاد در ﺧﻮﺷﻪﻫﺎي ﻣﺨﺘﻠﻒ ﺑﺮاﺑﺮ اﺳﺖ .ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻓﺮﻣﻮل ﻓﻮق اﮔﺮ ﻣﻘﺪار ρﺑﺮاﺑﺮ 0/04ﺑﺎﺷﺪ ،ﻣﻘﺪار اﺛﺮ اﮔﺮ ﺧﻮﺷﻪﻫﺎ Downloaded from http://journals.tums.ac.ir/ on Monday, May 28, 2012 ) (multistage samplingدر ﺑﺴﻴﺎري ﻣﻮاﻗﻊ ﺑﻪ ﻣﻨﻈﻮر ﻛﺎﻫﺶ ﻫﺰﻳﻨﻪﻫﺎي ﻣﻄﺎﻟﻌﻪ و ﺳﺎﻳﺮ ﻣﻼﺣﻈﺎت اﺟﺮاﻳﻲ ﻣﺤﻘﻘﻴﻦ از روش ﻧﻤﻮﻧﻪ ﮔﻴﺮي ﭼﻨﺪ ﻣﺮﺣﻠﻪاي اﺳﺘﻔﺎده ﻣﻲﻛﻨﻨﺪ .اﻳﻦ در ﺣﺎﻟﻲ اﺳﺖ ﻛﻪ ﻓﺮﻣﻮلﻫﺎي ﺑﻴﺎن ﺷﺪه ﺗﺎ ﺑﺪﻳﻦ ﺟﺎ ﺑﺎ ﻓﺮض ﻧﻤﻮﻧﻪﮔﻴﺮي ﺗﺼﺎدﻓﻲ ﺳﺎده ﻣﻲﺑﺎﺷﻨﺪ. ﻛﺎرآﻳﻲ ﻧﻤﻮﻧﻪﮔﻴﺮيﻫﺎ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﻤﻮﻧﻪﮔﻴﺮي ﺗﺼﺎدﻓﻲ ﺳﺎده ﻣﺤﺎﺳﺒﻪ ﻣﻲﺷﻮد و ﺑﺮ اﺳﺎس ﻳﻚ اﺻﻞ ﻛﻠﻲ دﻗﺖ و ﻛﺎراﻳﻲ ﻧﻤﻮﻧﻪﮔﻴﺮي ﻃﺒﻘﻪاي ) (stratifiedﺑﻬﺘﺮ و ﻧﻤﻮﻧﻪﮔﻴﺮي ﺧﻮﺷﻪاي و ﭼﻨﺪ ﻣﺮﺣﻠﻪاي ﻛﻤﺘﺮ از ﻧﻤﻮﻧﻪﮔﻴﺮي ﺗﺼﺎدﻓﻲ ﺳﺎده اﺳﺖ .ﺑﺮاي ﻧﺸﺎن دادن اﻳﻦ ﻣﻴﺰان ﻛﺎرآﻳﻲ از ﺷﺎﺧﺼﻲ ﺑﻨﺎم اﺛﺮﻃﺮح ) (4اﺳﺘﻔﺎده ﻣﻲﻛﻨﻨﺪ و ﺑﺮاي ﺗﻌﺪﻳﻞ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ،اﺑﺘﺪا ﺑﺮ اﺳﺎس ﻓﺮﻣﻮلﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﻧﻤﻮﻧﻪﮔﻴﺮي ﺗﺼﺎدﻓﻲ ﺳﺎده ﺣﺠﻢ ﻧﻤﻮﻧﻪ را ﺣﺴﺎب و ﺑﻌﺪ در اﺛﺮ ﻃﺮح ﺿﺮب ﻣﻲﻛﻨﻨﺪ .ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل اﮔﺮ در ﻳﻚ ﻣﻄﺎﻟﻌﻪ ﭼﻨﺪ ﻣﺮﺣﻠﻪاي اﺛﺮﻃﺮح ﺑﺮاﺑﺮ 1/6ﺑﺎﺷﺪ و ﻣﺜﻼً ﻓﺮﻣﻮل ﺑﺮآورد ﻳﻚ ﻧﺴﺒﺖ ﺣﺠﻢ ﻧﻤﻮﻧﻪ را 800ﻧﻔﺮ ﺗﻌﻴﻴﻦ ﻧﻤﻮده ﺑﺎﺷﺪ ،ﺑﺮاي ﺗﻌﺪﻳﻞ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺎﻳﺪ ﻣﻘﺪار ﺣﺠﻢ ﻧﻤﻮﻧﻪ را %60اﻓﺰاﻳﺶ داد ).(800*1.6=1280 اﻣﺎ ﺳﻮاﻟﻲ ﻛﻪ ﺑﺎﻳﺴﺖ ﺑﻪ آن ﺟﻮاب داد ﻣﻔﻬﻮم ﻣﻘﺪار اﺛﺮﻃﺮح و ﺷﻴﻮه ﺳﻨﺠﺶ آن اﺳﺖ .در واﻗﻊ اﻳﻦ ﺷﺎﺧﺺ ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ ﻣﻴﺰان ﻫﻤﺒﺴﺘﮕﻲ درون ﮔﺮوﻫﻲ ﻧﺴﺒﺖ ﺑﻪ ﻫﻤﺒﺴﺘﮕﻲ ﺑﻴﻦ ﮔﺮوﻫﻲ ﭼﻪ ﻣﻴﺰان اﺳﺖ .ﺑﺮاي روﺷﻦﺗﺮ ﺷﺪن اﻳﻦ ﻣﻔﻬﻮم ﺑﻬﺘﺮ اﺳﺖ از ﻳﻚ ﻣﺜﺎل اﺳﺘﻔﺎده ﺷﻮد .ﻓﺮض ﻛﻨﻴﺪ ﻣﻲﺧﻮاﻫﻴﻢ ﻣﻴﺰان ﺷﻴﻮع دﻳﺎﺑﺖ را در ﺷﻬﺮ ﻛﺮﻣﺎن ﺑﺴﻨﺠﻴﻢ و ﺑﺮاي اﻳﻦ ﻛﺎر 1000ﻧﻔﺮ از 50ﺧﻮﺷﻪ ﺑﻪ ﺻﻮرت ﺗﺼﺎدﻓﻲ از ﺷﻬﺮ اﻧﺘﺨﺎب و در ﻫﺮ ﺧﻮﺷﻪ 20ﻧﻔﺮ از ﻧﻈﺮ دﻳﺎﺑﺖ ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺮارﮔﺮﻓﺘﻪاﻧﺪ .در اﻳﻦ ﻣﻄﺎﻟﻌﻪ ﻫﺮ ﺧﻮﺷﻪ ﻣﺘﺸﻜﻞ از ﭼﻨﺪﻳﻦ ﺧﺎﻧﻮاده در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﻣﻲﺷﻮﻧﺪ ﻛﻪ ﻣﺠﺎور ﻫﻢ زﻧﺪﮔﻲ ﻣﻲﻛﻨﻨﺪ و ﺗﻤﺎم اﻓﺮاد ﺑﺎﻻي 20ﺳﺎل آنﻫﺎ وارد ﻣﻄﺎﻟﻌﻪ ﺷﺪهاﻧﺪ. ﺣﺎل اﻳﻦ ﺳﻮال ﭘﻴﺶ ﻣﻲآﻳﺪ ﻛﻪ اﻓﺮاد درون ﻫﺮ ﺧﻮﺷﻪ ﭼﻪ ﻣﻴﺰان در ﻣﻮرد ﻣﺘﻐﻴﺮ ﻣﻮرد ﺑﺮرﺳﻲ ﻳﻌﻨﻲ دﻳﺎﺑﺘﻲ ﺑﻮدن ﺑﺎ ﻫﻢ ﺗﺸﺎﺑﻪ دارﻧﺪ؟ در ﺣﺎﻟﺖ ﻓﺮﺿﻲ ﻣﻤﻜﻦ اﺳﺖ اﻳﻦ ﻫﻤﺒﺴﺘﮕﻲ %100ﺑﺎﺷﺪ ،ﺑﻪ اﻳﻦ ﻣﻌﻨﻲ اﺳﺖ ﻛﻪ اﮔﺮ ﻧﻔﺮ اول ﻳﻚ ﺧﻮﺷﻪ را ﺑﺮرﺳﻲ ﻛﻨﻴﻢ ﺑﺎ دﻗﺖ %100ﻣﻲ ﺗﻮاﻧﻴﻢ ﺑﮕﻮﻳﻴﻢ ﻛﻪ ﺳﺎﻳﺮ 19ﻧﻔﺮ آن ﺧﻮﺷﻪ دﻳﺎﺑﺘﻲ ﻫﺴﺘﻨﺪ ﻳﺎ ﺧﻴﺮ؟ ﺑﻪ ﻋﺒﺎرﺗﻲ اﮔﺮ ﻧﻔﺮ اول دﻳﺎﺑﺘﻲ ﺑﺎﺷﺪ ﺣﺘﻤﺎً و ﺣﺘﻤﺎً 19ﻧﻔﺮ دﻳﮕﺮ ﻧﻴﺰ دﻳﺎﺑﺘﻲ ﺧﻮاﻫﻨﺪ ﺑﻮد و ﺑﺎﻟﻌﻜﺲ اﮔﺮ ﻧﻔﺮ اول دﻳﺎﺑﺘﻲ ﻧﺒﺎﺷﺪ ،ﺳﺎﻳﺮ اﻓﺮاد ﻧﻴﺰ دﻳﺎﺑﺘﻲ ﻧﺨﻮاﻫﻨﺪ ﺑﻮد .اﮔﺮﭼﻪ در ﻋﻤﻞ ﭼﻨﻴﻦ ﻫﻤﺒﺴﺘﮕﻲ %100 ﺗﻘﺮﻳﺒﺎً ﺑﺴﻴﺎر ﺑﻌﻴﺪ اﺳﺖ ،وﻟﻲ ﺑﻪ ﺻﻮرت ﺗﺌﻮرﻳﻚ آﻳﺎ واﻗﻌﺎً در اﻳﻦ ﻣﺜﺎل ﻫﺮ ﻧﻤﻮﻧﻪ ﺑﻪ اﻧﺪازه ﻳﻚ ﻧﻤﻮﻧﻪ ﻣﺴﺘﻘﻞ اﻃﻼﻋﺎت وارد ﻣﻄﺎﻟﻌﻪ ﻣﻲﻛﻨﺪ؟ ﭘﺮواﺿﺢ اﺳﺖ ﻛﻪ ﺟﻮاب ﻣﻨﻔﻲ اﺳﺖ و ﺑﻬﺘﺮ اﺳﺖ ﺑﮕﻮﻳﻴﻢ 1000ﻧﻔﺮ ﺑﺎ اﻳﻦ ﺷﻴﻮه ﻧﻤﻮﻧﻪﮔﻴﺮي ﻫﻴﭻ ﺣﺮف ﺑﻴﺸﺘﺮي از ﮔﺮﻓﺘﻦ 50ﻧﻤﻮﻧﻪ ﺗﺼﺎدﻓﻲ از ﺷﻬﺮ ﻧﺨﻮاﻫﺪ زد ﭼﺮاﻛﻪ ﻫﻤﺒﺴﺘﮕﻲ درون ﮔﺮوﻫﻲ %100اﺳﺖ و اﻓﺮاد درون ﺧﻮﺷﻪ اﻃﻼﻋﺎت اﺿﺎﻓﻪاي وارد ﻣﻄﺎﻟﻌﻪ ﻧﻤﻲﻛﻨﻨﺪ. در ﻣﻘﺎﺑﻞ اﮔﺮ ﻧﻤﻮﻧﻪﻫﺎي درون ﺧﻮﺷﻪ ﻫﻴﭻ ﺗﻨﺎﺳﺒﻲ ﺑﺎ ﻫﻢ ﻧﺪاﺷﺘﻪ ﺑﺎﺷﻨﺪ و ﺷﺎﻧﺲ و اﺣﺘﻤﺎل دﻳﺎﺑﺘﻲ ﺑﻮدن دو ﻧﻔﺮ در ﻳﻚ ﺧﻮﺷﻪ ﺑﺮاﺑﺮ اﺣﺘﻤﺎل دﻳﺎﺑﺘﻲ ﺑﻮدن دو ﻧﻔﺮ ﻣﺴﺘﻘﻞ و ﺗﺼﺎدﻓﻲ از ﺷﻬﺮ ﻛﺮﻣﺎن ﺑﺎﺷﺪ، در اﻳﻦ ﺻﻮرت ﻫﻤﺒﺴﺘﮕﻲ درون ﮔﺮوﻫﻲ ﺻﻔﺮ اﺳﺖ و ﻋﻤﻼً ﻫﺮ ﻧﻤﻮﻧﻪ ﻣﺎﻧﻨﺪ ﻳﻚ ﻧﻤﻮﻧﻪ ﻣﺴﺘﻘﻞ ﺗﺼﺎدﻓﻲ از ﺟﺎﻣﻌﻪ ﻋﻤﻞ ﻧﻤﻮده و در اﻳﻦ ﺣﺎﻟﺖ اﺛﺮﻃﺮح ﺑﺮاﺑﺮ ﻳﻚ اﺳﺖ .ﺑﻪ ﻋﺒﺎرﺗﻲ 1000ﻧﻤﻮﻧﻪ ﺗﺼﺎدﻓﻲ ﺳﺎده از اﻳﻦ ﺷﻬﺮ ﻫﻤﺎن ﻗﺪر اﻃﻼﻋﺎت وارد ﻣﻄﺎﻟﻌﻪ ﻣﻲﻛﻨﻨﺪ ﻛﻪ 50ﺧﻮﺷﻪ 20ﻧﻔﺮي اﻃﻼﻋﺎت ﻣﻲدﻫﻨﺪ. ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﻮﺿﻴﺤﺎت ﻓﻮق ﻣﻲﺗﻮان ﺑﺎور ﻧﻤﻮد ﻛﻪ در ﻋﻤﻞ اﺣﺘﻤﺎﻻً ﻣﻴﺰان اﺛﺮﻃﺮح ﺑﻴﺶ از ﻳﻚ اﺳﺖ ﭼﺮاﻛﻪ اﻓﺮادي ﻛﻪ در ﻳﻚ ﺧﻮﺷﻪ ﻗﺮار دارﻧﺪ از ﻧﻈﺮ ژﻧﺘﻴﻚ )در ﻳﻚ ﺧﺎﻧﻮاده( و از ﻧﻈﺮ اﻗﺘﺼﺎدي -اﺟﺘﻤﺎﻋﻲ و ﺷﻴﻮه زﻧﺪﮔﻲ )در ﻳﻚ ﺧﺎﻧﻮاده و در ﻫﻤﺴﺎﻳﻪﻫﺎ( ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﺗﺸﺎﺑﻪ دارﻧﺪ و ﺑﻪ ﻫﻤﻴﻦ دﻟﻴﻞ ﺷﺎﻧﺲ دﻳﺎﺑﺘﻲ ﺑﻮدن در اﻓﺮاد ﻳﻚ ﺧﻮﺷﻪ ﺑﻴﺶ از اﻓﺮاد ﻣﺴﺘﻘﻞ در ﻳﻚ ﺟﺎﻣﻌﻪ اﺳﺖ. ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻳﻦ ﺗﻮﺿﻴﺤﺎت ﻫﺮ ﻗﺪر ﻣﺸﺎﺑﻬﺖ اﻓﺮاد ﻳﻚ ﺧﻮﺷﻪ ﺑﻪ ﻳﻜﺪﻳﮕﺮ ﻧﺰدﻳﻚ ﺷﻮد ،ﻣﻘﺪار اﺛﺮﻃﺮح اﻓﺰاﻳﺶ ﻳﺎﻓﺘﻪ و ﺑﺎ ﺗﻌﺪﻳﻞ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ،ﺑﺎﻳﺪ اﻓﺮاد ﺑﻴﺸﺘﺮي وارد ﻣﻄﺎﻟﻌﻪ ﻧﻤﻮد .اﻳﻦ ﻣﻴﺰان ﺗﺸﺎﺑﻪ را ﺑﺎ /72ﺣﻖ دوﺳﺖ و ﻫﻤﻜﺎران 10ﻧﻔﺮه اﻧﺘﺨﺎب ﺷﻮﻧﺪ ﺑﺮاﺑﺮ 1/36ﺧﻮاﻫﺪ ﺑﻮد و ﺑﻪ ﻋﺒﺎرﺗﻲ ﺑﺎﻳﺴﺖ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻣﺤﺎﺳﺒﻪ ﺷﺪه ﺑﺎ ﻓﺮﻣﻮلﻫﺎي ﺳﺎده را %36اﻓﺰاﻳﺶ داد ،وﻟﻲ اﮔﺮ اﻧﺪازه ﺧﻮﺷﻪﻫﺎ ﺑﻪ 30ﻧﻔﺮ ﺑﺮﺳﺪ ﻣﻘﺪار اﺛﺮ ﻃﺮح 2.16ﺧﻮاﻫﺪ ﺷﺪ ﻛﻪ ﻧﺸﺎن ﻣﻲدﻫﺪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺎﻳﺪ ﺿﺮﺑﺪر 2/16ﺷﻮد ) %116اﻓﺰاﻳﺶ( و ﻟﺬا ﻣﻴﺰان ﺣﺠﻢ ﻧﻤﻮﻧﻪ در ﭼﻨﻴﻦ ﻧﻤﻮﻧﻪﮔﻴﺮي ﺧﻮﺷﻪاي ﺑﺴﻴﺎر اﻓﺰاﻳﺶ ﺧﻮاﻫﺪ ﻳﺎﻓﺖ. اﻳﻦ ﻧﻜﺘﻪ ﻣﺒﻴﻦ اﻳﻦ ﺣﻘﻴﻘﺖ اﺳﺖ ﻛﻪ در ﻧﻤﻮﻧﻪﮔﻴﺮيﻫﺎي ﺧﻮﺷﻪاي ﻧﺒﺎﻳﺪ اﻧﺪازه ﺧﻮﺷﻪﻫﺎ را ﺑﺰرگ ﻧﻤﻮد ﭼﺮا ﻛﻪ ﻣﻴﺰان اﺛﺮ و در ﻧﺘﻴﺠﻪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻣﻮرد ﻧﻴﺎز ﺑﻪ ﺷﺪت اﻓﺰاﻳﺶ ﺧﻮاﻫﺪ ﻳﺎﻓﺖ. ﺑﻪ ﻋﻨﻮان ﻳﻚ راﻫﻜﺎر ﻛﻠﻲ ﻣﻲﺗﻮان ﺑﻴﺎن ﻧﻤﻮد ﻛﻪ ﻣﻌﻤﻮﻻً ﻣﻘﺪار اﺛﺮ ﻃﺮح در ﻧﻤﻮﻧﻪﮔﻴﺮي ﻃﺒﻘﻪاي ﺑﻴﻦ 0/8ﺗﺎ 1و در ﻧﻤﻮﻧﻪﮔﻴﺮي ﺧﻮﺷﻪاي ﺳﺎده ﺣﺪاﻗﻞ 1/5اﺳﺖ و در ﻧﻤﻮﻧﻪﮔﻴﺮي ﭼﻨﺪ ﻣﺮﺣﻠﻪاي اﮔﺮ اﻧﺪازه ﺧﻮﺷﻪﻫﺎي ﺑﺰرگ دﻳﺪه ﻧﺸﻮد ﻣﻌﻤﻮﻻً ﻣﻘﺪار اﺛﺮﻃﺮح ﺑﻴﻦ 1/3ﺗﺎ 2ﺧﻮاﻫﺪ ﺑﻮد ).(2،5 در ﻛﻞ ﻣﻲ ﺗﻮان ﺑﻴﺎن ﻧﻤﻮد ﻛﻪ ﻓﺮﻣﻮل ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻣﺆﺛﺮ (Effective )) Sample Size (ESSﺑﺮاي ﻧﻤﻮﻧﻪﮔﻴﺮي ﺧﻮﺷﻪاي را ﻣﻲﺗﻮان ﺑﻪ ﻃﺮﻳﻖ زﻳﺮ ﺑﻪ دﺳﺖ آورد. 80 128 1/000 128 1 128 ﺟﺪول ﺷﻤﺎره -3ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻣﻮﺛﺮ و ﻗﺪرت آن در ﺻﻮرﺗﻴﻜﻪ ﺗﻌﺪاد ﭘﺰﺷﻜﺎن ﺛﺎﺑﺖ ﺑﺎﺷﻨﺪ. Power =ρ = 0/017 DE ESS 34 60 96 136 1/153 1/323 1/663 2/343 ﻛﻞ اﻓﺮاد )(mk 40 80 160 320 ﺗﻌﺪاد ﺗﻌﺪاد ﺑﻴﻤﺎران )(m 10 20 40 80 ﭘﺰﺷﻜﺎن )(k 4 4 4 4 ﺟﺪول ﺷﻤﺎره -4ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻣﺆﺛﺮ و ﻗﺪرت آن در ﺻﻮرﺗﻴﻜﻪ ﺗﻌﺪاد ﺑﻴﻤﺎران ﺛﺎﺑﺖ ﺑﺎﺷﻨﺪ. o e Power =ρ = 0/017 ﻛﻞ ﺗﻌﺪاد ﺗﻌﺪاد ESS DE اﻓﺮاد )(mk ﺑﻴﻤﺎران )(m ﭘﺰﺷﻜﺎن )(k 16 18 1/153 20 10 2 30 50 83 36 70 138 1/153 1/153 1/153 40 80 160 10 10 10 4 8 16 ﺑﻪ ﮔﻮﻧﻪاي ﻛﻪ mﺑﺮاﺑﺮ ﺑﺎ ﺗﻌﺪاد اﻓﺮاد در ﻫﺮ ﺧﻮﺷﻪ ﺑﻮده و kﺗﻌﺪاد ﺧﻮﺷﻪﻫﺎ اﺳﺖ .ﻓﺮﻣﻮل DEﻳﺎ ﻫﻤﺎن اﺛﺮ ﻃﺮح در ﺑﺎﻻ ﺷﺮح داده ﺷﺪه اﺳﺖ. ﺑﺮاي ﺑﻴﺎن اﺛﺮ ρو Design effectﺑﺮ روي ﺣﺠﻢ ﻧﻤﻮﻧﻪ و powerدر ﺟﺪاول 3،2و 4ﻣﺜﺎﻟﻲ اراﻳﻪ ﺷﺪه اﺳﺖ .ﻓﺮض ﻛﻨﻴﺪ ﻛﻪ در ﻳﻚ ﻃﺮح ﺗﺤﻘﻴﻘﺎﺗﻲ ﻣﻲ ﺧﻮاﻫﻴﻢ ﺑﻪ ﺑﺮرﺳﻲ ﺗﻌﺪادي از ﺑﻴﻤﺎران ﺑﭙﺮدازﻳﻢ واز ﭼﻨﺪﻳﻦ ﭘﺰﺷﻚ درﺧﻮاﺳﺖ ﻛﺮدهاﻳﺪ ﺗﺎ ﺗﻌﺪادي از ﺑﻴﻤﺎراﻧﺸﺎن را ﻣﻌﺮﻓﻲ ﻛﻨﻨﺪ .در اﻳﻨﺠﺎ ﻫﺮ ﻳﻚ از ﭘﺰﺷﻜﺎن ﺑﻪ ﻋﻨﻮان ﻳﻚ ﺧﻮﺷﻪ و ﺗﻌﺪاد ﺑﻴﻤﺎران ﻣﻮﺟﻮد در ﻫﺮ ﺧﻮﺷﻪ ﻧﻤﻮﻧﻪﻫﺎي ﻣﺎ را ﺗﺸﻜﻴﻞ ﻣﻲدﻫﻨﺪ .ﻓﺮض ﻧﻤﺎﻳﻴﻢ ﻛﻪ در اﻳﻨﺠﺎ اﺛﺮ ρﺑﺮاﺑﺮ ﺑﺎ ﺑﺎ 0/017ﺑﺎﺷﺪ. ﺟﺪول ﺷﻤﺎره 2ﻧﺸﺎن دﻫﻨﺪه ﺗﻐﻴﻴﺮات در اﻧﺪازه ﻧﻤﻮﻧﻪ ﻣﺆﺛﺮ و ﻗﺪرت اﺳﺖ ،در ﺣﺎﻟﻲ ﻛﻪ ﻣﺎ ﺑﺮاي mkﺛﺎﺑﺖ ﺗﻌﺪاد ﺑﻴﻤﺎران و ﭘﺰﺷﻜﺎن ﻣﺘﻔﺎوﺗﻲ داﺷﺘﻪ ﺑﺎﺷﻴﻢ .ﺟﺪول ﺷﻤﺎره 3ﻧﺸﺎن دﻫﻨﺪه اﺛﺮ اﻓﺰاﻳﺶ mﺑﻮده در ﺣﺎﻟﻴﻜﻪ kﺛﺎﺑﺖ ﻧﮕﻪ داﺷﺘﻪ ﺷﺪه ﺑﺎﺷﺪ .ﺑﻪ اﻓﺰاﻳﺶ در اﺛﺮ ﻃﺮح ﺑﺎ اﻓﺰاﻳﺶ m و ﺗﺎﺛﻴﺮ آن ﺑﺮ روي ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻣﺆﺛﺮ ﺗﻮﺟﻪ ﻧﻤﺎﻳﻴﺪ. در اﻳﻦ ﺣﺎﻟﺖ ﭘﮋوﻫﺸﮕﺮ ﺑﺎﻳﺴﺘﻲ 80ﺑﻴﻤﺎر را ﺑﻪ ازاي ﻫﺮ ﭘﺰﺷﻚ ﺟﺪول ﺷﻤﺎره -2ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻣﻮﺛﺮ و ﻗﺪرت آن در ﺻﻮرﺗﻴﻜﻪ ﻛﻞ اﻓﺮاد و ﺗﻌﺪاد ﺑﻴﻤﺎران ﺛﺎﺑﺖ ﺑﺎﺷﻨﺪ. Power 61 ρ= 0/017 ESS DE 84 1/527 www.SID.ir ﻛﻞ اﻓﺮاد )(mk 128 ﺗﻌﺪاد ﺗﻌﺪاد ﺑﻴﻤﺎران )(m ﭘﺰﺷﻜﺎن )(k 32 4 v i h )در ﻣﺠﻤﻮع 320ﻣﻮرد( ﺑﻪ ﻣﻄﺎﻟﻌﻪ وارد ﻛﺮده ﺗﺎ ﺑﻪ ﻗﺪرت ﻣﻨﺎﺳﺐ ﺑﺎ 4 ﭘﺰﺷﻚ ﺑﺮﺳﺪ. در ﺟﺪول ﺷﻤﺎره 4ﻧﺸﺎن داده ﺷﺪه اﺳﺖ ﻛﻪ ﺑﺎ اﻓﺰاﻳﺶ ﺗﻌﺪاد ﭘﺰﺷﻜﺎن ﺑﻪ 16ﺗﻨﻬﺎ ﻧﻴﺎز ﺑﻪ 160ﺑﻴﻤﺎر ﺑﻮده ﺗﺎ ﺑﻪ ﻗﺪرت ﺑﺎﻻي % 80 ﺑﺮﺳﻴﻢ ).(7 c r A ﺑﺮآورد ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺮاي آزﻣﻮنﻫﺎي ﻧﺎﭘﺎراﻣﺘﺮي از ﻣﻮارد دﻳﮕﺮي ﻛﻪ در ﻣﺤﺎﺳﺒﻪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺎﻳﺴﺖ ﻣﺪ ﻧﻈﺮ ﻗﺮار ﮔﻴﺮد ،ﻧﻮع آزﻣﻮن آﻣﺎري اﺳﺖ ﻛﻪ ﺑﺮاي ﺗﺤﻠﻴﻞ ﻧﻬﺎﻳﻲ دادهﻫﺎ ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﻣﻲﮔﻴﺮﻧﺪ .ﺑﻪ ﺻﻮرت ﺑﺴﻴﺎر ﺳﺎده ،ﻣﻲﺗﻮان آزﻣﻮنﻫﺎ را ﺑﻪ ﭘﺎراﻣﺘﺮﻳﻚ و ﻏﻴﺮﭘﺎراﻣﺘﺮﻳﻚ ﺗﻘﺴﻴﻢ ﻧﻤﻮد .در آزﻣﻮنﻫﺎي Pearson correlation ،ANOVA ،t-testو ﭘﺎراﻣﺘﺮﻳﻚ ﻣﺎﻧﻨﺪ test ،linear regressionﭘﻴﺶ ﻓﺮضﻫﺎﻳﻲ در ﻣﻮرد ،ﻧﻮع ﻣﺘﻐﻴﺮﻫﺎي ﻋﺪدي )ﻳﻌﻨﻲ ﻓﺎﺻﻠﻪاي و ﻳﺎ ﻧﺴﺒﺘﻲ ﺑﻮدن( ،ﺗﻮزﻳﻊ و وارﻳﺎﻧﺲ آنﻫﺎ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﻣﻲﺷﻮد و ﻣﺤﺎﺳﺒﺎت ﺑﺎ اﻳﻦ ﭘﻴﺶ ﻓﺮضﻫﺎ ﺻﻮرت ﻣﻲﮔﻴﺮد .در زﻣﺎﻧﻲ ﻛﻪ اﻳﻦ ﭘﻴﺶ ﻓﺮضﻫﺎ ﻣﺤﻘﻖ ﻧﺒﺎﺷﻨﺪ و ﺑﻪ راﺣﺘﻲ Downloaded from http://journals.tums.ac.ir/ on Monday, May 28, 2012 29 47 67 82 D I S f 70 75 78 79 102 114 122 126 1/255 1/119 1/051 1/017 128 128 128 128 16 8 4 2 8 16 32 64 ﭼﮕﻮﻧﻪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ را در ﺷﺮاﻳﻂ ﺧﺎص ﺗﺨﻤﻴﻦ ﺑﺰﻧﻴﻢ ؟73/ و ﺑﺎ ﺗﺒﺪﻳﻞ دادهﻫﺎ ) data manipulation such as Mann-Whitney Mann Wilcoxon SignedSigned rank test Wilcoxon One sample test Kruskal Kruskal-Wallis Spearman or Kendal’s correlation Kendal correlation ﻣﻘﺎﺑﻞ ﻣﻌﺎدل ﭘﺎراﻣﺘﺮﻳﻚ ﺧﻮد www.SID.ir 95.5 95.5 91 91 ▲ ▲ در اﻳﻨﺠﺎ kﻋﺒﺎرت اﺳﺖ از ﺗﻌﺪاد ﮔﺮوهﻫﺎ o e ﺟﺪول ﺷﻤﺎره -3ﻛﺎرآﻣﺪي ﺗﻮان اﻧﻮاع ﻣﻬﻢ آزﻣﻮنﻫﺎي ﻏﻴﺮﭘﺎراﻣﺘﺮﻳﻚ در One sample t test ANOVA Pearson correlation Pearson correlation Repeated ANOVA Freedman D I S f Pooled t-test paired t-test )(% 95.5 95.5 ﻣﻮرد ﺗﺄﻣﻞ آن اﺳﺖ ﻛﻪ ﮔﺎﻫﻲ ﻣﺤﻘﻘﻴﻦ ﻣﺘﻐﻴﺮﻫﺎي ﻛﻤﻲ را ﺑﻪ ﺣﺎﻟﺖ ﻛﻴﻔﻲ دو ﺣﺎﻟﺘﻪ ﺗﺒﺪﻳﻞ ﻣﻲﻛﻨﻨﺪ .اﻳﻦ اﻣﺮ روي روش ﺗﺤﻠﻴﻞ دادهﻫﺎ ﺗﺄﺛﻴﺮ ﻣﻲﮔﺬارد .ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل در ﺟﺎﻳﻲ ﻛﻪ اﻣﻜﺎن اﺳﺘﻔﺎده از Paired t-testﺑﺮاي ﺗﺤﻠﻴﻞ ﻣﺘﻐﻴﺮ ﻋﺪي وﺟﻮد دارد ﮔﺮوهﺑﻨﺪي ﻛﺮدن ﻣﺘﻐﻴﺮ ،ﻣﺤﻘﻖ را ﻧﺎﭼﺎر ﻣﻲﻛﻨﺪ ﻛﻪ از آزﻣﻮن Mc-Nemar اﺳﺘﻔﺎده ﻛﻨﺪ .اﻳﻦ اﻣﺮ روي ﻛﺎرآﻣﺪي ﺗﻮان ﻣﻄﺎﻟﻌﻪ ﺗﺄﺛﻴﺮ ﻣﺴﺘﻘﻴﻢ دارد و ﺑﺎﻋﺚ ﻛﺎﻫﺶ ﻛﺎرآﻣﺪي آزﻣﻮن آﻣﺎري ﻣﻲﺷﻮد و در ﺷﺮاﻳﻂ ﺧﺎص ﻣﻤﻜﻦ اﺳﺖ ﻛﺎرآﻣﺪي ﺗﻮان آزﻣﻮن ﺣﺘﻲ ﺑﻪ %62ﻧﻴﺰ ﺑﺮﺳﺪ ﺑﻪ ﻫﻤﻴﻦ دﻟﻴﻞ در ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ آﻣﺎري ﭼﻨﻴﻦ ﺗﻘﺴﻴﻢﺑﻨﺪي ﺑﻪ ﺻﻮرت ﻋﻤﻮﻣﻲ ﺗﻮﺻﻴﻪ ﻧﻤﻲﺷﻮد ) .(8,9ﺑﺤﺚ در ﻣﻮرد ﻣﺰاﻳﺎ و ﻣﻌﺎﻳﺐ ﮔﺮوه ﺑﻨﺪي ﺧﺎرج از ﺣﻮﺻﻠﻪ اﻳﻦ ﻣﻘﺎﻟﻪ اﺳﺖ. v i h c r ﺑﺮآورد ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺮاي ﺟﺎﻣﻌﻪ ﻣﺤﺪود درﺻﻮرﺗﻴﻜﻪ ﺟﺎﻣﻌﻪ ﻣﻮرد ﺗﺤﻘﻴﻖ ﻣﺎ ﻳﻚ ﺟﺎﻣﻌﻪ ﻣﺤﺪود ﻳﺎ ﺟﺎﻣﻌﻪاي ﺑﺪون ﺟﺎﻳﮕﺰﻳﻨﻲ ﺑﺎﺷﺪ ﭘﺲ از ﺑﻪ دﺳﺖ آوردن ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺎﻳﺴﺘﻲ آن را ﺑﺎ اﺳﺘﻔﺎده از ﻓﺮﻣﻮل زﻳﺮ ﺗﺼﺤﻴﺢ ﻧﻤﻮد ).(10 A ﻓﺮض ﻛﻨﻴﺪ ﻛﻪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﻪ دﺳﺖ آﻣﺪه ﺑﺮاي ﻳﻚ ﺗﺤﻘﻴﻖ 200 ﺑﺎﺷﺪ ،در ﺻﻮرﺗﻴﻜﻪ ﻛﻞ ﺟﺎﻣﻌﻪ ﻣﻮرد ﺗﺤﻘﻴﻖ ﻣﺎ N= 5000ﺑﺎﺷﺪ ،در اﻳﻦ ﺻﻮرت ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻧﻬﺎﻳﻲ ﻣﻮرد اﺳﺘﻔﺎده ﻣﺎ ﻋﺒﺎرت اﺳﺖ از: در اﻳﻨﺠﺎ ﻣﻲﺗﻮان ﻣﺸﺎﻫﺪه ﻧﻤﻮد ،در ﺻﻮرﺗﻴﻜﻪ اﻧﺪازه ﺟﻤﻌﻴﺖ ﻣﺎ در ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﻛﻞ ﺟﻤﻌﻴﺖ ﻫﺪف ﻛﻮﭼﻚ ﺑﺎﺷﺪ ،اﺳﺘﻔﺎده از اﻳﻦ ﻓﺮﻣﻮل ﺣﺠﻢ ﻧﻤﻮﻧﻪ را اﻧﺪﻛﻲ ﻛﺎﻫﺶ ﻣﻲدﻫﺪ ﻛﻪ اﻳﻦ اﻣﺮ ﺑﺪﻳﻦ ﺧﺎﻃﺮ Downloaded from http://journals.tums.ac.ir/ on Monday, May 28, 2012 (transformationﻧﺘﻮاﻧﻴﻢ اﻳﻦ ﭘﻴﺶ ﻓﺮضﻫﺎ را ﻣﺤﻘﻖ ﻧﻤﺎﻳﻴﻢ، ﺑﺎﻳﺴﺖ از روشﻫﺎي آﻣﺎري ﺟﺎﻳﮕﺰﻳﻦ ﻛﻪ اﺻﻼﺣﺎً روشﻫﺎي ﻏﻴﺮﭘﺎراﻣﺘﺮﻳﻚ ﻧﺎم دارﻧﺪ اﺳﺘﻔﺎده ﻧﻤﻮد. ﻣﺤﺎﺳﺒﺎت ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺎ ﻓﺮﻣﻮلﻫﺎي ﺑﻴﺎن ﺷﺪه ﺑﺮاي ﻣﻘﺎﻳﺴﻪ ﻣﻴﺎﻧﮕﻴﻦﻫﺎ ،ﺑﺮاي زﻣﺎﻧﻲ اﺳﺖ ﻛﻪ آزﻣﻮنﻫﺎي ﻧﻬﺎﻳﻲ ﺑﺎ اﺳﺘﻔﺎده از روشﻫﺎي ﭘﺎراﻣﺘﺮﻳﻚ ﺻﻮرت ﻣﻲﮔﻴﺮﻧﺪ ،ﻟﺬا اﮔﺮ ﻣﺠﺒﻮر ﺑﺎﺷﻴﻢ از روشﻫﺎي ﻏﻴﺮ ﭘﺎراﻣﺘﺮﻳﻚ اﺳﺘﻔﺎده ﻛﻨﻴﻢ ،ﺑﺎﻳﺴﺖ ﺣﺠﻢ ﻧﻤﻮﻧﻪﻫﺎ را ﺗﻌﺪﻳﻞ ﻛﻨﻴﻢ .ﻻزم ﺑﻪ ذﻛﺮ اﺳﺖ ﻛﻪ ﭼﻨﻴﻦ ﺗﻌﺪﻳﻠﻲ ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺮاي ﻣﻘﺎﻳﺴﻪ دو ﻧﺴﺒﺖ ﻻزم ﻧﻴﺴﺖ ﭼﺮا ﻛﻪ از ﻧﻈﺮ ﻣﺎﻫﻴﺖ ﻣﻘﺎﻳﺴﻪ دو ﻧﺴﺒﺖ ﺑﺎ اﺳﺘﻔﺎده از روشﻫﺎي ﻏﻴﺮﭘﺎراﻣﺘﺮﻳﻚ ﺻﻮرت ﻣﻲﮔﻴﺮد و اﻣﻜﺎن اﺳﺘﻔﺎده از آزﻣﻮنﻫﺎي ﭘﺎراﻣﺘﺮﻳﻚ ﺑﻪ راﺣﺘﻲ ﻣﻤﻜﻦ ﻧﻴﺴﺖ. از آﻧﺠﺎﻳﻲ ﻛﻪ ﻗﺪرت و ﺗﻮان آزﻣﻮنﻫﺎي آﻣﺎري ﻏﻴﺮﭘﺎراﻣﺘﺮﻳﻚ ﻛﻤﺘﺮ از آزﻣﻮنﻫﺎي آﻣﺎري ﭘﺎراﻣﺘﺮﻳﻚ اﺳﺖ ،ﻟﺬا ﺑﺮاي رﺳﻴﺪن ﺑﻪ دﻗﺖ ﻛﺎﻓﻲ ﺑﺎﻳﺪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ اﻓﺰاﻳﺶ ﻳﺎﺑﺪ .ﺑﻪ ﻋﺒﺎرﺗﻲ اﮔﺮ ﺑﺎ دﻗﺖ آﻣﺎري ﻣﺸﺨﺺ و از ﻗﺒﻞ ﺗﻌﻴﻴﻦ ﺷﺪه ﺑﺮاي آزﻣﻮن آﻣﺎري ﭘﺎراﻣﺘﺮﻳﻚ ﺑﺎﻳﺪ در ﻫﺮ ﮔﺮوه 100ﻧﻤﻮﻧﻪ وارد ﻣﻄﺎﻟﻌﻪ ﺷﻮد ،زﻣﺎﻧﻲ ﻛﻪ ﺷﻤﺎ ﻣﺠﺒﻮر ﺑﻪ اﺳﺘﻔﺎده از آزﻣﻮن ﻏﻴﺮﭘﺎراﻣﺘﺮﻳﻚ ﻣﻲﺷﻮﻳﺪ ،ﺑﺎﻳﺪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﻴﺸﺘﺮي را ﺑﮕﻴﺮﻳﺪ ﺗﺎ در ﻧﻬﺎﻳﺖ ﺗﺠﺰﻳﻪ و ﺗﺤﻠﻴﻞ ﺷﻤﺎ ﺑﺎ ﻫﻤﺎن دﻗﺖ ﻗﺒﻠﻲ ﺑﺎﺷﺪ. ﺣﺎل اﻳﻦ ﺳﻮال ﭘﻴﺶ ﻣﻲآﻳﺪ ﻛﻪ ﺟﻬﺖ ﺗﺼﺤﻴﺢ ﺑﺮاي آزﻣﻮنﻫﺎي ﻏﻴﺮﭘﺎراﻣﺘﺮﻳﻚ ﭼﻪ ﻣﻴﺰان ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﺎﻳﺴﺖ اﻓﺰاﻳﺶ ﻳﺎﺑﺪ؟ ﭘﺎﺳﺦ اﻳﻦ ﺳﻮال ﺑﺮ ﻣﻲﮔﺮدد ﺑﻪ اﻳﻨﻜﻪ ﻛﻪ ﺗﻮان آزﻣﻮن ﻏﻴﺮﭘﺎراﻣﺘﺮﻳﻚ ﭼﻪ ﻣﻴﺰان ﻛﻤﺘﺮ از ﺗﻮان آزﻣﻮن ﭘﺎراﻣﺘﺮﻳﻚ ﻣﻌﺎدل اﺳﺖ .ﺑﺮاي ﻧﺸﺎن دادن اﻳﻦ ﻣﻮﺿﻮع ﺷﺎﺧﺼﻲ ﺗﻌﺮﻳﻒ ﻣﻲﺷﻮد ﺑﻪ ﻧﺎم ﻛﺎرآﻣﺪي ﺗﻮان آزﻣﻮن ﻏﻴﺮﭘﺎراﻣﺘﺮﻳﻚ ) .(5-8ﻣﺜﻼً اﮔﺮ اﻳﻦ ﺗﻮان ﺑﺮاي ﻳﻚ آزﻣﻮن ﻏﻴﺮﭘﺎراﻣﺘﺮﻳﻚ %95ﺑﺎﺷﺪ ،ﻳﻌﻨﻲ ﺑﺎﻳﺪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻣﺤﺎﺳﺒﻪ ﺷﺪه در ﻣﻌﻜﻮس %95ﺿﺮب ﺷﻮد .ﺑﻪ ﻋﺒﺎرﺗﻲ ﺑﺎﻳﺪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﻣﺤﺎﺳﺒﻪ ﺷﺪه ﺗﻘﺮﻳﺒﺎ %5.2اﻓﺰاﻳﺶ ﻳﺎﺑﺪ ﺗﺎ در اﻧﺘﻬﺎ ﺧﻄﺎﻫﺎي آﻣﺎري در ﺗﺤﻠﻴﻞ ﺛﺎﺑﺖ ﺑﺎﻗﻲ ﺑﻤﺎﻧﻨﺪ. در ﺟﺪول ذﻳﻞ )ﺟﺪول ﺷﻤﺎره (3ﻛﺎرآﻣﺪي ﺗﻮان ﺑﻌﻀﻲ از ﻣﻬﻢﺗﺮﻳﻦ آزﻣﻮنﻫﺎي آﻣﺎري ﻏﻴﺮﭘﺎراﻣﺘﺮﻳﻚ در ﻣﻘﺎﺑﻞ ﻣﻌﺎدل ﭘﺎراﻣﺘﺮﻳﻚ آنﻫﺎ ﺑﻴﺎن ﺷﺪه اﺳﺖ. آزﻣﻮن ﻏﻴﺮﭘﺎراﻣﺘﺮﻳﻚ ﻣﻌﺎدل ﭘﺎراﻣﺘﺮﻳﻚ ﺗﻮان ﻛﺎرآﻣﺪي Downloaded from http://journals.tums.ac.ir/ on Monday, May 28, 2012 ﺣﻖ دوﺳﺖ و ﻫﻤﻜﺎران/74 از ﺟﻤﻠﻪ اﻳﻦ ﻧﻜﺎت ﻣﻲﺗﻮان ﺑﻪ ﺑﺤﺚ ﺣﺠﻢ ﻧﻤﻮﻧﻪ.ﻣﻄﻠﺐ ﻧﺒﻮده اﺳﺖ ﺗﺄﺛﻴﺮ ﺟﻮر ﺳﺎزي ﺑﺮ ﺣﺠﻢ،در ﻣﻄﺎﻟﻌﺎت ﻛﻴﻔﻲ و ﻣﻔﻬﻮم اﺷﺒﺎع ﺷﺪن .ﻧﻤﻮﻧﻪ و روشﻫﺎي ﺗﻌﻴﻴﻦ ﻧﻤﻮﻧﻪ در ﻣﺪلﻫﺎي رﮔﺮﺳﻴﻮﻧﻲ اﺷﺎره ﻛﺮد ﻧﻜﺘﻪ دﻳﮕﺮ آن اﺳﺖ ﻛﻪ ﺑﻌﻀﻲ اوﻗﺎت از ﺗﻌﺪاد ﻣﺤﺪودي ﻧﻤﻮﻧﻪ در در اﻳﻨﮕﻮﻧﻪ ﻣﻮارد.دﺳﺘﺮس ﺑﻪ ﺟﺎي ﻧﻤﻮﻧﻪ ﮔﻴﺮي اﺳﺘﻔﺎده ﻣﻲﺷﻮد ﻻزم اﺳﺖ ﺑﺠﺎي ﻣﺤﺎﺳﺒﻪ ﺣﺠﻢ ﻧﻤﻮﻧﻪ ﺑﻪ ﻣﺤﺎﺳﺒﻪ ﺗﻮان ﻣﻄﺎﻟﻌﻪ ﺑﻪ ﻳﺎري.ﭘﺮداﺧﺖ ﺗﺎ ﺑﺘﻮان ﻛﻴﻔﻴﺖ ﻣﻄﺎﻟﻌﻪ را ﻣﻮرد ارزﻳﺎﺑﻲ ﻗﺮار داد .ﺧﺪا اﻳﻦ ﻧﻜﺎت در ﻳﻚ ﻣﻘﺎﻟﻪ ﻣﺴﺘﻘﻞ ﻣﻮرد ﺑﺤﺚ ﻗﺮار ﺧﻮاﻫﻨﺪ ﮔﺮﻓﺖ اﻣﻴﺪ اﺳﺖ ﻧﻜﺎت اراﻳﻪ ﺷﺪه در اﻳﻦ ﻣﻘﺎﻟﻪ ﻣﺤﻘﻘﻴﻦ را ﺑﺎ ﺑﻌﻀﻲ از .ﻣﺒﺎﺣﺚ در روشﻫﺎي ﺗﻌﻴﻴﻦ ﻧﻤﻮﻧﻪ ﺑﻴﺶ از ﭘﻴﺶ آﺷﻨﺎ ﻛﺮده ﺑﺎﺷﺪ 1. Haghdoost, A.A., Do You Want to Gain a Profound Insight into Sample Size and Statistical Power. Iranian journal of epidemiology, 2008; 5: 57-63. 2. Machin, D., Sample size tables for clinical studies. 1997; Wiley-Blackwell. 3. Whitley E. and Ball J. Statistics review 4: sample size calculations. Critical Care, 2002; 6: 335. 4. Katz J and Zeger SL. Estimation of design effects in cluster surveys. Annals of Epidemiology, 1994; 4: 295-301. 5. Woodward, M., Epidemiology: study design and data analysis. 1999; CRC Press : 420.92. اﺳﺖ ﻛﻪ ﻳﻚ اﻧﺪازه ﻧﻤﻮﻧﻪ ﻣﺸﺨﺺ ﺑﻪ ﻧﺴﺒﺖ اﻃﻼﻋﺎت ﺑﻴﺸﺘﺮي را ﺑﺮاي ﺟﻤﻌﻴﺖﻫﺎي ﻛﻮﭼﻚ ﺗﺮ ﻧﺴﺒﺖ ﺑﻪ ﺟﻤﻌﻴﺖ ﺑﺰرﮔﺘﺮ ﻓﺮاﻫﻢ اﻟﺒﺘﻪ ﺑﺎﻳﺴﺘﻲ ﺑﻪ اﻳﻦ ﻧﻜﺘﻪ ﻧﻴﺰ ﺗﻮﺟﻪ ﻧﻤﻮد ﻛﻪ اﮔﺮ ﻧﺴﺒﺖ ﺑﻴﻦ.ﻣﻲﻛﻨﺪ ﺑﻮد ﻧﻴﺎز ﺑﻪ ﺗﻌﺪﻳﻞ وﺟﻮد دارد و%5 ﻧﻤﻮﻧﻪ ﺑﻪ ﻛﻞ ﺟﻤﻌﻴﺖ ﺑﻴﺶ از ﺣﺠﻢ ﻧﻤﻮﻧﻪ را ﺗﻐﻴﻴﺮ ﻣﺤﺴﻮﺳﻲ،در ﻏﻴﺮ اﻳﻦ ﺻﻮرت ﺗﻌﺪﻳﻞ .ﻧﻤﻲدﻫﺪ ﻧﺘﻴﺠﻪﮔﻴﺮي در اﻳﻦ ﻣﻘﺎﻟﻪ ﺳﻌﻲ ﺑﺮ آن ﺷﺪ ﻛﻪ ﺑﺮاي ﺗﻌﻴﻴﻦ ﺣﺠﻢ ﻧﻤﻮﻧﻪ در ﺷﺮاﻳﻂ ﺧﺎص ﻣﺒﺎﺣﺜﻲ اراﻳﻪ ﺷﻮد و ﺗﺎ ﺣﺪودي ﻧﻜﺎت ﻣﺮﺑﻮط ﺑﻪ وﻟﻲ.ﻧﻤﻮﻧﻪﮔﻴﺮي ﺑﺎ ﺗﻜﻨﻴﻚﻫﺎي ﺳﺎده و ﻗﺎﺑﻞ اﺳﺘﻔﺎده اراﻳﻪ ﺷﻮد ﺷﺮاﻳﻂ ﺑﺴﻴﺎر ﺧﺎص دﻳﮕﺮي ﻧﻴﺰ وﺟﻮد دارد ﻛﻪ در ﮔﻨﺠﺎﻳﺶ اﻳﻦ 6. S f D I ﻣﻨﺎﺑﻊ Prajapati B, Dunne M, and Armstrong R. Sample size estimation and statistical power analyses. Optometry Today. 2010(July). 7. Killip S, Mahfoud Z, and Pearce K. What is an intracluster correlation coefficient? Crucial concepts for primary care researchers. The Annals of Family Medicine, 2004; 2: 204. 8. Siegel, S., Nonparametric statistics. American Statistician, 1957; 11: 13-19. 9. Nasirian M, Sadeghi M, and Haghdoost AA. Principal for information analysis and correctly issued result. Isfahan university of medical science, 2009; 27: 646-59. 10. Amidi A and Meshkati MR. Theory of sampling and application of it. Center publication of university, 2007; 1:92. v i h o e c r A www.SID.ir
© Copyright 2026