Stratifikovaný Náhodný výběr: Definice
Stratifikovaný náhodný výběr je typ pravděpodobnostního vzorkování pomocí kterých výzkumná organizace může odbočit celá populace do několika nepřekrývajících se, homogenní skupiny (vrstvy) a náhodně vybrat konečné členů z různých vrstev, pro výzkum, což snižuje náklady a zvyšuje účinnost. Členové každé z těchto skupin by měli být odlišní, aby každý člen všech skupin měl stejnou příležitost být vybrán pomocí jednoduché pravděpodobnosti., Tato metoda odběru vzorků se také nazývá „náhodný odběr kvót“.
vyberte své respondenty
věk, socioekonomické divize, národnost, náboženství, vzdělávací úspěchy a další takové klasifikace spadají pod stratifikovaný náhodný vzorkování.
uvažujme o situaci, kdy výzkumný tým hledá názory na náboženství mezi různými věkovými skupinami. Namísto shromažďování zpětné vazby od 326 044 985 občanů USA lze pro výzkum vybrat náhodné vzorky přibližně 10 000. Těchto 10000 občanů lze rozdělit na vrstvy podle věku, i.,E, skupiny 18-29, 30-39, 40-49, 50-59 a 60 a více. Každá vrstva bude mít odlišné členy a počet členů.
Další informace: demografická segmentace
8 kroků k výběru stratifikovaného náhodného vzorku:
- Definujte cílové publikum.
- rozpoznat stratifikační proměnnou nebo proměnné a zjistit počet vrstev, které mají být použity. Tyto stratifikační proměnné by měly být v souladu s cílem výzkumu. Každá další informace rozhoduje o stratifikačních proměnných., Například, pokud je cílem výzkumu porozumět všem podskupinám, proměnné budou souviset s podskupinami a všechny informace týkající se těchto podskupin budou mít vliv na proměnné. V ideálním případě, ne více než 4-6 stratifikace proměnných a ne více než 6 vrstev by měl být použit ve vzorku, protože zvýšení stratifikace proměnné zvýší šance, že některé proměnné, které se vyruší vliv jiných proměnných.,
- použijte již existující vzorkovací snímek nebo vytvořte rámeček, který obsahuje všechny informace stratifikační proměnné pro všechny prvky v cílovém publiku.
- proveďte změny po vyhodnocení vzorkovacího rámce na základě nedostatečného pokrytí, nadměrného pokrytí nebo seskupení.
- vzhledem k celé populaci by každá vrstva měla být jedinečná a měla by pokrývat každého člena populace. V rámci vrstvy, rozdíly by měly být minimální, zatímco každá vrstva by měla být velmi odlišné od sebe navzájem., Každý prvek populace by měl patřit pouze jedné vrstvě.
- přiřaďte každému prvku náhodné, jedinečné číslo.
- zjistěte velikost každé vrstvy podle vašeho požadavku. Číselné rozdělení mezi všechny prvky ve všech vrstvách určí typ odběru vzorků, který má být implementován. Může to být buď proporcionální nebo disproporční stratifikovaný odběr vzorků.
- výzkumník pak může vybrat náhodné prvky z každé vrstvy pro vytvoření vzorku., Minimálně jeden prvek musí být vybrán z každé vrstvy tak, že je tam zastoupení od každé vrstvě, ale pokud se dva prvky z každé vrstvy jsou vybrány, aby se snadno vypočítat rozpětí chyb výpočtu shromážděných údajů.
Dozvědět se více: Prostý Náhodný výběr.
Druhy Stratifikované Náhodné Vzorkování:
-
Proporcionální Stratifikovaný Náhodný výběr:
V tomto přístupu, každou vrstvu vzorku, velikost je přímo úměrná velikosti populace celá populace vrstev. To znamená, že každý vzorek vrstvy má stejnou vzorkovací frakci.,
Proporcionální Stratifikovaný Náhodný výběr Vzorce: nh = ( Nh / N ) * n
nh= velikost Vzorku pro hth stratum
Nh= velikost Populace pro hth stratum
N = Velikost celé populace
n = Velikost celého vzorku
Pokud jste měl 4 vrstvy s 500, 1000, 1500, 2000 příslušných velikostí a výzkumné organizace vybere jako ½ odběru frakce. Výzkumný pracovník musí z příslušné vrstvy vybrat 250 500 750 1000 členů.,
| Stratum | A | B | C | D |
| Population Size | 500 | 1000 | 1500 | 2000 |
| Sampling Fraction | 1/2 | 1/2 | 1/2 | 1/2 |
| Final Sampling Size Results | 250 | 500 | 750 | 1000 |
Irrespective of the sample size of the population, the sampling fraction will remain uniform across all the strata.,
Dozvědět se více: Systematický odběr Vzorků
-
Nepřiměřené Stratifikované Náhodné Vzorkování:
odběru Vzorků frakce je hlavním rozlišujícím faktorem mezi přiměřeným a nepřiměřeným stratifikovaný náhodný výběr. Při neúměrném odběru vzorků bude mít každá vrstva jinou vzorkovací frakci.
úspěch této metody odběru vzorků závisí na přesnosti výzkumného pracovníka při přidělování zlomků. Pokud přidělené frakce nejsou přesné, výsledky mohou být zkreslené kvůli přehnaně zastoupeným nebo nedostatečně zastoupeným vrstvám.,td>Stratum
Learn more: Cluster Sampling
Stratified Random Sampling Examples:
Researchers and statisticians use stratified random sampling to analyze relationships between two or more strata., Jako stratifikovaný náhodný výběr zahrnuje více vrstev nebo vrstev, je rozhodující pro výpočet vrstev, než výpočet hodnoty vzorku.
Další informace: kvantitativní průzkum trhu
následuje klasický stratifikovaný příklad náhodného odběru vzorků:
řekněme, že 100 (Nh) studentů školy s 1000 (N) studenti byli dotázáni na své oblíbené téma. Je fakt, že studenti 8.ročníku budou mít jiné Předmětové preference než studenti 9. ročníku., Aby průzkum přinesl přesné výsledky, je ideálním způsobem rozdělit každou třídu na různé vrstvy.,
Vypočítat vzorek z každé třídy pomocí stratifikovaného náhodného odběru vzorků vzorec:
Dozvědět se více: Pohodlí Vzorků
Výhody Stratifikované Náhodné Vzorkování:
- Lepší přesnost výsledků v porovnání s ostatními pravděpodobnost, metody odběru vzorků, jako jsou clusteru vzorkování, prostý náhodný výběr, a systematický odběr vzorků nebo non-pravděpodobnostní metody, jako jsou pohodlí vzorků., Tato přesnost bude záviset na rozlišení různých vrstev, tj. výsledky budou vysoce přesné, pokud budou všechny vrstvy extrémně odlišné.
- vhodné trénovat tým stratifikovat vzorek vzhledem k přesnosti povahy této vzorkovací techniky.
- vzhledem ke statistické přesnosti této metody mohou menší velikosti vzorků také získat velmi užitečné výsledky pro výzkumníka.
- tato technika odběru vzorků pokrývá maximální populaci, protože vědci mají úplný náboj nad divizí vrstev.,
Další informace: vzorkování clusteru vs stratifikovaný vzorkování
kdy použít stratifikovaný náhodný odběr vzorků?
-
- Stratifikovaný náhodný výběr je velmi produktivní metoda odběru vzorků v situacích, kdy se výzkumník hodlá zaměřit pouze na určité vrstvy z dostupných údajů o obyvatelstvu. Tímto způsobem lze ve vzorku průzkumu nalézt požadované vlastnosti vrstev.
- vědci se spoléhají na tuto metodu odběru vzorků v případech, kdy mají v úmyslu vytvořit vztah mezi dvěma nebo více různými vrstvami., Pokud se toto srovnání provádí pomocí jednoduchého náhodného odběru vzorků, existuje vyšší pravděpodobnost, že cílové skupiny nebudou rovnoměrně zastoupeny.
- vzorky s populací, které jsou obtížně přístupné nebo kontaktní, mohou být snadno zapojeny do výzkumného procesu pomocí stratifikované techniky náhodného odběru vzorků.
- přesnost statistických výsledků je vyšší než jednoduchý náhodný odběr vzorků od prvků vzorku a vybraných z příslušných vrstev. Diverzifikace ve vrstvách bude mnohem menší než diverzifikace, která existuje v cílové populaci., Vzhledem k přesnosti je vysoce pravděpodobné, že požadovaná velikost vzorku bude mnohem menší a že pomůže vědcům ušetřit čas a úsilí.
Napsat komentář