échantillonnage aléatoire stratifié: définition
l’échantillonnage aléatoire stratifié est un type d’échantillonnage probabiliste à l’aide duquel un organisme de recherche peut diviser la population entière en plusieurs groupes homogènes (strates) qui ne se chevauchent pas et choisir au hasard les membres finaux des différentes strates pour la recherche, ce qui réduit les coûts et améliore l’efficacité. Les membres de chacun de ces groupes devraient être distincts afin que chaque membre de tous les groupes ait des chances égales d’être sélectionné en utilisant une probabilité simple., Cette méthode d’échantillonnage est également appelée « échantillonnage aléatoire par quotas”.
sélectionnez vos répondants
L’Âge, Les divisions socioéconomiques, la nationalité, la religion, les résultats scolaires et d’autres classifications de ce type relèvent de l’échantillonnage aléatoire stratifié.
considérons une situation où une équipe de recherche cherche des opinions sur la religion parmi divers groupes d’âge. Au lieu de recueillir les commentaires des citoyens américains 326,044,985, des échantillons aléatoires d’environ 10000 peuvent être sélectionnés pour la recherche. Ces 10000 citoyens peuvent être divisés en strates en fonction de l’âge,je.,E, groupes de 18-29, 30-39, 40-49, 50-59 et 60 et plus. Chaque strate aura des membres et un nombre distincts de membres.
En savoir plus: Segmentation démographique
8 étapes pour sélectionner un échantillon aléatoire stratifié:
- définir le public cible.
- reconnaître la ou les variables de stratification et déterminer le nombre de strates à utiliser. Ces variables de stratification devraient être conformes à l’objectif de la recherche. Chaque information supplémentaire détermine les variables de stratification., Par exemple, si l’objectif de la recherche est de comprendre tous les sous-groupes, les variables seront liées aux sous-groupes et toutes les informations concernant ces sous-groupes auront une incidence sur les variables. Idéalement, pas plus de 4-6 variables de stratification et pas plus de 6 strates devraient être utilisées dans un échantillon, car une augmentation des variables de stratification augmentera les chances que certaines variables annulent l’impact d’autres variables.,
- utilisez une trame d’échantillonnage déjà existante ou créez une trame qui inclut toutes les informations de la variable de stratification pour tous les éléments du public cible.
- apporter des modifications après avoir évalué la base d’échantillonnage sur la base d’un manque de couverture, d’une couverture excessive ou d’un regroupement.
- compte tenu de l’ensemble de la population, chaque strate devrait être unique et couvrir chaque membre de la population. À l’intérieur de la strate, les différences devraient être minimales alors que chaque strate devrait être extrêmement différente l’une de l’autre., Chaque élément de la population devrait appartenir à une seule strate.
- attribuez un nombre aléatoire unique à chaque élément.
- déterminez la taille de chaque strate selon vos besoins. La répartition numérique entre tous les éléments de toutes les strates déterminera le type d’échantillonnage à mettre en œuvre. Il peut s’agir d’un échantillonnage stratifié proportionnel ou disproportionné.
- Le chercheur peut ensuite sélectionner des éléments aléatoires de chaque strate pour former l’échantillon., Un élément Minimum doit être choisi dans chaque strate afin qu’il y ait une représentation de chaque strate, mais si deux éléments de chaque strate sont sélectionnés, pour calculer facilement les marges d’erreur du calcul des données collectées.
en Savoir plus: l’Échantillonnage Aléatoire Simple
Types d’un Échantillonnage Aléatoire Stratifié:
-
Proportionnées un Échantillonnage Aléatoire Stratifié:
Dans cette approche, chaque strate de l’échantillon est directement proportionnelle à la taille de la population de l’ensemble de la population des strates. Cela signifie que chaque échantillon de strates a la même fraction d’échantillonnage.,
formule D’échantillonnage aléatoire stratifié proportionné: nh = ( Nh / N ) * n
nh= Taille de L’échantillon pour la th strate
Nh= Taille de la Population pour la th strate
N = Taille de la population entière
n = Taille de l’échantillon entier
Si vous avez 4 strates avec 500, 1000, 1500, 2000 tailles respectives et l’organisme de recherche sélectionne ½ comme fraction d’échantillonnage. Un chercheur doit ensuite sélectionner 250, 500, 750, 1000 membres de la strate respective.,
| 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.,
en savoir plus: échantillonnage systématique
-
échantillonnage aléatoire stratifié disproportionné:
la fraction D’échantillonnage est le principal facteur de différenciation entre l’échantillonnage aléatoire stratifié proportionné et disproportionné. Dans un échantillonnage disproportionné, chaque strate aura une fraction d’échantillonnage différente.
le succès de cette méthode d’échantillonnage dépend de la précision du chercheur à l’allocation des fractions. Si les fractions attribuées ne sont pas exactes, les résultats peuvent être biaisés en raison des strates surreprésentées ou sous-représentées.,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., Comme l’échantillonnage aléatoire stratifié implique plusieurs couches ou strates, il est crucial de calculer les strates avant de calculer la valeur de l’échantillon.
en savoir plus: Étude de marché Quantitative
Voici un exemple classique d’échantillonnage aléatoire stratifié:
disons que 100 (Nh) élèves d’une école ayant 1000 (N) élèves ont été interrogés sur leur sujet préféré. C’est un fait que les élèves de la 8e année auront des préférences de matière différentes de celles des élèves de la 9e année., Pour que l’enquête donne des résultats précis, l’idéal est de diviser chaque grade en différentes strates.,
Calculer l’échantillon de chaque catégorie à l’aide de l’un échantillonnage aléatoire stratifié formule:
en Savoir plus: l’Échantillonnage de Commodité
les Avantages d’un Échantillonnage Aléatoire Stratifié:
- une Meilleure précision dans les résultats en comparaison à d’autres méthodes d’échantillonnage probabiliste comme cluster d’échantillonnage, l’échantillonnage aléatoire simple, et l’échantillonnage systématique ou non de la probabilité des méthodes telles que l’échantillonnage de commodité., Cette précision dépendra de la distinction des différentes strates, c’est-à-dire que les résultats seront très précis si toutes les strates sont extrêmement différentes.
- pratique pour former une équipe à stratifier un échantillon en raison de l’exactitude de la nature de cette technique d’échantillonnage.
- En raison de la précision statistique de cette méthode, de plus petites tailles d’échantillon peuvent également obtenir des résultats très utiles pour un chercheur.
- cette technique d’échantillonnage couvre la population maximale car les chercheurs ont la charge complète sur la division des strates.,
en Savoir plus: l’Échantillonnage en grappes vs Échantillonnage Stratifié
Quand utiliser un Échantillonnage Aléatoire Stratifié?
-
- L’échantillonnage aléatoire stratifié est une méthode d’échantillonnage extrêmement productive dans les situations où le chercheur a l’intention de se concentrer uniquement sur des strates spécifiques à partir des données de population disponibles. De cette façon, les caractéristiques souhaitées des strates peuvent être trouvées dans l’échantillon de l’enquête.
- Les chercheurs se fient à cette méthode d’échantillonnage dans les cas où ils ont l’intention d’établir une relation entre deux ou plusieurs strates différentes., Si cette comparaison est effectuée à l’aide d’un simple échantillonnage aléatoire, il y a une plus grande probabilité que les groupes cibles ne soient pas représentés de manière égale.
- Les échantillons d’une population difficile d’accès ou de contact peuvent facilement être impliqués dans le processus de recherche en utilisant la technique d’échantillonnage aléatoire stratifié.
- La précision des résultats statistiques est supérieure à un simple échantillonnage aléatoire puisque les éléments de l’échantillon et choisis parmi les strates pertinentes. La diversification à l’intérieur des strates sera beaucoup moins importante que la diversification qui existe dans la population cible., En raison de la précision requise, il est fort probable que la taille de l’échantillon requise sera beaucoup moins importante, ce qui aidera les chercheurs à économiser du temps et des efforts.
Laisser un commentaire