stratyfikowane losowe pobieranie próbek: definicja
stratyfikowane losowe pobieranie próbek jest rodzajem próbkowania prawdopodobieństwa, za pomocą którego organizacja badawcza może rozgałęziać całą populację na wiele nie nakładających się, jednorodnych grup (warstwy) i losowo wybrać końcowych członków z różnych warstw do badań, które zmniejsza koszty i poprawia wydajność. Członkowie w każdej z tych grup powinny być odrębne tak, że każdy członek wszystkich grup uzyskać równe szanse być wybrany przy użyciu prostego prawdopodobieństwa., Ta metoda pobierania próbek jest również nazywana „losowym pobieraniem kwot”.
Wybierz swoich respondentów
wiek, podziały społeczno-ekonomiczne, narodowość, religię, osiągnięcia edukacyjne i inne tego typu klasyfikacje podlegają stratyfikowanemu losowemu próbkowaniu.
rozważmy sytuację, w której zespół badawczy poszukuje opinii na temat religii wśród różnych grup wiekowych. Zamiast zbierać informacje zwrotne od 326,044,985 obywateli USA, losowe próbki około 10000 mogą być wybrane do badań. Te 10000 obywateli można podzielić na warstwy według wieku, i.,e, grupy 18-29, 30-39, 40-49, 50-59 i 60 i więcej. Każda warstwa będzie miała odrębnych członków i liczbę członków.
Dowiedz się więcej: segmentacja Demograficzna
8 kroków, aby wybrać warstwową próbkę losową:
- określ grupę docelową.
- rozpoznaje zmienną lub zmienne stratyfikacyjne i oblicza liczbę warstw, które mają być użyte. Te zmienne stratyfikacyjne powinny być zgodne z celem badań. Każda dodatkowa informacja decyduje o zmiennych stratyfikacyjnych., Na przykład, jeśli celem badań w celu zrozumienia wszystkich podgrup, zmienne będą związane z podgrup i wszystkie informacje dotyczące tych podgrup będą miały wpływ na zmienne. Idealnie, nie więcej niż 4-6 zmiennych stratyfikacji i nie więcej niż 6 warstw powinny być stosowane w próbce, ponieważ wzrost zmiennych stratyfikacji zwiększy szanse niektórych zmiennych anulowania wpływu innych zmiennych.,
- użyj już istniejącej ramki próbkowania lub utwórz ramkę zawierającą wszystkie informacje zmiennej stratyfikacji dla wszystkich elementów w grupie docelowej.
- dokonaj zmian po ocenie ramki próbkowania na podstawie braku pokrycia, nadmiernego pokrycia lub grupowania.
- biorąc pod uwagę całą populację, każda warstwa powinna być unikalna i powinna obejmować każdego członka populacji. W obrębie warstwy różnice powinny być minimalne, podczas gdy każda warstwa powinna być bardzo różna od siebie., Każdy element populacji powinien należeć tylko do jednej warstwy.
- Przypisz losowy, unikalny numer do każdego elementu.
- Oblicz rozmiar każdej warstwy zgodnie z wymaganiami. Rozkład numeryczny między wszystkimi elementami we wszystkich warstwach określi rodzaj próbkowania, które mają być realizowane. Może to być proporcjonalne lub nieproporcjonalne stratyfikowane pobieranie próbek.
- badacz może następnie wybrać losowe elementy z każdej warstwy, aby utworzyć próbkę., Minimum jeden element musi być wybrany z każdej warstwy tak, że nie ma reprezentacji z każdej warstwy, ale jeśli dwa elementy z każdej warstwy są wybrane, aby łatwo obliczyć margines błędu obliczania zebranych danych.
Dowiedz się więcej: proste losowe pobieranie próbek
rodzaje warstwowego losowego pobierania próbek:
-
proporcjonalne losowe pobieranie próbek:
w tym podejściu każda wielkość próby warstwowej jest wprost proporcjonalna do wielkości populacji całej populacji warstw. Oznacza to, że każda próbka warstwowa ma tę samą frakcję próbkowania.,
proporcjonalny stratyfikowany wzór losowego pobierania próbek: nh = ( Nh/N ) * n
NH= wielkość próbki dla warstwy hth
NH= wielkość populacji dla warstwy HTH
n = wielkość całej populacji
n = wielkość całej próbki
Jeśli masz 4 warstwy o odpowiednich rozmiarach 500, 1000, 1500, 2000 a organizacja badawcza wybiera ½ jako frakcję próbkowania. Badacz musi następnie wybrać 250, 500, 750, 1000 członków z odpowiedniej warstwy.,
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.,
Dowiedz się więcej: systematyczne pobieranie próbek
-
nieproporcjonalne stratyfikowane losowe pobieranie próbek:
frakcja pobierania próbek jest głównym czynnikiem różnicującym między proporcjonalnym i nieproporcjonalnym stratyfikowanym losowym pobieraniem próbek. W przypadku nieproporcjonalnego pobierania próbek każda warstwa będzie miała inną frakcję pobierania próbek.
sukces tej metody pobierania próbek zależy od precyzji badacza przy alokacji frakcji. Jeśli przydzielone ułamki nie są dokładne, wyniki mogą być tendencyjne ze względu na zbyt reprezentowane lub niedostatecznie reprezentowane warstwy.,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., Ponieważ warstwowe losowe pobieranie próbek obejmuje wiele warstw lub warstw, ważne jest, aby obliczyć warstwy przed obliczeniem wartości próbki.
Dowiedz się więcej: ilościowe badania rynku
Poniżej znajduje się klasyczny przykład losowego próbkowania warstwowego:
powiedzmy, 100 (Nh) uczniów szkoły o 1000 (N) uczniowie zostali zadani pytania dotyczące ich ulubionego przedmiotu. Faktem jest, że uczniowie 8 klasy będą mieli inne preferencje przedmiotowe niż uczniowie 9 klasy., Aby badanie dostarczało precyzyjnych wyników, idealnym sposobem jest podzielenie każdej klasy na różne warstwy.,
Oblicz próbkę każdej klasy przy użyciu stratyfikowanego wzoru losowego pobierania próbek:
Dowiedz się więcej: wygoda pobierania próbek
zalety stratyfikowanego losowego pobierania próbek:
- lepsza dokładność wyników w porównaniu do innych metod pobierania próbek prawdopodobieństwa, takich jak próbkowanie klastrowe, proste losowe pobieranie próbek i systematyczne pobieranie próbek lub metody bez prawdopodobieństwa, takie jak jako wygoda pobierania próbek., Dokładność ta będzie zależeć od rozróżnienia różnych warstw, tj. wyniki będą bardzo dokładne, jeśli wszystkie warstwy są bardzo różne.
- wygodne szkolenie zespołu do stratyfikacji próbki ze względu na dokładność charakteru tej techniki pobierania próbek.
- ze względu na dokładność statystyczną tej metody, mniejsze rozmiary próbek mogą również uzyskać bardzo przydatne wyniki dla badacza.
- ta technika pobierania próbek obejmuje maksymalną populację, ponieważ naukowcy mają całkowity ładunek nad podziałem warstw.,
Dowiedz się więcej: próbkowanie klastrowe vs próbkowanie warstwowe
kiedy korzystać z losowego próbkowania warstwowego?
-
- stratyfikowane losowe pobieranie próbek jest niezwykle produktywną metodą pobierania próbek w sytuacjach, w których badacz zamierza skupić się tylko na konkretnych warstwach z dostępnych danych populacyjnych. W ten sposób pożądane cechy warstw można znaleźć w próbce badawczej.
- naukowcy opierają się na tej metodzie pobierania próbek w przypadkach, w których zamierzają ustanowić związek między dwiema lub więcej różnymi warstwami., Jeśli porównanie to jest przeprowadzane przy użyciu prostego losowego pobierania próbek, istnieje większe prawdopodobieństwo, że grupy docelowe nie będą w równym stopniu reprezentowane.
- próbki z populacji, które są trudne do dostępu lub kontakt, mogą być łatwo zaangażowane w proces badawczy przy użyciu warstwowej techniki losowego pobierania próbek.
- dokładność wyników statystycznych jest wyższa niż proste losowe pobieranie próbek, ponieważ elementy próbki i wybrane z odpowiednich warstw. Dywersyfikacja w obrębie warstw będzie znacznie mniejsza niż dywersyfikacja istniejąca w populacji docelowej., Ze względu na dokładność zaangażowanych, jest wysoce prawdopodobne, że wymagany rozmiar próbki będzie znacznie mniejsza i że pomoże naukowcom w oszczędzaniu czasu i wysiłków.
Dodaj komentarz