Gestratificeerde aselecte bemonstering: definitie, methode en voorbeelden

gestratificeerde aselecte bemonstering: definitie

gestratificeerde aselecte bemonstering is een soort waarschijnlijkheidsbemonstering waarbij een onderzoeksorganisatie de gehele populatie kan vertakken in meerdere niet-overlappende, homogene groepen (strata) en willekeurig eindleden uit de verschillende strata voor onderzoek kan kiezen, wat de kosten vermindert en de efficiëntie verbetert. Leden in elk van deze groepen moeten verschillend zijn, zodat elk lid van alle groepen gelijke kansen krijgt om te worden geselecteerd met behulp van eenvoudige waarschijnlijkheid., Deze steekproefmethode wordt ook wel “steekproefsgewijze quota” genoemd.

Selecteer uw respondenten

leeftijd, sociaaleconomische afdelingen, nationaliteit, religie, onderwijsprestaties en andere dergelijke classificaties vallen onder gestratificeerde aselecte steekproef.

laten we eens kijken naar een situatie waarin een onderzoeksteam meningen zoekt over religie onder verschillende leeftijdsgroepen. In plaats van het verzamelen van feedback van 326.044.985 Amerikaanse burgers, willekeurige monsters van ongeveer 10000 kunnen worden geselecteerd voor onderzoek. Deze 10000 burgers kunnen worden onderverdeeld in lagen volgens leeftijd, i.,e, groepen van 18-29, 30-39, 40-49, 50-59, en 60 en meer. Elk stratum heeft verschillende leden en het aantal leden.

meer informatie: demografische segmentatie

8 Stappen om een gestratificeerde willekeurige steekproef te selecteren:

1. Definieer de doelgroep.
2. herkent de stratificatievariabele of-variabelen en berekent het aantal te gebruiken strata. Deze stratificatievariabelen MOETEN in overeenstemming zijn met de doelstelling van het onderzoek. Elke extra informatie bepaalt de stratificatievariabelen., Bijvoorbeeld, als het doel van het onderzoek om alle subgroepen te begrijpen, zullen de variabelen worden gerelateerd aan de subgroepen en alle informatie met betrekking tot deze subgroepen zal de variabelen beïnvloeden. Idealiter zouden niet meer dan 4-6 stratificatievariabelen en niet meer dan 6 strata in een steekproef moeten worden gebruikt omdat een toename van stratificatievariabelen de kans vergroot dat sommige variabelen de impact van andere variabelen teniet doen.,
3. gebruik een reeds bestaand sampling frame of maak een frame dat alle informatie van de stratificatievariabele bevat voor alle elementen in de doelgroep.
4. wijzigingen aanbrengen na evaluatie van het steekproefkader op basis van een gebrek aan dekking, overdekking of groepering.
5. rekening houdend met de gehele populatie moet elk stratum uniek zijn en elk lid van de populatie bestrijken. Binnen de stratum moeten de verschillen minimaal zijn, terwijl elke stratum zeer verschillend van elkaar moet zijn., Elk deel van de bevolking zou tot één laag moeten behoren.
6. Wijs een willekeurig, uniek getal toe aan elk element.
7. Bereken de grootte van elk stratum volgens uw vereiste. De numerieke verdeling over alle elementen in alle strata bepaalt het type bemonstering dat moet worden uitgevoerd. Het kan zowel proportionele als disproportionele gestratificeerde bemonstering zijn.
8. de onderzoeker kan vervolgens willekeurige elementen uit elk stratum selecteren om het monster te vormen., Minimaal één element moet worden gekozen uit elk stratum, zodat er representatie van elk stratum, maar als twee elementen uit elk stratum worden geselecteerd, om gemakkelijk de foutmarges van de berekening van verzamelde gegevens te berekenen.

meer informatie: Eenvoudige aselecte steekproef

soorten gestratificeerde aselecte steekproef:

• proportionele gestratificeerde aselecte steekproef:

bij deze benadering is de steekproefgrootte van elke stratum recht evenredig met de populatiegrootte van de gehele populatie van strata. Dat betekent dat elk strata Monster dezelfde bemonsteringsfractie heeft.,

proportionele gestratificeerde aselecte Steekproefformule: nh = (Nh / N ) * n

nh= steekproefgrootte voor hth-stratum

Nh= populatiegrootte voor hth-stratum

n = Grootte van de gehele populatie

n = Grootte van de gehele steekproef

Als u 4 strata met 500, 1000, 1500, 2000 respectieve groottes hebt en de onderzoeksorganisatie selecteert ½ als steekproeffractie. Een onderzoeker moet dan 250, 500, 750, 1000 leden uit de respectieve stratum selecteren.,

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.,

meer informatie: systematische bemonstering

• disproportionele gestratificeerde aselecte bemonstering:

Bemonsteringsfractie is de primaire differentiatiefactor tussen de proportionele en disproportionele gestratificeerde aselecte bemonstering. Bij onevenredige bemonstering heeft elk stratum een andere bemonsteringsfractie.

het succes van deze bemonsteringsmethode hangt af van de nauwkeurigheid van de onderzoeker bij de breukallocatie. Als de toegewezen fracties niet nauwkeurig zijn, kunnen de resultaten bevooroordeeld zijn vanwege de oververtegenwoordigde of ondervertegenwoordigde lagen.,td>Stratum

A B C D Population Size 500 1000 1500 2000 Sampling Fraction 1/2 1/3 1/4 1/5 Final Sampling Size Results 250 333 375 400

Learn more: Cluster Sampling

Stratified Random Sampling Examples:

Researchers and statisticians use stratified random sampling to analyze relationships between two or more strata., Aangezien de gestratificeerde willekeurige bemonstering meerdere lagen of strata omvat, is het cruciaal om de strata te berekenen alvorens de steekproefwaarde te berekenen.

meer informatie: kwantitatief marktonderzoek

Hieronder volgt een klassiek voorbeeld van gestratificeerde willekeurige steekproeven:

laten we zeggen dat 100 (Nh) studenten van een school met 1000 (N) studenten vragen werden gesteld over hun favoriete onderwerp. Het is een feit dat de studenten van de 8e klas andere onderwerpvoorkeuren zullen hebben dan de studenten van de 9e klas., Voor het onderzoek om nauwkeurige resultaten te leveren, is de ideale manier om elke rang in verschillende lagen te verdelen.,

6 250 7 300 8 200 9 100

het Berekenen van de steekproef van elk niveau met behulp van de gestratificeerde aselecte steekproef formule:

meer informatie: Convenience Sampling

Voordelen van een Gestratificeerde Aselecte steekproef:

• Betere nauwkeurigheid in de resultaten in vergelijking met andere probability sampling methoden zoals cluster sampling, een enkelvoudige aselecte steekproef, en bemonstering of niet-waarschijnlijkheid methoden, zoals convenience sampling., Deze nauwkeurigheid zal afhankelijk zijn van het onderscheid tussen verschillende lagen, d.w.z. de resultaten zullen zeer nauwkeurig zijn als alle lagen zeer verschillend zijn.
• handig om een team te trainen om een monster te stratificeren vanwege de nauwkeurigheid van de aard van deze bemonsteringstechniek.
• vanwege de statistische nauwkeurigheid van deze methode kunnen kleinere steekproeven ook zeer nuttige resultaten voor een onderzoeker opleveren.
• deze bemonsteringstechniek bestrijkt de maximale populatie aangezien de onderzoekers een volledige lading over de strata-indeling hebben.,

meer informatie: Clusterbemonstering vs gestratificeerde bemonstering

Wanneer moet gestratificeerde willekeurige bemonstering worden gebruikt?

• • gestratificeerde aselecte bemonstering is een uiterst productieve bemonsteringsmethode in situaties waarin de onderzoeker van plan is zich alleen te concentreren op specifieke strata uit de beschikbare populatiegegevens. Op deze manier kunnen de gewenste eigenschappen van de strata worden gevonden in de steekproef.
  • onderzoekers vertrouwen op deze bemonsteringsmethode in gevallen waarin zij voornemens zijn een relatie tussen twee of meer verschillende lagen vast te stellen., Als deze vergelijking wordt uitgevoerd aan de hand van eenvoudige aselecte steekproeven, is de kans groter dat de doelgroepen niet gelijk vertegenwoordigd zijn.
  • monsters met een moeilijk toegankelijke populatie of met een moeilijk contact, kunnen gemakkelijk bij het onderzoeksproces worden betrokken met behulp van de gestratificeerde aselecte bemonsteringstechniek.
  • de nauwkeurigheid van de statistische resultaten is groter dan eenvoudige aselecte bemonstering, aangezien de elementen van de steekproef en gekozen uit relevante strata. De diversificatie binnen de lagen zal veel geringer zijn dan de diversificatie die bestaat in de doelpopulatie., Wegens de betrokken nauwkeurigheid, is het zeer waarschijnlijk dat de vereiste steekproefgrootte veel kleiner zal zijn en dat zal onderzoekers helpen bij het besparen van tijd en inspanningen.