در این روش تحقیق شیوه‌های متفاوتی برای جمع آوری داده‌ها وجود دارد، تنها کافی است اطمینان حاصل کنید نتایجی که به دست می‌آیند معتبر هستند.
فرارو؛ در علوم طبیعی و علوم اجتماعی، پژوهش‌های کمی، تحقیقات تجربی سیستماتیک است که از پدیده‌های قابل مشاهده از طریق روش‌های آماری، ریاضی یا محاسباتی حاصل می‌شود. هدف پژوهش‌های کمی توسعه مدل‌های ریاضی، نظریه‌ها یا فرضیه مربوط به پدیده‌ها است.
به گزارش فرارو، فرایند اندازه گیری محوری برای پژوهش‌های کمی است و دلیل آن ایجاد روابط کمی از ارتباط اساسی بین مشاهدات تجربی و عبارات ریاضی است. داده‌های کمی هر گونه اطلاعات در شکل عددی مانند آمار، درصد، و… است. محقق داده‌ها را با استفاده از آمار تجزیه و تحلیل می‌کند. پژوهشگر امید به یک نتیجه بی‌طرفانه از اعداد دارد که بتواند آن را به جمعیت بزرگ‌تر تعمیم دهد.
تحقیق کیفی، از سوی دیگر، سؤالاتی را طرح می‌کند گسترده و جمع آوری داده‌ها از پدیده یا شرکت‌کنندگان است. محقق به نظر می‌رسد از تم‌ها و اطلاعات موجود در تم‌ها و الگوهای منحصر به فرد که مجموعه‌ای از شرکت کنندگان را توصیف می‌کند مطلع است.
در این روش تحقیق شیوه‌های متفاوتی برای جمع آوری داده‌ها وجود دارد، تنها کافی است اطمینان حاصل کنید نتایجی که به دست می‌آیند معتبر هستند.
نمونه برداری احتمالی احتمال دارد هر شخص یا چیزی در نمونه باشد که شناخته شده است. نمونه برداری غیر- احتمالی، اما این چنین نیست.
این روش نمونه گیری به پژوهشگر اجازه می‌دهد تا در رابطه بین نمونه و جامعه هدف دقیق باشد. این بدان معناست که آیا می‌توانید مطمئن باشید که نمونه شما الگویی مناسب برای تعمیم به تمامی جامعه است یا خیر، همچنین می‌توانید آن را به بقیه موارد در نمونه تعمیم دهید.
در نمونه گیری احتمالی هر یک از واحدهای جامعه آماری با یک میزان احتمالی مشخص در نمونه جای می‌گیرند. در حالی که در نمونه گیری غیر احتمالی انتخاب نمونه بر اساس قوانین احتمالاتی انجام نمی‌پذیرد و نمونه توسط قضاوت انسانی صورت می‌گیرد؛ بنابراین اشتباهات بر آوردهای غیر احتمالی، اغلب غیر تصادفی و غیر قابل اندازه گیری هستند. در چنین شیوه‌هایی هر قدر که حجم نمونه را بزرگ‌تر اختیار کنید، نمونه‌ها در اغلب موارد نمی‌توانند به عنوان معرف واقعی جامعه در نظر گرفته شوند. اما با این حال گاهی اوقات نمونه گیری غیر احتمالی بهترین روش نمونه گیری می‌باشد. به ویژه برای زمانی که امکان تهیه چارچوب نمونه گیری وجود نداشته باشد.
در نمونه گیری تصادفی، هر عضو از جامعه آماری دارای فرصت برای انتخاب است. اشکال آن این است که نمونه مشخص شده را نمی‌توان به تمامی جامعه آماری تعمیم داد. تنها مشکل نمونه گیری تصادفی این است، و این احتمال وجود دارد که بخش قابل توجهی از جمعیت را شامل نشود.
بنابر این محققین یک روش به نام نمونه گیری تصادفی طبقه‌بندی شده را گسترش داده اند. این روش جامعه آماری را به گروه‌های کوچک‌تر همگن تقسیم می‌کند و برای هر یک از دسته بندی‌ها یک نمونه تصادفی اتخاذ می‌کند. نمونه گیری تصادفی طبقه‌بندی شده نسبتا مستقل در هر طبقه جای می‌گیرد، اما این دسته‌بندی نیز از معایب و اشکالات خود را دارد. بنا براین نمونه گیری طبقه‌بندی شده غیر تصادفی نمونه‌های بزگ‌تر از اقشار کوچک‌تر را شامل می‌شود تا اطمینان حاصل شود که می‌توان آن را تمام جامعه آماری تعمیم دهد.
نمونه برداری تصادفی سیستماتیک مبتنی بر فهرستی از جامعه آماری است که باید به طور تصادفی انجام پذیرد. پژوهشگر نام هر n. را از لیست بگیرد.
نمونه گیری سیستماتیک شامل گزینش هر واحد به روشی سیستماتیک و در نتیجه به شکل غیر تصادفی می‌باشد. منظور از این نمونه گیری معمولا توزیع یکنواخت واحدها بر روی چارچوب است و عنصر تصادفی بودن اغلب به این ترتیب دخالت داده می‌شود و اولین واحد را به طور تصادفی بر می‌گزینند. در این روش گزینش اولین واحد، نتیجه مابقی واحدهای نمونه را نیز مشخص می‌کند.
در این روش نمونه گیری افراد جامعه آماری بسته به خصوصیاتی که آن‌ها را از یکدیگر متمایز می‌سازد در طبقات مختلف تقسیم می‌شوند. سپس به تعداد مورد نیاز و متناسب با جمعیت هر یک از طبقات افراد نمونه انتخاب می‌شوند. انتخاب افراد می‌تواند هم به شکل تصادفی باشد و هم به شیوه تصادفی سیستماتیک. در جمعیت‌های نا همگن که توزیع جمعیت در گروه‌ها و طبقات مختلف متفاوت است، از روش نمونه گیری طبقه‌ای استفاده می‌شود.
در بسیاری از مواقع می‌توان بوسیله اجرای یک وسیله با انتخاب تصادفی گروه‌ها یا خوشه‌هایی از واحدهای نمونه گیری به جای گرفتن نمونه تصادفی ساده از جامعه باشند. یکی از مزیت‌های این روش این است که در میزان هزینه به شیوه‌ای اساسی صرفه جویی شود. در حقیقت نمونه گیری خوشه‌ای پژوهشگر را از ساختن چارچوب برای تمامی جامعه بی‌نیاز می‌کند و می‌دانید که ایجاد این چارچوب خود اغلب یک کار پر هزینه است. علاوه بر این، چون واحدهای یک خوشه، در جوار یکدیگر هستند و بنابراین دسترسی به آن‌ها آسان است.
یکی از مهم‌ترین کاربردهای نمونه گیری غیر احتمالی، استفاده در مطالعات مقدماتی پیمایش‌های بزرگ است. در چنین مواردی که هدف تعیین حجم نمونه و روش نمونه گیری یا تست پایایی ابزار اندازه گیری و… می‌باشد، احتیاجی به روش‌های نمونه گیری احتمالی نیست.
تقریبا تمامی نمونه گیری‌ها در بین نمونه‌های احتمالی و غیر احتمالی جای می‌گیرند. در حالت ایده آل، پژوهشگر تمام جمعیت را مورد مطالعه و بررسی قرار خواهد داد و در عمل زمان و ظرفیت کافی برای انجام آن نخواهد داشت. اما این را به یاد داشته باشید که در انتخاب نمونه نهایت دقت را به خرج دهید که در دام نیفتید. این عمل به نوبه خود می‌تواند به کار اعتبار ببخشد.
