naywinaung Limitation of Descriptive Research Design

Limitation of Descriptive Research Design

Descriptive research design also has some limitations that researchers should consider before using this design. Some of the main limitations of descriptive research design are:

Cannot establish cause and effect: Descriptive research design cannot establish cause and effect relationships between variables. It only provides a description of the characteristics of the population or phenomenon of interest.
Limited generalizability: The results of a descriptive study may not be generalizable to other populations or situations. This is because descriptive research design often involves a specific sample or situation, which may not be representative of the broader population.
Potential for bias: Descriptive research design can be subject to bias, particularly if the researcher is not objective in their data collection or interpretation. This can lead to inaccurate or incomplete descriptions of the population or phenomenon of interest.
Limited depth: Descriptive research design may provide a superficial description of the population or phenomenon of interest. It does not delve into the underlying causes or mechanisms behind the observed behavior or characteristics.
Limited utility for theory development: Descriptive research design may not be useful for developing theories about the relationship between variables. It only provides a description of the variables themselves.
Relies on self-report data: Descriptive research design often relies on self-report data, such as surveys or questionnaires. This type of data may be subject to biases, such as social desirability bias or recall bias.


Discover more from naywinaung

Subscribe to get the latest posts sent to your email.

Leave a Reply

Your email address will not be published. Required fields are marked *

Related Post

Stratified Random SamplingStratified Random Sampling

Stratified Random Sampling အကြောင်း Stratified Random Sampling ဆိုတာက လူဦးရေအုပ်စုကြီးတစ်ခုကို လေ့လာတဲ့အခါမှာ အုပ်စုတစ်ခုလုံး(population)ရဲ့ ပုံစံကိုဖမ်းယူနိုင်ဖို့အတွက် အသုံးပြုတဲ့ နည်းလမ်းတစ်ခုပါ။ ဥပမာ- ကျောင်းတစ်ကျောင်းမှာ ကျောင်းသားဦးရေအများကြီးရှိတယ်ဆိုပါစို့။ အဲဒီကျောင်းက ကျောင်းသားတွေရဲ့ ပျမ်းမျှရမှတ်ကို သိချင်တယ်ဆိုရင် ကျောင်းသားအားလုံးကို မေးမြန်းဖို့ဆိုတာ မလွယ်ကူပါဘူး။ ဒါကြောင့် Stratified Random Sampling ကိုသုံးပြီး အဲဒီကျောင်းသားအုပ်စုကြီးကို

EstimationEstimation

Estimation Estimation ဆိုတာဟာ ကျွန်တော်တို့မှာရှိတဲ့ အချက်အလက် (data) နမူနာ (sample) တစ်ခုကို အခြေခံပြီး၊ အဲဒီအချက်အလက်တွေ ရယူထားတဲ့ ပိုကြီးတဲ့ အုပ်စု (population) တစ်ခုလုံးရဲ့ အားနည်းချက် (characteristics) တွေအကြောင်း ကောက်ချက်ဆွဲတာ ဒါမှမဟုတ် ခန့်မှန်းတာကို ဆိုလိုပါတယ်။ ဒီနည်းလမ်းဟာ စာရင်းအင်းပညာ (statistics) ရဲ့ အရေးကြီးတဲ့ အစိတ်အပိုင်းတစ်ခုဖြစ်ပြီး Inferential

Health PolicyHealth Policy

ကျန်းမာရေးပေါ်လစီနဲ့ ပတ်သက်ပြီး Kingdon model နဲ့ Hall model တွေအကြောင်း နည်းနည်းပြောပြချင်ပါတယ်။ ပထမဆုံး ပြောရရင်၊ Kingdom ဆိုတာ John Kingdon ဆိုတဲ့ ပညာရှင်က တီထွင်ခဲ့တဲ့ Multiple Streams Framework လို့ ခေါ်တဲ့ မော်ဒယ်ပါ။ Hall model ကတော့ Hall et al.